DNA序列批量导入导出怎么做：格式选择、命名规范与入库核对清单

课题组积累五六年之后，序列文件几乎必然散落各处：某几位成员的电脑里存着 SnapGene 文件，共享盘上躺着不同时期的 GenBank 导出，还有人习惯只留 FASTA。一旦要换平台、建统一序列库，或者有成员离职交接，问题就集中爆发：文件能拷过去，注释丢没丢、重名怎么处理、哪条是最新版本，没人说得清。批量导入导出这件事，真正的难点不在"导"和"入"，而在格式、命名和核对。这篇文章按场景、格式、核对清单和维护四个层面讲清楚。

什么场景需要批量导入导出

建库初期的集中入库

团队决定建统一序列库时，第一件事是把存量文件收拢。这个阶段的典型问题不是技术性的，而是边界性的：哪些序列值得入库、按什么结构组织、谁负责核对。建议先收线索（文件夹、笔记本、项目归档）再收文件，避免"先全拷进来再说"导致库内大量重复和来路不明的序列。

人员变动与平台迁移

成员离职交接和平台更换是另外两个高频场景。交接时序列文件往往和质粒实物一起移交，导入前需要确认每条序列与实物库存的对应关系；平台迁移则要额外确认目标平台支持哪些字段，尤其是特征注释、引物标记这些容易在转换中静默丢失的内容。

常见格式与适用范围

一个常见误区是把 FASTA 当归档格式用。FASTA 适合快速交换，但一旦作为唯一存档，特征注释、酶切位点标记这些在长期使用中最有价值的信息就永久丢失了。内部归档优先保留带注释的原始格式，导出 FASTA 只作为分发副本。

批量导入前的核对清单

批量导入最大的风险是"静默失败"：文件进去了，内容不对或重复，很久之后才被发现。导入前建议按下面的清单过一遍。

1. 命名核对：文件名与序列名称是否一致，是否沿用团队命名规则，同类序列前缀是否统一；
2. 去重核对：按序列内容而非文件名查重，同一序列多份拷贝时指定唯一权威版本；
3. 注释核对：抽查若干条，确认特征注释、抗性标记、启动子等信息完整迁移；
4. 长度与完整性核对：序列长度与预期一致，无明显截断，环状/线性属性正确；
5. 来源核对：每条序列能追溯到来源（构建、合成、购买或文献），来路不明的单独隔离。

核对不必逐条全覆盖，但必须覆盖每种来源、每种格式至少若干条，出错模式往往是按来源或格式聚集的。

导出与备份：别让信息在出口处流失

导出同样需要规范。对外提供序列时，明确对方需要的格式和注释层级；做备份时，建议保留原始入库格式加一份标准化导出（如 GenBank），并记录导出时间和范围。特别注意：从平台导出后如果要长期脱离平台保存，要把序列版本号、导出时间和来源库信息一并留档，否则几个月后没人能判断这份导出是不是最新状态。

团队层面建议把序列库建在统一平台上而不是靠文件夹约定。在衍因智研云的智研分子 yanMolecule 中，生物库支持团队共享的序列管理，序列编辑与比对在同一界面完成：批量导入后可以直接在库内做查重、注释核对和比对验证，导出时保留注释信息，减少格式转换中的信息损耗。

常见问题

批量导入后发现有重复序列怎么办？

按序列内容比对确认重复，然后保留信息最全的那条作为权威版本，其余标记为副本或删除，并把权威版本链接更新到引用它的记录里。不要只删文件不处理引用，否则会出现"序列还在、链接已死"的悬空引用。

注释在格式转换中丢失了怎么补救？

先回到带注释的原始文件，确认注释是在哪一步丢失的。多数情况是经过了 FASTA 中转。补救方式是从原始格式重新导入，并在导入后抽查注释完整性。如果原始文件已经丢失，只能根据文献或重新注释补建，此时应在记录里注明"注释为后期重建"。

导入时序列名称冲突如何处理？

先判断冲突双方是同一序列还是不同序列撞名。同一序列则合并版本历史；不同序列撞名则必须重新命名，并在备注中说明旧名称，避免外部合作者按旧名称找不到。命名冲突多发生在以基因名直接命名的习惯上，加编号前缀可以从源头减少冲突。

历史文件太多，逐条核对不现实怎么办？

分层处理：近期活跃使用的序列优先核对入库；历史文件先原样归档到"待整理区"，标记来源和时间，用的时候再核对升级。宁可让旧文件保持"未核对"的明确状态，也不要让它们以"已入库"的假象混在权威库里。

团队序列库建好后怎么防止再度散落？

关键在入口管理：约定新序列产生后先入库再使用，引物设计、克隆构建都从库里取序列。衍因智研云这类平台的价值就在于把"取序列、做设计、写记录"放在同一环境里，序列不再需要通过文件传输在成员之间流动。

如果你的团队正在整理存量序列文件或建设统一序列库，可以了解衍因智研云的序列管理与生物库能力，或联系衍因科技获取迁移方案建议。