上期在介绍GenBank格式时举了新冠病毒基因组的例子，仅一个S基因就长达3822nt（nucleotide，这里指核苷酸数），基因组全长接近3万个碱基。
北京大学图书馆以800万册的藏书量坐拥国内高校Top1按照一本书500页A4纸计算，一个人的基因组约等于200本书，北京大学图书馆纸质书的数量近乎于4万人的基因组。
这还仅仅是一个物种的一小部分，成千上万的物种都有基因组数据，有的基因组甚至是人类基因组的数十倍，如重楼百合有150Gb大小的基因组（表1），人均每分钟英文字符的阅读量不足1千个[1]。
如此算来，即便你昼夜不停地读，也要超过285年才能读完一个重楼百合的基因组序列。此外还有大量的注释信息，需要借助大型计算机才能存储下这些庞大的数据资源。
基于计算机资源构建的生物信息数据库可以更好地管理、更新和读取分析基因组数据
根据存储数据的类型，可划分为核酸数据库、蛋白质数据库和专用数据库
很多编号看起来挺复杂，还不赶紧收藏一下本帖以备不时之需~
下面简单介绍一下NCBI数据库的使用
NucleotideBLAST核酸序列比对，querysequence为核酸序列，目标database为核酸数据库（NT）blastx核酸序列比对蛋白序列，querysequence为核酸序列，目标database为蛋白序列数据库（NR）tblastn蛋白序列比对核酸序列，querysequence为蛋白质序列，目标database为核酸数据库ProteinBLAST蛋白序列比对，querysequence为蛋白序列，目标database为蛋白序列数据库
当你做PCR成功扩增出目的片段时，为了验证产物，得到产物的序列信息后应该进行核酸序列比对（Nucleotideblast）以确认产物是正确的，而非污染造成的假阳性。
此外，如果所扩增的片段编码蛋白质，还可以进行核酸序列比对蛋白序列（blastx）来查看相应的蛋白功能信息。
我们知道蛋白质在生物体的生命活动中承担着丰富而复杂的功能，而结构相同或相似的蛋白质一般具有相同的功能，其中有一部分我们可以基于序列相似性来判定这些蛋白的同源性
研究表明，两个序列相似性达到50%及以上的蛋白，在同源建模时结构相差大约在1埃（0.1nm）
当相似性低于30%时，仅通过序列信息预测获得的蛋白结构，其准确性难以保证[1]
也就是说30%就是我们用序列相似性评判蛋白质是否同源的一个阈值
除了NCBI的数据库，你还可以在国家基因库平台使用千种植物基因组项目（The1000PlantsProject）和万种鸟类基因组项目（TheBird10000GenomesProject）等项目的数据库
参考文献
[1]ChungSY,SubbiahS.Astructuralexplanationforthetwilightzoneofproteinsequencehomology.Structure.1996;4(10):1123-1127.doi:10.1016/s0969-2126(96)00119-0