作者adu (^_^)
看板BioMedInfo
標題[問題] NCBI中human genome的資料
時間Fri May 1 19:21:44 2009
有兩個問題想請教版友
雖然說已經把人類genome解開了，不過我看ncbi的資料庫中還是有很多gap
http://0rz.tw/PBdEq (chr1)
如果我要下載chr1的genome資料，是否把這邊所有的都下載再拼在一起就好了？
還有個疑問點是，好多的gap都是50,000的長度，不知為何會這樣(怎麼做出來的)？
另外一個問題是，人類genome大約有多少是coding,多少是noncoding的部分
我用很保守的估算 30000條基因*長的嚇死人的每條2k
所以30k*2k/3*10^9 人類coding的部分最多佔20%
請問這樣合理嗎？
PS:有看到佔1~1.5%的說法，
不過不知道這個估計值有沒有包含非a.a但有function的序列
以及有沒有把還沒有定序的gap考慮進去
請版友們指教^^
--
37m﹡
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 59.104.5.233
1F：推 auymle:NCBI上有已經組好的可以下載 你從ftp找應該有 05/01 20:13
2F：→ huggie:對啊，這不知道是什麼？為甚麼沒組好？ 05/01 20:27
3F：→ huggie:ftp://ftp.ncbi.nih.gov/genomes/H_sapiens/ 05/01 20:29
4F：→ adu:請問Celera、HuRef和ref有甚麼樣的差別呢？ 05/01 21:10
5F：→ adu:檔案大小都相近，其中ref的contig有49條，我文章內的只有39條 05/01 21:11
6F：→ adu:會不會有重複算的? 謝謝回覆:) 05/01 21:11
7F：→ adu:另外mfa在readme中有說是masked***** 不太懂他masked的意思 05/01 21:12
8F：推 huggie:masked通常指序列中low complexity region 用 N 或 X 遮掉 05/01 22:00
9F：→ adu:原來如此！所以如果單看序列的完整性，fa會含有比較多?! 05/01 23:51
10F：→ adu:我查了celera，好像是一種alignment的方式，不過那三種詳細的 05/01 23:52
11F：→ adu:分別還是不太清楚。 謝謝回應:D 05/01 23:52
12F：推 ChelseaFC:若是指組成contig的read被masked的話，就是指遮蔽一些已 05/11 21:45
13F：→ ChelseaFC:知的重複片段，好加強alignment及assembly的速度(?) 05/11 21:46