NCBI Genome

• NCBI - RefSeq: NCBI Reference Sequence Database

• NCBI - RefSeq Frequently Asked Questions (FAQ)

• NCBI - RefSeq: a curated non-redundant sequence database

• 한국유전체학회 - 참조 서열 데이터베이스 RefSeq 소개

• 한국생명공학연구원 - 참조 서열(RefSeq) 데이터베이스 활용

• 네이처 리뷰 - The Reference Sequence (RefSeq) database

• PLOS Computational Biology - NCBI Reference Sequences (RefSeq): current status, new features and genome annotation policy

NCBI Genome은 다양한 생물 종의 완전한 염기서열 정보를 수집하고 체계적으로 제공한다. 이 리소스는 세균, 고세균, 진핵생물을 포함한 수많은 생물의 완성된 게놈 데이터를 통합한 포털 역할을 한다. 사용자는 특정 종이나 계통군을 대상으로 검색하여 해당 생물의 전체 유전체 지도와 함께 염색체, 플라스미드, 오가넬 게놈 등 구성 요소별 서열 정보에 접근할 수 있다.

전체 게놈 시퀀싱 데이터는 크게 참조 게놈과 집합체 게놈으로 구분된다. 참조 게놈은 해당 종을 대표하는 고품질의 표준 게놈 서열이며, 집합체 게놈은 동일 종 내의 다양한 개체나 계통에서 얻은 다수의 게놈 데이터를 포함한다. 이 데이터는 진화 연구, 종 간 비교 분석, 유전자 기능 예측 등 다양한 생물정보학 연구의 기초 자료로 활용된다.

데이터는 FASTA나 GenBank와 같은 표준 형식으로 제공되며, 각 게놈 프로젝트 페이지에는 서열 데이터 외에도 게놈 크기, GC 함량, 유전자 수, 관련 논문 정보 등이 함께 제시된다. 특히 인간, 쥐, 초파리, 예쁜꼬마선충과 같은 모델 생물의 게놈 데이터는 매우 상세하게 구축되어 있어 분자생물학 및 유전체 의학 연구에 필수적이다.

NCBI 게놈에서 제공하는 주석 및 유전자 정보는 단순한 염기서열 데이터를 생물학적으로 의미 있는 정보로 변환하는 핵심 역할을 한다. 이는 유전자의 위치, 구조, 기능을 비롯해 단백질 코딩 영역, 전사체, 조절 서열 등 다양한 유전체 특징에 대한 체계적인 설명을 포함한다. 이러한 주석 작업은 자동화된 파이프라인과 전문가의 수동 큐레이션을 결합하여 수행되며, 그 결과는 RefSeq 데이터베이스를 통해 통합되어 제공된다.

주요 정보는 유전자 오소로지, 단백질 도메인, 생화학적 경로와 같은 기능적 분류와 연결되어 있다. 이를 통해 연구자는 특정 염기서열이 어떤 생물학적 과정에 관여하는지, 또는 어떤 질병과 연관되어 있는지를 탐색할 수 있다. 또한, 유전자 발현 데이터나 변이 정보와 같은 다른 유형의 생물학적 데이터와의 교차 참조가 가능하여 포괄적인 분석을 지원한다.

이러한 주석 정보는 비교 게놈학 연구의 기초가 된다. 서로 다른 종 간의 유전자 보존성, 유전자 군집, 수평적 유전자 이동 사건 등을 분석하는 데 필수적인 자료를 제공한다. 특히 미생물 게놈이나 바이러스 게놈의 경우, 빠르게 업데이트되는 주석 정보가 신속한 병원체 동정과 역학 조사에 활용된다.

NCBI 게놈은 비교 게놈학 연구를 지원하기 위한 다양한 도구를 통합하여 제공한다. 이 도구들은 서로 다른 종의 게놈을 비교하거나, 동일 종 내에서 변이를 분석하는 데 활용된다. 대표적으로 BLAST 기반의 서열 정렬 도구와 Genome Workbench 같은 통합 분석 플랫폼이 있다.

특히 BLAST는 특정 DNA 서열이나 단백질 서열을 데이터베이스 내의 다른 게놈 서열과 빠르게 비교하여 유사성을 찾는 데 필수적이다. Map Viewer는 특정 유전체의 염색체 지도 상에 유전자, 변이, 다른 종의 보존 영역과 같은 다양한 정보를 시각적으로 표시하여 비교를 용이하게 한다.

이러한 도구들은 진화 생물학 연구에서 종 분화 과정을 이해하거나, 유전체 의학 분야에서 질병 관련 유전적 변이를 규명하는 데 중요한 역할을 한다. 사용자는 웹 인터페이스를 통해 무료로 접근할 수 있으며, 대규모 데이터 분석을 위해 명령줄 도구도 별도로 제공된다.

NCBI Genome은 바이러스 게놈 연구를 위한 특화된 리소스를 제공한다. 이 리소스는 인간 및 동물의 병원체, 식물 바이러스, 박테리오파지 등 다양한 바이러스의 완전한 게놈 서열 데이터를 체계적으로 수집하고 정리한다. 특히 인플루엔자 바이러스, SARS-CoV-2와 같은 중요한 병원체의 게놈 데이터는 실시간으로 업데이트되어 전 세계적인 유행병 감시 및 연구에 핵심적인 역할을 한다.

바이러스 게놈 리소스는 RefSeq 데이터베이스에 통합되어 있으며, 각 게놈 레코드는 표준화된 주석이 달린 참조 서열을 제공한다. 이를 통해 연구자들은 특정 바이러스의 유전자 구조, 단백질 코딩 서열, 변이 위치 등을 정확하게 확인할 수 있다. 또한 NCBI의 BLAST 도구를 이용하면 새로운 바이러스 서열을 데이터베이스에 존재하는 알려진 바이러스 게놈들과 빠르게 비교하여 동정하거나 진화적 관계를 분석할 수 있다.

이러한 데이터는 바이러스학 연구, 백신 개발, 진단 키트 설계, 역학 조사 등 다양한 분야에서 활용된다. 예를 들어, 바이러스 게놈의 변이 추적은 백신의 유효성을 평가하고 치료제 표적을 발견하는 데 필수적이다. NCBI Genome은 이러한 연구를 지원하기 위해 표준화된 FASTA 및 GenBank 포맷으로 데이터를 제공하며, 대규모 데이터셋은 FTP 사이트를 통해 직접 다운로드할 수 있다.

Entrez 검색 시스템은 미국 국립생물공학정보센터(NCBI)가 운영하는 모든 주요 데이터베이스를 통합적으로 검색할 수 있는 포털 인터페이스이다. 이 시스템은 NCBI Genome 데이터베이스를 포함하여 PubMed, Gene, Nucleotide, Protein 등 수십 개의 생물학적 데이터베이스를 하나의 검색 창으로 연결한다. 사용자는 복잡한 데이터베이스 구조를 알지 못해도 키워드, 유전자 명칭, 단백질 접근번호, 논문 저자명 등을 입력하여 관련 정보를 한 번에 찾을 수 있다.

검색 결과는 데이터베이스별로 분류되어 제공되며, 각 항목은 하이퍼링크로 연결되어 상세 정보 페이지로 쉽게 이동할 수 있다. 또한 Entrez는 강력한 필터링 및 정렬 기능을 제공하며, 검색된 서열 데이터에 대해 바로 BLAST 분석을 수행하는 링크를 제공하는 등 다양한 데이터 탐색 도구와의 연계가 뛰어나다. 이는 연구자가 유전체 서열 정보와 관련된 문헌, 유전자 기능, 단백질 구조 정보 등을 효율적으로 획득하는 데 핵심적인 역할을 한다.

Entrez 시스템의 또 다른 강점은 데이터베이스 간의 미리 계산된 링크를 통해 정보를 탐색할 수 있는 기능이다. 예를 들어, 특정 세균의 게놈 페이지에서 연결된 링크를 클릭하면 해당 게놈에 대한 연구 논문(PubMed), 유전자 목록(Gene), 그리고 원시 시퀀싱 데이터(SRA)를 순차적으로 찾아갈 수 있다. 이러한 통합 검색 환경은 생물정보학 연구의 효율성을 크게 높여주는 도구로 평가받는다.

BLAST 시퀀스 검색은 NCBI Genome을 포함한 NCBI의 데이터베이스에서 사용자가 가진 DNA나 단백질 서열과 유사한 서열을 찾아내는 핵심 도구이다. BLAST는 Basic Local Alignment Search Tool의 약자로, 특정 서열을 쿼리로 사용하여 방대한 참조 서열 데이터베이스나 전체 게놈 시퀀싱 데이터를 빠르게 탐색하고 정렬한다. 이를 통해 연구자는 새로운 서열의 기능을 예측하거나, 진화적 관계를 분석하거나, 특정 유전자가 다른 생물종에 존재하는지 확인할 수 있다.

NCBI 웹사이트에서는 다양한 BLAST 프로그램을 제공한다. 사용자는 분석 대상에 따라 nucleotide BLAST, protein BLAST, blastx 등의 도구를 선택할 수 있다. 검색 시 쿼리 서열을 입력하고, 대상 데이터베이스로 'Genomic + transcript databases'나 특정 생물종의 게놈 데이터베이스를 지정하며, 민감도와 같은 매개변수를 조정할 수 있다. 검색 결과는 유사도 점수, 정렬 상태, 통계적 유의성을 보여주는 히트 리스트와 상세한 서열 정렬 보기로 제공된다.

BLAST 검색은 유전체 의학 연구에서 변이의 영향을 조사하거나, 진화 생물학에서 종 간 유전체 보존 영역을 찾는 데 필수적이다. 또한 미생물학에서는 미지의 미생물 게놈을 동정하는 데 활용된다. NCBI Genome의 데이터는 BLAST 검색을 통해 생물정보학 분석 파이프라인에 통합될 수 있어, 대규모 비교 게놈학 연구를 효율적으로 수행하는 기반을 마련해 준다.

NCBI 게놈 데이터베이스는 연구자들이 대량의 게놈 데이터를 직접 다운로드하여 로컬에서 분석할 수 있도록 FTP(파일 전송 프로토콜) 사이트를 운영한다. 이 FTP 서버는 NCBI의 공식 데이터 배포 채널로, RefSeq 참조 서열, 완전한 게놈 어셈블리, 원시 시퀀싱 데이터 파일 등 다양한 형식의 데이터를 제공한다. 사용자는 FTP 클라이언트 소프트웨어나 웹 브라우저를 통해 서버에 접속하여 필요한 데이터셋을 찾고 다운로드할 수 있다.

FTP 사이트는 데이터가 체계적으로 디렉토리 구조로 정리되어 있어, 특정 생물 종의 게놈이나 특정 데이터베이스(예: GenBank)의 데이터를 효율적으로 탐색할 수 있다. 주요 제공 데이터에는 FASTA 형식의 서열 파일, GenBank 포맷의 어노테이션 파일, 그리고 대규모 전장 유전체 시퀀싱 프로젝트의 결과물이 포함된다. 이는 로컬 생물정보학 파이프라인 구축이나 대규모 비교 유전체학 연구에 필수적인 리소스이다.

이 FTP 접근 방식은 프로그램을 통한 자동화된 데이터 다운로드 및 동기화에 특히 유용하다. 많은 연구 기관과 바이오인포매틱스 팀은 정기적으로 FTP 서버에서 최신 데이터를 가져오는 스크립트를 작성하여 로컬 데이터베이스를 최신 상태로 유지한다. 이를 통해 BLAST와 같은 도구를 로컬에서 실행하거나 사용자 정의 분석을 수행하는 데 필요한 최신 게놈 서열 정보를 확보할 수 있다.

FASTA는 뉴클레오타이드 서열이나 단백질 서열을 텍스트 형식으로 표현하는 가장 기본적이고 널리 사용되는 파일 형식이다. 이 형식은 먼저 '>' 기호로 시작하는 헤더 라인과 그 다음에 실제 서열 데이터가 이어지는 구조로 이루어져 있다. 헤더 라인은 서열의 식별자와 설명을 포함하며, 서열 데이터는 일반적으로 60자 또는 80자마다 줄바꿈을 하여 기록한다. NCBI Genome을 포함한 대부분의 생물정보학 데이터베이스는 참조 서열 데이터를 FASTA 형식으로 제공하며, BLAST와 같은 서열 검색 도구의 기본 입력 및 출력 형식으로도 사용된다.

FASTQ 형식은 차세대 염기서열 분석 기술에서 생성된 원시 염기서열 데이터를 저장하기 위한 표준 형식이다. FASTA 형식에 서열의 품질 정보를 추가한 것으로 볼 수 있다. FASTQ 파일의 각 레코드는 네 줄로 구성된다: 첫째 줄은 '@'로 시작하는 서열 식별자, 둘째 줄은 실제 염기 서열, 셋째 줄은 '+'로 시작하며 선택적 설명이 올 수 있고, 넷째 줄은 각 염기에 대한 품질 점수를 ASCII 문자로 인코딩한 정보이다. 이 품질 점수는 서열 읽기의 정확도를 나타내며, 후속 데이터 분석의 신뢰도를 판단하는 데 중요한 기준이 된다.

NCBI Genome에서는 완성된 참조 게놈 서열은 주로 FASTA 형식으로 제공되며, 원시 시퀀싱 데이터는 SRA 데이터베이스에 FASTQ 형식으로 보관된다. 연구자는 특정 생물 종의 염색체나 플라스미드 서열을 FASTA 파일로 다운로드하여 로컬 분석에 사용하거나, 자신의 시퀀싱으로 얻은 FASTQ 데이터를 NCBI에 제출할 수 있다. 이 두 형식은 유전체 조립, 변이 검출, 유전자 발현 분석 등 다양한 생물정보학 파이프라인의 시작점이 되는 필수 데이터 형식이다.

GenBank 포맷은 뉴클레오타이드 서열 정보와 그에 대한 주석을 저장하기 위한 표준 텍스트 기반 데이터 형식이다. 미국 국립생물공학정보센터(NCBI)가 관리하는 GenBank 데이터베이스의 기본 저장 형식으로, 연구자들이 서열 데이터를 제출하고 공유하는 데 널리 사용된다. 이 형식은 서열 자체뿐만 아니라 출처 생물종, 문헌 참조, 유전자 및 단백질 코딩 영역과 같은 기능적 특징에 대한 상세한 정보를 체계적으로 포함한다.

파일은 'LOCUS' 정의로 시작하여 서열의 이름, 길이, 분자 유형, 게놈 분류 등을 명시한다. 이어서 'DEFINITION', 'ACCESSION', 'VERSION', 'KEYWORDS', 'SOURCE', 'REFERENCE', 'FEATURES' 등의 헤더 섹션을 거쳐, 마지막 'ORIGIN' 섹션에서 실제 염기서열 데이터가 제공된다. 'FEATURES' 테이블은 특히 중요한 부분으로, 유전자, 엑손, 프로모터 영역 등의 위치와 속성을 기술하여 생물학적 해석의 기초를 제공한다.

이 표준화된 구조 덕분에 다양한 생물정보학 소프트웨어 및 파이프라인이 GenBank 파일을 쉽게 읽고 처리할 수 있다. FASTA 형식이 서열 데이터만을 간결하게 표현하는 데 비해, GenBank 포맷은 풍부한 메타데이터를 포함하는 포괄적인 아카이브 형식의 역할을 한다. 연구자들은 NCBI의 Entrez 시스템을 통해 이 형식으로 데이터를 검색 및 다운로드하거나, 시퀀싱 결과를 제출할 때 이 형식을 준비한다.

ASN.1(Abstract Syntax Notation One)은 복잡한 데이터 구조를 기술하고 인코딩하기 위한 국제 표준 표기법이다. NCBI는 생물학적 서열 데이터, 서열 주석, 출판 정보, 분류학 정보 등 다양한 유형의 데이터를 교환하고 저장하기 위한 내부 표준 포맷으로 ASN.1을 광범위하게 사용한다. 이는 NCBI의 핵심 데이터 모델을 구성하며, GenBank 포맷이나 FASTA 포맷과 같은 다른 표준 포맷들도 내부적으로는 ASN.1 데이터 구조에서 생성되거나 변환된다.

NCBI의 ASN.1 스펙은 생물학 데이터를 표현하기 위한 특수한 모듈과 데이터 타입을 정의한다. 이를 통해 뉴클레오타이드 서열, 단백질 서열, 유전자 위치, 저널 참고문헌, 생물 분류 정보 등이 구조화된 형태로 통합 관리될 수 있다. 이러한 표준화된 데이터 구조는 Entrez 검색 시스템과 같은 NCBI의 다양한 데이터베이스들이 서로 연결되고 데이터를 효율적으로 공유할 수 있는 기반을 제공한다.

일반 사용자에게 ASN.1 포맷은 BLAST 검색 결과나 특정 데이터베이스 레코드를 전문가 수준으로 다운로드할 때 접할 수 있다. NCBI는 ASN.1 데이터를 XML이나 텍스트 형식으로 변환하는 도구를 제공하여 사용자가 데이터에 접근할 수 있도록 지원한다. 이처럼 ASN.1은 NCBI 데이터베이스 인프라의 핵심적인 부분을 이루며, 복잡한 생물학 정보의 정확하고 일관된 처리를 가능하게 한다.

NCBI Genome 데이터베이스는 유전체 의학 분야의 핵심 인프라를 제공한다. 이 분야는 개인의 유전체 정보를 분석하여 질병의 원인을 규명하고, 맞춤형 예방, 진단 및 치료 전략을 수립하는 것을 목표로 한다. NCBI Genome은 다양한 생물 종의 참조 게놈 서열과 정밀한 유전자 주석 정보를 체계적으로 구축함으로써, 임상 연구자와 의료진이 질병 관련 유전적 변이를 식별하고 해석하는 데 필수적인 기준 데이터를 제공한다.

주요 활용 사례로는 암 연구를 들 수 있다. 연구자들은 NCBI Genome의 참조 서열 데이터베이스인 RefSeq을 바탕으로, 종양 샘플에서 발견된 체세포 변이를 정확하게 매핑하고 분석한다. 또한, 선천성 대사 이상이나 심혈관 질환 등 유전성 질환의 원인 유전자를 찾는 연구에서도, 환자 엑솜 시퀀싱 또는 전장 유전체 시퀀싱 데이터를 NCBI의 참조 게놈과 비교하여 병원성 변이를 탐색하는 작업이 정례적으로 이루어진다.

이를 통해 진단의 정확도를 높이고, 질병의 예후를 예측하며, 표적 치료제 개발에 기여할 수 있다. NCBI Genome은 인간 게놈 프로젝트를 비롯한 대규모 국제 연구 컨소시엄의 데이터를 통합 저장소로서 관리하며, 표준화된 형식으로 공개함으로써 전 세계 유전체 의학 연구의 발전을 뒷받침하고 있다.

NCBI Genome은 진화 생물학 연구에 필수적인 비교 게놈학 데이터와 도구를 제공한다. 이 리소스를 통해 연구자들은 다양한 생물 종의 게놈 서열을 비교하여 진화적 관계를 규명하고, 유전자의 기능적 보존성 또는 다양성을 분석할 수 있다. 특히 참조 서열 데이터베이스 (RefSeq)는 고품질의 표준화된 게놈 정보를 제공함으로써, 종 간 또는 계통 간 정밀한 비교 분석의 기초를 마련한다.

주요 도구인 BLAST를 이용하면 특정 DNA 또는 단백질 서열을 데이터베이스 내 다양한 게놈에 대해 빠르게 검색하여 상동성을 확인할 수 있다. 이를 통해 새로운 유전자 패밀리를 발견하거나, 종분화 과정에서의 게놈 구조 변화를 추적하는 연구가 가능하다. 또한, 바이러스 게놈 리소스를 활용하면 병원체의 진화 및 변이 추이를 모니터링하는 데 기여한다.

NCBI Genome의 방대한 데이터는 계통발생학 연구의 근간이 된다. 여러 생물의 전체 게놈 서열 정보를 바탕으로 계통수를 재구성하고, 주요 형질의 진화적 기원을 탐구할 수 있다. 이는 생물 다양성의 기원을 이해하고, 생물 분류학 체계를 정교화하는 데 크게 기여한다.

NCBI Genome은 미생물학 연구에 필수적인 광범위한 미생물 게놈 데이터를 제공한다. 이 리소스는 세균, 고균, 바이러스를 포함한 다양한 미생물 종의 완전한 염기서열 정보와 정밀한 유전자 주석 정보를 통합하여 보유하고 있다. 연구자들은 이를 통해 병원성 미생물의 독성 인자나 항생제 내성 유전자를 식별하고, 환경 미생물의 대사 경로를 분석하는 데 활용할 수 있다.

특히 바이러스 게놈 리소스는 인류 건강에 중요한 인플루엔자 바이러스, SARS-CoV-2 등을 비롯한 다양한 바이러스의 유전체 데이터를 체계적으로 제공한다. 이 데이터는 바이러스의 변이 추적, 백신 개발, 역학 조사에 중요한 기초 자료로 사용된다. 또한 비교 게놈학 도구를 활용하면 근연종 간의 게놈 구조 차이를 분석하여 종 분화나 수평적 유전자 전달과 같은 진화적 사건을 연구할 수 있다.

미생물 게놈 데이터는 전염병 대응, 산업 미생물 개량, 환경 복원 등 다양한 응용 분야의 기초를 이룬다. NCBI Genome은 이러한 연구를 지원하기 위해 표준화된 데이터 형식으로 정보를 제공하며, Entrez 검색 시스템이나 BLAST 시퀀스 검색을 통해 필요한 데이터에 쉽게 접근할 수 있도록 한다.

NCBI 게놈 데이터베이스는 농업 및 동물 과학 분야의 연구 발전에 핵심적인 인프라를 제공한다. 주요 작물의 게놈 정보는 육종 프로그램의 효율성을 높이는 데 활용된다. 예를 들어, 벼, 밀, 옥수수 등의 참조 게놈을 바탕으로 내병성이나 내한성과 같은 유용한 형질과 연관된 유전자를 신속하게 식별할 수 있다. 이를 통해 전통적인 교배 방식보다 훨씬 빠르게 원하는 특성을 가진 새로운 품종을 개발하는 마커 보조 선발이 가능해진다.

가축 분야에서는 소, 돼지, 닭 등의 완전한 게놈 서열 정보가 유전자 지도 작성을 돕고 경제적으로 중요한 형질의 유전적 기반을 규명하는 데 사용된다. 연구자들은 NCBI 게놈의 비교 분석 도구를 이용해 다양한 품종 간의 유전적 변이를 분석하고, 육질, 번식력, 질병 저항성 등을 결정하는 유전자 마커를 발견한다. 이 정보는 정밀 축산을 구현하고 유전자원의 보존 전략을 수립하는 데 기여한다.

이러한 리소스는 농업 생명공학 연구의 기초가 되어 지속 가능한 농업과 식량 안보 확보에 이바지한다. 또한, 가축 질병을 일으키는 병원체의 게놈을 분석하여 진단법 개발이나 백신 설계에 필요한 정보를 제공하기도 한다.

PubMed는 미국 국립생물공학정보센터(NCBI)가 운영하는 생명과학 및 의학 분야의 문헌 데이터베이스이다. 이는 NCBI Genome을 포함한 NCBI의 모든 데이터베이스와 긴밀하게 통합되어 있으며, 연구자가 특정 유전자나 게놈 서열에 관한 최신 연구 논문을 쉽게 찾을 수 있도록 지원한다. PubMed를 통해 검색된 논문은 종종 GenBank나 RefSeq에 등록된 서열 데이터에 직접 연결되어, 서열 정보와 그에 대한 생물학적 해석을 한 번에 확인할 수 있다.

PubMed의 핵심 기능은 MEDLINE 색인을 포함한 방대한 학술 문헌에 대한 무료 검색 및 접근을 제공하는 것이다. 연구자는 저자, 저널, 출판일, 메시(MeSH) 주제어 등 다양한 조건으로 검색할 수 있으며, 많은 논문에 대해 초록을 무료로 열람할 수 있다. 또한, NCBI 계정을 통해 검색 기록 저장, 이메일 알림 설정, 개인 문헌 목록 관리 등의 개인화된 서비스를 이용할 수 있다.

PubMed는 유전체 의학 연구에 필수적인 도구로, 특정 질병 관련 유전자나 변이에 대한 최신 연구 동향을 파악하는 데 널리 사용된다. 예를 들어, NCBI Genome에서 특정 바이러스의 게놈 서열을 조회한 후, 해당 서열의 PubMed ID(PMID) 링크를 클릭하면 그 서열을 보고한 원본 연구 논문이나 관련 후속 연구들을 바로 확인할 수 있다. 이처럼 데이터와 문헌의 통합은 생물학적 발견의 과정을 가속화한다.

NCBI Genome은 NCBI에서 운영하는 생물정보학 데이터베이스로, 다양한 생물 종의 완전한 게놈 서열 정보와 그에 대한 주석을 체계적으로 제공한다. 이 리소스는 유전체학, 진화 생물학, 의학 연구를 위한 핵심 기반이 되며, 참조 서열 데이터베이스인 RefSeq 프로젝트와 긴밀하게 통합되어 있다.

주요 데이터는 진핵생물, 세균, 고세균, 바이러스 및 미토콘드리아, 엽록체와 같은 세포 소기관의 게놈을 포함한다. 사용자는 특정 종의 전체 게놈 서열을 검색하고 다운로드할 수 있으며, 각 염색체 또는 유전체 구성 요소에 대한 상세한 정보를 얻을 수 있다. 여기에는 유전자 위치, 코딩 서열, 단백질 산물 정보 등이 포함된다.

이 플랫폼은 BLAST와 같은 도구를 통한 서열 비교 분석과 전장 유전체 시퀀싱 데이터의 시각화를 지원한다. 또한 진화적 관계를 연구하는 데 필수적인 비교 게놈학 분석을 위한 데이터와 도구를 제공하여, 종 간의 유전체 보존 영역이나 변이를 탐색할 수 있게 한다.

NCBI Genome은 PubMed, Gene, 단백질 데이터베이스 등 NCBI의 다른 주요 리소스들과 연결되어 있어, 유전체 데이터에서 문헌 정보, 특정 유전자 기능, 관련 단백질 구조에 이르기까지 통합적인 정보 탐색이 가능하다. 이는 복잡한 생물학적 질문을 해결하는 데 매우 유용한 환경을 조성한다.

SRA (Sequence Read Archive)는 미국 국립생물공학정보센터(NCBI)가 운영하는 대규모 공공 데이터 저장소이다. 이 아카이브는 차세대 염기서열 분석법(NGS)을 통해 생성된 원시 시퀀싱 데이터, 즉 서열 리드(reads)와 그에 대한 메타데이터를 체계적으로 보관하고 공유하는 것을 주요 목적으로 한다. 전장 유전체 시퀀싱(WGS), 전사체 분석(RNA-Seq), 후성유전체 분석(ChIP-Seq) 등 다양한 고처리량 시퀀싱 실험에서 나오는 방대한 양의 데이터를 수집하며, 연구자들이 자신의 데이터를 업로드하고 다른 연구의 원시 데이터를 자유롭게 다운로드하여 재분석할 수 있게 한다.

SRA에 저장되는 데이터는 FASTQ 형식이 표준이며, 여기에는 염기 서열 정보와 함께 서열 읽기의 품질 점수가 포함된다. 이 아카이브는 NCBI의 다른 주요 데이터베이스인 GenBank, RefSeq, Gene 등과 긴밀하게 통합되어 있다. 예를 들어, 특정 유전자나 게놈에 대한 연구 논문을 찾을 때, 해당 연구에서 생성된 원시 시퀀싱 데이터가 SRA에 존재한다면 직접 링크를 통해 접근하고 분석에 활용할 수 있다. 이는 연구의 재현성을 높이고, 데이터 재활용을 촉진하여 새로운 발견을 돕는 데 기여한다.

SRA 데이터는 엔트레즈 검색 시스템(Entrez)을 통해 검색할 수 있으며, 특정 생물 종, 연구 프로젝트, 실험 유형, 시퀀싱 플랫폼 등 다양한 메타데이터를 기준으로 필터링할 수 있다. 또한 대용량 데이터셋을 효율적으로 전송받기 위한 FTP 접근도 제공한다. SRA는 유전체 의학, 진화 생물학, 미생물군집 분석(마이크로바이옴), 암 연구 등 광범위한 생명과학 분야에서 기초 원시 데이터의 핵심 저장소 역할을 하며, 전 세계적인 오픈 사이언스(Open Science)와 데이터 공유 문화의 중요한 기반을 형성한다.