我国高校向GenBank递交序列数据状况

我国高校向我国高校向GenBankGenBank递交序列数据状况递交序列数据状况浙江大学生物信息学研究所樊龙江 王建斌2002年1月22日说明说明数据来源：数据来源：GenBank(NCBI)GenBank(NCBI)统计截止日期：统计截止日期：20012001年年1212月月3131日日本文统计了截止本文统计了截止19961996年年1212月月3131日和日和20012001年年1212月月3131日由我国及高日由我国及高校直接递交校直接递交GenBankGenBank国际公共数据库的国际公共数据库的DNADNA和基因组序列记录情和基因组序列记录情况。具体统计说明见文后。况。具体统计说明见文后。统计截止日期 地区 记录总数（非EST）其中高校记录数%1996-12-31 大陆 180 58 32.2 台湾 464 288 62.1 香港 55 51 92.7 澳门 0 0 2001-12-31 大陆 10879 4194 38.6 台湾 6039 3738 61.9 香港 1399 1335 95.4 澳门 0 0 中国高校记录总数和所占比例情况（一）中国高校记录总数和所占比例情况（二）统计截止日期 地区 EST记录总数 其中高校记录数%1996-12-31 大陆 438 324 74.0 台湾 3 0 0.0 香港 1041 1041 100.0 澳门 0 0 2001-12-31 大陆 140747 23086 16.4 台湾 441 298 67.6 香港 1342 1342 100.0 澳门 0 0 递交记录情况（不包括台湾、香港）递交记录情况（不包括台湾、香港）最早提交记录前三位的大学：最早提交记录前三位的大学：1989.09.25(1989.09.25(复旦大学复旦大学)1992.01.02(1992.01.02(北京大学北京大学)1993.10.13(1993.10.13(中山大学中山大学)提交序列最长的前三大学（超过提交序列最长的前三大学（超过100000bp)100000bp)：209216bp(209216bp(上海第二医科大学上海第二医科大学)139342bp(139342bp(中山大学中山大学)130760bp(130760bp(浙江大学浙江大学)最早提交的序列记录最早提交的序列记录LOCUS AC23SRRN 141 bp mRNA linear BCT 19-MAR-1998 LOCUS AC23SRRN 141 bp mRNA linear BCT 19-MAR-1998 DEFINITION Actinomycete(4153)23S ribosomal RNA.ACCESSION Z26937 DEFINITION Actinomycete(4153)23S ribosomal RNA.ACCESSION Z26937 JOURNAL JOURNAL Submitted(13-OCT-1993)Submitted(13-OCT-1993)Qu L.,Qu L.,Zhongshan UniversityZhongshan University,Biotechnology Research Centre,Guangzhou,Guangdong,Biotechnology Research Centre,Guangzhou,Guangdong,PeoplesPeoples Republic of China,510275 Republic of China,510275 LOCUS BSPGIA 1822 bp DNA BCT 20-APR-1995DEFINITION Bacillus stearothermophilus pgiA gene for phosphoglucoisomerase isoenzyme A(EC 5.3.1.9).ACCESSION X16639JOURNAL Submitted(25-SEP-1989)Tao W.,Institute of Genetics,Fudan University,Shanghai,Peoples Republic of ChinaLOCUS X63771 807 bp RNA VRL 14-JAN-1992DEFINITION Soybean Mosaic Virus gene for coat protein.ACCESSION X63771JOURNAL Submitted(02-JAN-1992)R.Chu,National Lab.of Plant Genetic Engin.,Biology Department,Peking University,Beijing,100871,China序列最长的三个记录序列最长的三个记录LOCUS AF325155 139342 bp DNA circular VRL 11-SEP-2001DEFINITION Spodoptera litura nucleopolyhedrovirus strain G2,complete genome.ACCESSION AF325155JOURNAL Submitted(01-DEC-2000)State Key Laboratory for Biocontrol&Institute of Entomology,Zhongshan University,135 Xingang Road,Guangzhou,Guangzhou 510275,ChinaLOCUS AF060568 201239 bp DNA PRI 29-SEP-1999DEFINITION Homo sapiens promyelocytic leukemia zinc finger protein(PLZF)gene,complete cds.ACCESSION AF060568JOURNAL Submitted(20-APR-1998)Shanghai Institute of Hematology,Ruijin Hospital,Shanghai Second Medical University,197,Ruijin Road II,Shanghai 200025,P.R.ChinaLOCUS AF303045 130760 bp DNA circular VRL 31-AUG-2001DEFINITION Helicoverpa armigera nuclear polyhedrosis virus,complete genome.ACCESSION AF303045JOURNAL Submitted(07-SEP-2000)Institute of Applied Entomology,Zhejiang University,Kaixuan Road 268,Hangzhou,Zhejiang 310029,China最早递交核苷酸序列记录的大学和递交的数量最早递交核苷酸序列记录的大学和递交的数量（不包括台湾、香港）（不包括台湾、香港）记记录录递递交交时时间间 记记录录数数 递递交交大大学学 1989 2 复 旦 大 学 1992 1 北 京 大 学 1993 5 中 山 大 学 1994 5 中 山 大 学（3）、浙 江 大 学（1）、北 京 大 学（1）其他42%上海第二医科大学10%中山大学10%复旦大学9%浙江大学6%北京大学6%中国农业大学5%武汉大学4%第四军医大学2%南京医科大学2%第二军医大学4%学校学校序列数序列数%上海第二医科大学46711.1中山大学4179.9复旦大学3598.6浙江大学2315.5北京大学2315.5中国农业大学1954.6武汉大学1704.1第二军医大学1583.8南京医科大学972.3第四军医大学811.9其他178842.6总数4194100递交记录总数列前十名的大学递交记录总数列前十名的大学（不包括台湾、香港）（不包括台湾、香港）各省（市）记录总数和大学记录各省（市）记录总数和大学记录数数（不包括台湾、香港）（不包括台湾、香港）0500100015002000250030003500400045005000上海北京江苏广东浙江湖北山东陕西福建湖南四川云南辽宁广西重庆海南吉林安徽河南河北黑龙江天津山西甘肃贵州新疆江西宁夏青海内蒙古西藏总数大学省（市）省（市）记录总数记录总数 其中大学记录数其中大学记录数上海24691011北京3797645江苏656489广东571388浙江297235湖北548220山东213170陕西185156福建149107湖南12999四川17179云南107363辽宁9760广西7245重庆5840海南9331吉林3725安徽3320河南5320河北2316黑龙江3914天津2013山西108甘肃295贵州43新疆33江西22宁夏41青海860内蒙古00西藏00其他29%上海24%北京15%江苏12%广东9%浙江6%湖北5%其他上海北京江苏广东浙江湖北省（市）序列数%上海101124北京64515江苏48912广东3889浙江2356湖北2205其他120629其他省（市）序列数%山东17017陕西15616福建10711湖南998四川796云南636辽宁605广西454重庆403海南313吉林252安徽202河南202河北161黑龙江141天津131山西81甘肃51贵州30新疆30江西20宁夏10青海00内蒙古00西藏00各省（市）大学记录数比较各省（市）大学记录数比较基因组记录情况（不包括台湾、香港）递递交交大大学学 记记录录数数 复旦大学 4 武汉大学 3 华中农业大学 2 浙江大学 1 中山大学 1 厦门大学 1 合计 12 本文统计了截止1996年12月31日和2001年12月31日由我国大学和其他研究机构直接递交GenBank国际公共数据库的DNA和基因组序列数量，有关统计方法说明如下：利用NCBI提供的ENTREZ搜索系统进行初步的检索和统计：（1）先将只要含有中国、台湾、香港和澳门字样的非EST记录均下载：(CHINA OR TAIWAN OR“HONG KONG”)NOT gbdiv estProperties Limits:Modification Date to 2001/12/31，共获得24701个记录(CHINA OR TAIWAN OR“HONG KONG”)NOT gbdiv estProperties Limits:Modification Date to 1996/12/31，共获得915个记录自编程序并对上述记录分别在记录的“JOURNAL”字段后（“SUBMMIED:.”）进行中国大陆、台湾和香港数据库记录的统计和国内一些主要城市及高校数据库记录的统计等。（2）EST记录数据是通过ENTREZ 检索GenBank数据库gbdiv est子库获得的。（3）用于检索的各高校英文名称均通过各高校的主页上查找得来，通过我国教育部网站获得了我国所有院校合并的信息。检索中对我国主要的高校均进行了统计，然后进行排名。（4）除了特别说明外，文中的记录均指核苷酸序列记录。其他几点说明：（1）如果递交给GenBank数据库的记录中没有“China”、“Taiwan”、“Hong Kong”和“Macao”等字样，而仅注明“PROC”、“PRC”等则不包括在本研究统计范围；（2）在进行高校检索时，仅包括记录中直接出现“University”一词的记录。本研究的原则是不对记录进行任何修订，如果记录中“University”一词输入错误或没有写明具体大学（而实际是由某一大学完成的），将均被排除在外。以上两种情况在本研究的记录中均存在，但仅涉及极少数记录；（3）对中国大陆的检索策略是在有“China”字样的记录中剔除含有“Taiwan”、“Hong Kong”字样的记录来实现的。统计中注意了台湾和香港递交的记录中对“China”一词使用不规范的一些情况。统计方法说明统计方法说明