国際塩基配列データベースのアクセッション番号
定義
INSD (the International Nucleotide Sequence Databases; 国際塩基配列データベース) とは、全世界の研究者が実験によって決定した塩基配列データ、または、その TPA データを DDBJ，ENA，NCBI が定めたデータ構築規範に沿って収集・編集した上で、提供するものを指します。
INSD が正式に発行するアクセッション番号は、データに対して固有な ID として割り振られます。
INSD アクセッション番号の書式
INSD アクセッション番号は アルファベット＋数字 で構成されています。 アルファベットの部分をプレフィックスと呼びます。 アクセッション番号の書式は 登録データ種別 によって、以下のように異なります。
Annotated/Assembled Data
| conventional | アルファベット１文字＋５桁の数字: 例 A12345 アルファベット２文字＋６桁の数字: 例 AB123456 アルファベット２文字＋８桁の数字: 例 AB12345678 |
| bulk WGS,TSA,TLS |
アルファベット４文字 (For Large Scale Data)＋８～１０桁の数字: 例 ABCD01012345 アルファベット６文字 (For Large Scale Data)＋９～１１桁の数字: 例 ABCDEF010123456 |
| MGA | アルファベット５文字＋７ 桁以上の数字: 例 ABCDE1234567 |
| protein_id | アルファベット３文字 (protein_id prefix list)＋５桁の数字: 例 ABC12345 アルファベット３文字 (protein_id prefix list)＋７桁の数字: 例 ABC1234567 |
シークエンサ出力データ
| Trace Archive | アルファベット２文字 (TI のみ) ＋１ 桁以上の数字: 例 TI12345678 |
| Sequece Read Archive | アルファベット３文字 (SRA prefix list) ＋６ 桁以上の数字: 例 DRA000001 |
研究プロジェクト・サンプル
| BioProject | アルファベット５文字 (BioProject prefix list) ＋１ 桁以上の数字: 例 PRJDA123 |
| BioSample | アルファベット４文字 (BioSample prefix) ＋８桁の数字: 例 SAMD00000001 |
INSD アクセッション番号と混同されるもの
下記は混同されることが多いのですが、INSD のアクセッション番号ではありません。
- INSD 以外のデータベースにおいて発行される ID
- RefSeq numbers: 例 NC_123456, NM_123456
- Ensembl numbers: 例 ENSG00000139618
- UniProt accession numbers: 例 P12345, Q01234