RefSeq: uma atualização sobre a anotação e curadoria do genoma procariótico

O projeto da Sequência de Referência (RefSeq) no Centro Nacional de Informação Biotecnológica (NCBI) fornece anotação para mais de 95.000 genomas procarióticos que atendem aos padrões de qualidade de sequência, completude e liberdade de contaminação. Os genomas são anotados por um único Pipeline de Anotação de Genoma Procariótico (PGAP) para fornecer aos usuários um recurso que seja o mais consistente e preciso possível. Mudanças notáveis recentes incluem o desenvolvimento de um esquema hierárquico de evidências, um novo foco na curadoria das fontes de evidências de anotação, a adição e curadoria de perfis de proteínas baseados em modelos ocultos de Markov (HMMs), liberação de um pipeline atualizado (PGAP-4) e reanotação abrangente dos genomas procarióticos do RefSeq. As proteínas de resistência antimicrobiana foram reanotadas de forma abrangente, uma melhor anotação estrutural de transposases de sequência de inserção e selenoproteínas foi fornecida, arquiteturas de domínio complexo curadas deram nomes atualizados a milhões de proteínas multidomínio, e introduzimos um novo tipo de regra de anotação - BlastRules. A curadoria contínua de evidências de suporte e a propagação de nomes melhorados para proteínas RefSeq garantem que a anotação funcional dos genomas seja mantida atualizada. Uma parte cada vez maior de nossa anotação agora deriva de HMMs e outros conjuntos de regras de anotação que são portáteis por natureza e estão disponíveis para download e reutilização por outros investigadores. RefSeq está disponível em https://www.ncbi.nlm.nih.gov/refseq/.