在预览页面，GenBase会输出质控报错，需要对其进行逐一修改，并重新提交文件到GenBase。下面总结了可能遇到的报错类型和修正方案。下载PDF版本。
解释：序列的蛋白质翻译区内包含终止密码子。
建议：
1. 是否核酸序列有误，如有误可考虑改正核酸序列。
2. 是否细胞器类型选择有误，叶绿体、线粒体和核基因组使用不同的遗传密码子表，使用错误的密码子表可能会存在出现不适用的终止密码子的问题，如是可考虑更正细胞器类型。
3. 是否存在CDS间隔的情况，即由多段不连续的CDS组成，不连续的位置上恰好存在终止密码子，如有多段CDS则需要分别标注出每段的CDS位置。
4. 是否存在codon_start变化的情况，即编码时阅读框的移位，或指下一个密码子相对于当前CDS特征的5'端开始的位置。这里更有可能的是CDS的5' 端不完整（partial）的情况，如是则应具体指出5' 端不完整的位置，并且需要添加一个codon_start限定符，分别表示将阅读框移动一个或两个碱基。对于GFF文件，codon_start的值为1或2表示将阅读框移动一个或两个碱基；对于TBL文件，codon_start的值为2或3表示将阅读框移动一个或两个碱基。
5. 是否为假基因（pseudogene），如果确定为假基因并且无法找到终止密码子，可以在GFF文件对应的gene行（第三列为gene的那行）的第九列添加pseudo=true属性值，代表该序列无法被正常翻译。
6. 是否为特殊的基因编码机制，如后生动物线粒体基因中经常存在的不完全终止密码子现象，如是则需要对CDS序列标记transl_except属性，并明确标记出具体的位置和对应的氨基酸信息。
解释：CDS在其3 ' 端不以终止密码子结束。
建议：
1. 是否CDS位置标记错误，如是则考虑延长CDS序列位置，直至出现终止密码子。
2. 是否序列在3' 端存在不完整情况，如是则可以将3' 端标记为不完整（partial）。
3. 是否为假基因（pseudogene），如果确定为假基因并且无法找到终止密码子，可以在GFF文件对应的gene行（第三列为gene的那行）的第九列添加pseudo=true属性值，代表该序列无法被正常翻译。
解释： CDS 在其 5' 端不以起始密码子开头。
建议：
1.是否CDS位置标记错误，如是则考虑延长CDS序列位置，将 CDS 延伸到出现起始密码子。
2. 是否序列在5' 端存在不完整情况，如是则将 5' 端标记为不完整（partial）。
3. 是否为假基因（pseudogene），如果确定为假基因并且无法找到终止密码子，可以在GFF文件对应的gene行（第三列为gene的那行）的第九列添加pseudo=true属性值，代表该CDS 无法被正常翻译。
4. 是否细胞器类型选择有误，叶绿体、线粒体和核基因组使用不同的遗传密码子表，使用错误的密码子表可能会存在出现不适用的起始密码子的问题，如是可考虑更正细胞器类型。
5. 是否存在codon_start变化的情况，即编码时阅读框的移位，或指下一个密码子相对于当前CDS特征的5'端开始的位置。这里更有可能的是CDS的5' 端不完整（partial）的情况，如是则应具体指出5' 端不完整的位置，并且需要添加一个codon_start限定符，分别表示将阅读框移动一个或两个碱基。对于GFF文件，codon_start的值为1或2表示将阅读框移动一个或两个碱基；对于TBL文件，codon_start的值为2或3表示将阅读框移动一个或两个碱基。
解释：CDS包含一个短于11bp的内含子。
建议：
1. 是否intron的位置标记错误，如是可考虑修正intron的位置使它长于11bp。
2. 是否为假基因（pseudogene），如果确定为假基因并且无法找到终止密码子，可以在GFF文件对应的gene行（第三列为gene的那行）的第九列添加pseudo=true属性值，代表该CDS 无法被正常翻译，可参考https://www.insdc.org/submitting-standards/pseudogene-qualifier-vocabulary/。
3. 是否基因发生移码但不是假基因，如是则需要在整个范围内注释单个基因特征，并包含pseudo限定符以指示该基因已损坏并且无法按预期翻译（在gene那行的第九列添加pseudo=true属性值）。
解释：CDS有一个大于1的frame值。每个基因区域内，第一个CDS 的frame值应该为1。在GFF文件的第八列被标注为0，在TBL文件中codon_start被标记为1。
建议：此注释需要标记为5' 不完整（partial）。以GFF文件为例，如果不是partial，则第一个CDS区间的frame值必须为0，即GFF文件的第八列被标注为0，后续的CDS的frame值根据实际数据的编码来决定；如果是partial，则第一个CDS区间、后续的CDS的frame值根据实际数据的编码来决定，但注释需要标记上5' 不完整（partial）。
解释：当GFF文件注释的一个基因的exons位置相邻时。
建议：是否可以合并两个相邻的exons，更改exons位置。
解释：当GFF文件的exon/CDS间的位置有重叠时，坐标位置乱序。
建议：是否可以参考mRNA和CDS序列的位置，更改重叠的exon/CDS位置，删除多余的exon/CDS；exons的边界和mRNA一致，数量和CDS一致；如果多个CDS在负链，多个CDS的坐标值应该是从大到小。
解释：GFF文件注释CDS和exon的位置或数量不一致。
建议：是否可以更改exon或CDS位置和数量，理论上只能唯一的分组标准。
解释：GFF文件注释CDS和exon的位置不一致。
建议：是否可以更改exon或CDS位置和数量。实践发现有时与SEQ_FEAT.CDSmRNAmismatchCount一同出现，且数量一致。
解释：蛋白质长度与预测的蛋白质长度不匹配。这通常会引发连串报错。
解释：GFF文件第9列的属性值attributes中包含不符合规范的字符，例如“|”符号。
建议：删除GFF文件第9列属性值中不规范的字符。
解释：GFF文件第9列的属性值attributes中以连字符“-”结尾时。
建议：删除GFF文件第9列属性值中不规范的连字符。
解释：物种名称或特征标签中不应包含下划线、句号、逗号、冒号或分号。
建议：删除不规范的字符。
解释：exon和CDS的位置或数量不一致且有中间终止密码子导致，也可能引入SEQ_FEAT.InternalStop 和 SEQ_INST.StopInProtein 或 SEQ_FEAT.ShortIntron 错误。
建议：
1. 是否可以调整exon和CDS的位置和数量。
2. 是否为假基因（pseudogene），如果确定为假基因，可以在GFF文件对应的gene行（第三列为gene的那行）的第九列添加pseudo=true属性值，代表该CDS 无法被正常翻译。（在gene行的第九列添加pseudo=true属性值后，SEQ_FEAT.SeqFeatXrefNotReciprocal和CDSmRNAMismatchLocation消失并转化成SEQ_FEAT.CDSwithMultipleMRNAs报错，数量与SEQ_FEAT.CDSmRNAmismatchCount一致）
解释：同一坐标位置注释到多个基因。
建议：
1. 需要查看错误的位置信息，根据位置信息查找GFF文件的重复注释位置，是否可以删除其中一个基因注释。
2. 是否可以把重复基因的注释变成一个基因的多个可变剪切注释，即删除重复基因的gene注释，把重复基因的mRNA注释的parent属性改为另一个基因。
解释：基因的CDS或exon位置信息不一致。
建议：
1. 是否可以修改位置信息为一致。
2. 是否为假基因（pseudogene），如果确定为假基因，可以在GFF文件对应的gene行（第三列为gene的那行）的第九列添加pseudo=true属性值，代表该CDS 无法被正常翻译。
解释：“Unknown protein”或“hypothetical protein”不应有EC编号，产物名称为“hypothetical protein”时，存在了EC编号。
建议：如果确实是“hypothetical protein”，需删除 EC 编号。 如果 EC 编号正确，请使用它来提供有效的产物名称。
解释：特征以gap开始或结束。
建议：
1. 删除该特征。
2. 是否可以将其位置调整为partial，并紧邻gap区域。
解释：遗传密码无效或不正确。
建议：
1. 如果该序列的物种不是原核生物，那么您可以忽略此错误。
2. 是否细胞器类型选择有误，叶绿体、线粒体和核基因组使用不同的遗传密码子表，使用错误的密码子表可能会存在出现不适用的起始密码子的问题，如是可考虑更正细胞器类型。
解释：db_xref 中的数据库有缩写或者不是允许的数据库之一 ()。
建议：如果您使用的数据库不是允许的数据库之一，请更改 db_xref。
解释：rRNA 特征必须有产物名称，此处缺失rRNA 特征的产物名称。
建议：是否可以为每个rRNA特征指定产物名称，例如 “16S ribosomal RNA”。
解释：所提供的蛋白质序列与编码区翻译不完全相同，在这两个序列之间发现不匹配的氨基酸。常为其他错误引发的连锁错误。
建议：如果它不是从起始密码子开始并延伸到序列的末端，则为不完整的原核序列，考虑是否可以将 CDS设定不完整（partial）。
解释：tRNA中存在未解析的反密码子限定符。
建议：参考正确写法，anticodon=(pos:complement(26429..26431))。
解释：每个rRNA和tRNA都应该有产物名称；注释文件中未包含CDS信息。
建议：如果不知道该产物名称，则使用“Xxx”或“tRNA-Xxx”；例如在GFF文件中，tRNA产物必须写为：product=tRNA-Leu才合理；一般情况下，注释文件中应包含CDS信息。
解释：由于原核生物很少存在可变剪接情况，因此它们的特征通常是完整（complete）的，或是延伸到序列末端且被标记为不完整（partial）。在真核生物中，如果partial位于内含子/外显子边界，则可以忽略此错误。
建议：
1. 将特征延伸一个或几个碱基至序列末尾。
2. 如果该特征是完整（complete）的，请删除partial符号。
3. 如果这只是一个片段或一个无功能的基因，请将特征的位置更改为complete，并向该基因添加 /pseudo 限定符。
解释：少于10个氨基酸的蛋白质。
建议：如果它们很多，并且它们只是注释工具短的ORF调用，那么建议删除它们，除非它们是真实存在的。
解释：序列的开头或结尾存在有N。
建议：
1. 是否可以删除序列开头和结尾的Ns。
2. 如果此序列为环状，是否可以标记序列为环状（circular）。
建议：修改GFF 文件，使其标记上pseudo=true 或pseudogene=true。
解释：该物种是一种未定义的物种。
建议：对于非宏基因组数据、来自传统来源（如培养物）但尚未被确定为已定义物种的基因组，目前的方案是将菌株（strain）名称添加到生物体名称中，以形成新的生物体名称。例如，物种名称为Marinobacter sp. ，需要更改物种名称为: Marinobacter sp. strain XYZ，此处的XYZ为strain的名称。请邮件联系gsa@big.ac.cn修改该biosample对应的物种名称，可参照上述的Marinobacter sp. strain XYZ格式。
解释：纬度-经度latitude-longitude (lat-lon)的格式应为dd.dd N|S ddd.dd E|W。
建议：使用带有方向（N、S、E、W）的十进制度格式坐标来修正纬度-经度（lat-lon）的。例如：39.7 N 42.1 W。如果错误来自通过fasta提交创建的基因组，那么信息来源于BioSample，需要对其进行更新。请将正确的源信息发送至gsa@big.ac.cn，我们将更新基因组和BioSample。请确保提供基因组提交的SUBid和BioSample的访问号（如果已分配，格式为SAMCxxxxxxxx）。
解释：GFF文件中的product属性值中有错误格式会报错，比如含有不完整的括号，会显示“FATAL: SUSPECT_PRODUCT_NAMES: XXX features contain unbalanced brackets or parentheses”；或者产物名称中包含了物种名称；或者是解析到了错误或不正确的格式。
建议：
1. 需要做相应处理，例如添加括号或者删除括号。
2. 如果是产物名称中包含了物种名称organism，应当删除其中的物种名称。
3. 如果是解析到了错误或不正确的格式，应当删除不合理的符号类别。
解释：有基因重复注释到了相同位置的相反链上。
建议：删除重复的注释，或者修改重复的注释，变为一个基因的多个可变剪切的注释。
解释：此特征不支持多个父特征，形如"Parent=Puss.000012.2,Puss.000012.3,Puss.000012.1"的格式。
建议：可考虑修改为“Parent=Puss.000012.2”。
解释：存在2个长度相同的基因区域，例如misc_RNA和tRNA都指定的是同一区域，并且是相同的父本标记。
建议：是否可以删除或者修改其中一个特征。
解释：仅标记基因特征，没有标记蛋白质等相关产物。
建议：是否可以补充相关产物。
解释：蛋白质产物同时具有EC编号和"unknown protein"或"hypothetical protein"的蛋白质名称。例如，在gff文件中不能同时出现，eC_number=3.1.3.-;product=putative protein。
建议：修改蛋白质产物名称。
解释：核苷酸序列中的seqid长度超过50个字符。
建议：修改核苷酸序列文件（fasta文件）中的seqid名称。
解释：CDS特征没有匹配的mRNA，匹配是通过xref标记或重叠区域来识别。
建议：增加相关mRNA注释。
解释：外显子或CDS的坐标范围超出了其父本特征的坐标范围，一般是因为特征ID值不唯一导致的。
建议：是否可以修改外显子或CDS的坐标范围或者ID值。
解释：CDS被标记重复的Parent信息，一般是因为特征ID值不唯一导致的。
建议：是否可以修改外显子或CDS的ID值。
解释：mRNA对应的Parent信息不存在。
建议：是否可以补充对应的Parent信息。
解释：基因特征内包含了两个或更多的其他基因。
建议：是否可以对多余的基因进行修改或者删除。
解释：内部外显子太短。
建议：是否外显子坐标标注错误，如是则建议修改坐标信息。
解释：该bioseq未发现对应的序列数据。
建议：在序列文件中补充该条序列，或者在GFF文件或者TBL文件中删除该条序列的注释信息。
解释：提交的序列长度少于200bp。我们预计的基因组草图的contig长度至少为200bp。如果你认为你需要保持一个短的contig，请联系GenBase基因组的工作人员解释情况。
建议：删除长度小于200 bp的序列。
解释：Bioseq的3端有一个不应该存在的gap区域。
建议：是否是因为序列错误导致，如是则建议删除该gap区域。
解释：CDS特征内有多个重叠的mRNA特征，如果没有其他识别其将会被分配到不同的编码区。一般是因为特征ID值不唯一导致的。
建议：是否可以删去重叠的mRNA特征，或者对mRNA特征的ID 进行唯一性的标注。
解释：CDS特征缺少产物描述。Pseudo的CDSs、短的CDSs(小于6个氨基酸)、标记有重排的CDSs除外，他们不需要产物。
建议：是否可以补充CDS特征的产物描述信息。
解释：特征的位置不允许将其映射到单个 Bioseq，或者在一个或多个部分 Bioseq 上映射到分段的父本信息。
建议：是否可以删除该特征。
解释：3端碱基的内含子上包含了一个终止密码子。
建议：是否存在内含子标记错误，如是则考虑延长CDS序列至终止密码子处。
解释：GFF文件引起的问题，特征缺少ID属性。
建议：是否可以补充对应的ID信息。
1. 如果物种不是细菌和古细菌则可以忽略BACTERIAL_开头的报错信息。
2. GFF文件中的product属性不符合蛋白产物名称规定时，会把不符合规定的product属性值改为hypothetical protein。product值的不规范情况：
1) 包含逗号,（因为逗号是分隔符）
2) 包含竖杠|
3) 短横杠-开头或结尾
4) 冒号:开头或结尾
5) 斜杠/开头或结尾
6) 不包含字母
7) 不完整的括号（包括圆括号、中括号和大括号）