Merge pull request #231 from bioperl/pir-no-desc-line
[bioperl-live.git] / t / data / test.embl2sq
blob9990c8f74c8167e168c583e669ddad82b9c38a64
1 ID   SC10H5 standard; DNA; PRO; 4870 BP.
2 XX
3 AC   AL031232;
4 XX
5 DE   Streptomyces coelicolor cosmid 10H5.
6 XX
7 KW   integral membrane protein.
8 XX
9 OS   Streptomyces coelicolor
10 OC   Eubacteria; Firmicutes; Actinomycetes; Streptomycetes;
11 OC   Streptomycetaceae; Streptomyces.
13 RN   [1]
14 RP   1-4870
15 RA   Oliver K., Harris D.;
16 RT   ;
17 RL   Unpublished.
19 RN   [2]
20 RP   1-4870
21 RA   Parkhill J., Barrell B.G., Rajandream M.A.;
22 RT   ;
23 RL   Submitted (10-AUG-1998) to the EMBL/GenBank/DDBJ databases.
24 RL   Streptomyces coelicolor sequencing project,
25 RL   Sanger Centre, Wellcome Trust Genome Campus, Hinxton, Cambridge CB10 1SA
26 RL   E-mail: barrell@sanger.ac.uk
27 RL   Cosmids supplied by Prof. David A. Hopwood, [3]
28 RL   John Innes Centre, Norwich Research Park, Colney,
29 RL   Norwich, Norfolk NR4 7UH, UK.
31 RN   [3]
32 RP   1-4870
33 RA   Redenbach M., Kieser H.M., Denapaite D., Eichner A.,
34 RA   Cullum J., Kinashi H., Hopwood D.A.;
35 RT   "A set of ordered cosmids and a detailed genetic and physical
36 RT   map for the 8 Mb Streptomyces coelicolor A3(2) chromosome.";
37 RL   Mol. Microbiol. 21(1):77-96(1996).
39 CC   Notes:
41 CC   Streptomyces coelicolor sequencing at The Sanger Centre is funded 
42 CC   by the BBSRC.
44 CC   Details of S. coelicolor sequencing at the Sanger Centre 
45 CC   are available on the World Wide Web. 
46 CC   (URL; http://www.sanger.ac.uk/Projects/S_coelicolor/)
48 CC   CDS are numbered using the following system eg SC7B7.01c. 
49 CC   SC (S. coelicolor), 7B7 (cosmid name), .01 (first CDS), 
50 CC   c (complementary strand).
52 CC   The more significant matches with motifs in the PROSITE
53 CC   database are also included but some of these may be fortuitous.
55 CC   The length in codons is given for each CDS.
57 CC   Usually the highest scoring match found by fasta -o is given for
58 CC   CDS which show significant similarity to other CDS in the database.
59 CC   The position of possible ribosome binding site sequences are
60 CC   given where these have been used to deduce the initiation codon.
61 CC   
62 CC   Gene prediction is based on positional base preference in codons 
63 CC   using a specially developed Hidden Markov Model (Krogh et al., 
64 CC   Nucleic Acids Research, 22(22):4768-4778(1994)) and the FramePlot 
65 CC   program of Bibb et al., Gene 30:157-66(1984) as implemented at 
66 CC   http://www.nih.go.jp/~jun/cgi-bin/frameplot.pl. CAUTION:  We may  
67 CC   not have predicted the correct initiation codon.  Where possible 
68 CC   we choose an initiation codon (atg, gtg, ttg or (att)) which is 
69 CC   preceded by an upstream ribosome binding site sequence (optimally 
70 CC   5-13bp before the initiation codon).  If this cannot be identified
71 CC   we choose the most upstream initiation codon.
72 CC     
73 CC   IMPORTANT: This sequence MAY NOT be the entire insert of
74 CC   the sequenced clone.  It may be shorter because we only
75 CC   sequence overlapping sections once, or longer, because we
76 CC   arrange for a small overlap between neighbouring submissions.
78 CC   Cosmid 10H5 lies to the right of 3A7 on the AseI-B genomic restriction 
79 CC   fragment.
81 FH   Key             Location/Qualifiers
83 FT   source          1..4870
84 FT                   /organism="Streptomyces coelicolor"
85 FT                   /strain="A3(2)"
86 FT                   /clone="cosmid 10H5"
87 FT   CDS             complement(<1..327)
88 FT                   /note="SC10H5.01c, unknown, partial CDS, len >109 aa;
89 FT                   possible integral membrane protein"
90 FT                   /gene="SC10H5.01c"
91 FT                   /product="hypothetical protein SC10H5.01c"
92 FT   CDS             complement(350..805)
93 FT                   /note="SC10H5.02c, probable integral membrane protein, len:
94 FT                   151 aa; similar to S. coelicolor hypothetical protein
95 FT                   TR:O54194 (EMBL:AL021411) SC7H1.35 (155 aa), fasta scores;
96 FT                   opt: 431 z-score: 749.8 E(): 0, 53.5% identity in 114 aa
97 FT                   overlap."
98 FT                   /product="putative integral membrane protein"
99 FT                   /gene="SC10H5.02c"
100 FT   RBS             complement(812..815)
101 FT                   /note="possible RBS upstream of SC10H5.02c"
102 FT   CDS             complement(837..1301)
103 FT                   /note="SC10H5.03c, probable integral membrane protein, len:
104 FT                   154 aa"
105 FT                   /product="putative integral membrane protein"
106 FT                   /gene="SC10H5.03c"
107 FT   RBS             complement(1308..1312)
108 FT                   /note="possible RBS upstream of SC10H5.03c"
109 FT   CDS             complement(1427..1735)
110 FT                   /note="SC10H5.04c, unknown, len: 103 aa; possible membrane"
111 FT                   /gene="SC10H5.04c"
112 FT                   /product="hypothetical protein SC10H5.04c"
113 FT   RBS             complement(1738..1741)
114 FT                   /note="possible RBS upstream of SC10H5.05c"
115 FT   misc_feature    1800^1801
116 FT                   /note="Zero-length feature added to test Bioperl parsing"
117 FT   CDS             1933..2022
118 FT                   /note="SC10H5.05, questionable ORF, len: 29 aa"
119 FT                   /gene="SC10H5.05"
120 FT                   /product="hypothetical protein SC10H5.05"
121 FT   CDS             2019..2642
122 FT                   /note="SC10H5.06, probable membrane protein, len: 207 aa;
123 FT                   similar to S. coelicolor TR:O54192 SC7H1.33c (191 aa),
124 FT                   fasta scores; opt: 312 z-score: 355.2 E(): 1.6e-12, 36.8%
125 FT                   identity in 182 aa overlap"
126 FT                   /product="putative membrane protein"
127 FT                   /gene="SC10H5.06"
128 FT   RBS             2627..2631
129 FT                   /note="possible RBS upstream of SC10H5.07"
130 FT   CDS             2639..4048
131 FT                   /note="SC10H5.07, unknown, len: 469 aa"
132 FT                   /gene="SC10H5.07"
133 FT                   /product="hypothetical protein SC10H5.07"
134 FT   CDS             complement(4100..4297)
135 FT                   /note="SC10H5.08c, unknown, len: 65 aa"
136 FT                   /gene="SC10H5.08c"
137 FT                   /product="hypothetical protein SC10H5.08c"
138 FT   RBS             complement(4314..4319)
139 FT                   /note="possible RBS upstream of SC10H5.08c"
140 FT   CDS             complement(4439..>4870)
141 FT                   /note="SC10H5.09c, probable integral membrane protein,
142 FT                   partial CDS len: >143 aa; some similarity in C-terminus to
143 FT                   S. coelicolor hypothetical protein TR:O54106
144 FT                   (EMBL:AL021529) SC10A5.15 (114 aa), fasta scores; opt: 145
145 FT                   z-score: 233.8 E(): 9.2e-06, 33.3% identity in 81 aa
146 FT                   overlap. Overlaps and extends SC3A7.01c"
147 FT                   /product="putative integral membrane protein"
148 FT                   /gene="SC10H5.09c"
149 FT   misc_feature    4769..4870
150 FT                   /note="overlap with cosmid 3A7 from 1 to 102"
152 SQ   Sequence 4870 BP; 769 A; 1717 C; 1693 G; 691 T; 0 
153 SQ   other;
154      gatcagtaga cccagcgaca gcagggcggg gcccagcagg ccggccgtgg cgtagagcgc        60
155      gaggacggcg accggcgtgg ccaccgacag gatggctgcg gcgacgcgga cgacaccgga       120
156      gtgtgccagg gcccaccaca cgccgatggc cgcgagcgcg agtcccgcgc tgccgaacag       180
157      ggcccacagc acactgcgca gaccggcggc cacgagtggc gccaggacgg tgcccagcag       240
158      gagcagcagg gtgacgtggg cgcgcgctgc actgtggccg ccccgtccgc ccgacgcgcg       300
159      cggctcgtca tctcgcggtc ccaccaccgg tcggccccat tactcgtcct caaccctgtg       360
160      gcgactgacg ttccccggac aggtcgtacc gattgccgcc acgccccacc acgcacaggg       420
161      cccagacgac gaagcctgac atggtgatca tgacgacgga ccacaccggg tagtacggca       480
162      gcgagaggaa gttggcgatg atcaccagcc cggcgatggc gaccccggtg acacgtgccc       540
163      acatcgccgt tttgagcagc ccggcgctga cgaccatggc gagcgcgccg agcgcgagat       600
164      ggatccaccc ccacccggtg agatcgaact ggaaaacgta gttgggcgtg gtgacgaaga       660
165      cgtcgtcctc ggcgatggcc atgatgcccc ggaagaggct gagcagcccg gcgaggaaga       720
166      gcatcaccgc cgcgaaggcg gtaaggcccg tcgcccattc ctgcctcgcg gtgtgtgccg       780
167      ggtggtgggt atgtgacgtg gtcatctcgg acctcgtttc gtggaatgcg gatgcttcag       840
168      cgagcggagg cgccggtgcc cgccgcgccc gtgtgccctg ccgggccgtg accggacagg       900
169      accaattcct tcgccttgcg gaactcctcg tccgtgatgg caccccggtc tcggatctcg       960
170      gagagccggg ccagctcgtc gacgctgctg gacccgccgc ccacggtctt cctgatgtag      1020
171      gcgtcgaact cctcctgctg agcccgtgcc cgcgttgtct cccggctgcc catgttcttg      1080
172      ccgcgagcga tcacgtagac gaaaacgccc aggaagggca ggaggatgca gaacaccaac      1140
173      cagccggcct tcgcccagcc actcagtccg tcgtcccgga agatgtcggt gacgacgcgg      1200
174      aagagcagga cgaaccacat gatccacagg aagatcatca gcatcgtcca gaaggcaccc      1260
175      agcagtgggt agtcgtacgc caggtaggtc tgtgcactca tgtccgtcct ccgtcctccg      1320
176      gggcgcggcc cggcggccct cgttccgtac tgacatcagg gtggtcacgg gtcccaccgg      1380
177      tcggcatcac ccggcacggg tgagtggggc gccgaggccg tcgtggtcag gcccgggaca      1440
178      ccggtgtgac cctggtggaa ggacgcgtcc cgtggggcac gcaccgccgg ccgagggcga      1500
179      ccaccgcctc ggtcagtccg agcaggccca gccacaggcc gagaagtcgg gtcagggcac      1560
180      gggccgactc ggcgggcagc gcgaggacga cgattccggc gacgtcgacg gccagcgggt      1620
181      tgcgcaggcc cagcactccg gccggggcgc ccggcaccag cgtggcgagg gccgatgcca      1680
182      tgagccaggt ccaggaaccc ccaagcctgg cgaggacgtg cgccggatcg ctcaatgctc      1740
183      cggtgaccgc cccgcccgac ccgtctccct tgtcggcagg ttccgccgca tcacgcggaa      1800
184      cggagatggc tcccctgtgg atcgggcggc cgctgcgggg ccgcccggtt ggtcggtcgg      1860
185      tgagcgccgg actccccctt cagctcttcc agggtcgggg tcgacaccga ggtcctggat      1920
186      cacccgtcag gggtgatccg ggcatgccgt cgtggcggtg aggtgggata cgggaacgat      1980
187      cggcccacgg gggaccggac gagacgaaga gacgtgagat gagcgatacg aactcgggcg      2040
188      gcgggcgcca ggccgcttcc ggaccggccc cacgtggccg actccctttc cgccggcgcg      2100
189      tggccctggt cgctgtcgca cgtcccctga tcgtcacggt cggtctcgtc accgcctact      2160
190      acctgcttcc cctggacgag agactcagcg ccggcaccct ggtgtcgctg gtgtgcggac      2220
191      tgctcgcagt ccttctggtg ttctgctggg aggtgcgggc catcacgcgc tccccgcatc      2280
192      cgcgtctgag agcgatcgag ggcctggccg ccacgctggt gctgttcctg gtcctcttcg      2340
193      ccggctccta ctacctgctg ggtcgctccg cgcccggctc cttcagcgag ccgctgaaca      2400
194      ggacggacgc gctgtacttc actctgacca cgttcgccac cgtcggcttc ggggacatca      2460
195      ccgcacgctc cgagaccggg cggatcctca cgatggcgca gatgacggga gggctactgc      2520
196      tcgtcggagt cgccgcccgg gtgctggcga gcgcagtgca ggcggggctg caccgacagg      2580
197      gccggggacc ggcggcatcg ccacgctccg gtgctgcgga ggagccggag gccggaccat      2640
198      gaccgtaccc ggtggcttca ccgcctccct gccgccggcc gagcgagccg cgtacggcag      2700
199      gaaggcccgt aaaagggcct cacgttcgtg ccacggctgg tacgagccgg ggcagcggcg      2760
200      gcctgacccc gtcgacctgc tggagcgcca gtccggcgag cgtgtcccgg cactcgtgcc      2820
201      catccgctac ggtcgcatgc tggagtcgcc gttccgcttc taccgcggtg cggcagcgat      2880
202      catggcggcg gacctggcac ccctgcccag cagcggactc caggtgcaat tgtgcgggga      2940
203      cgcgcacccg ttgaacttcc ggctcctggc ctcaccggag cgccggctgg tcttcgacat      3000
204      caacgacttc gacgagacgc tgcccggccc cttcgagtgg gacgtcaaac ggctggcggc      3060
205      cggattcgtg atcgcggccc ggtcgaacgg cttctcgtcc aaggaacaga accgcaccgt      3120
206      tcgggcctgt gtgcgggcct accgggagcg catgagggag ttcgccgtca tgccgaccct      3180
207      ggacatctgg tacgcccagg acgacgccga ccacgtacgg caactgctgg ctacggaggc      3240
208      cagaggagaa gctgagcagc ggctcaggga cgcggctgcg aaggcccgca cacgcaccca      3300
209      catgagggcg ttcgcgaagc tcacccgcgt cacggccgag ggccggcgca tcacccccga      3360
210      cccgccgctg atcaccccac tcggcgatct gctcaccgac ccggccgaag ccggccggga      3420
211      ggaggaactg cggtccgtcg tgaacggcta cgcacggtcc ctgccgcccg agcgccggca      3480
212      cctgctgcgt cactaccggc ttgtggacat ggcgcgcaag gtggtcggcg tcggcagtgt      3540
213      cggcacccgc tgctgggtac tgcttctgct cggcagggac gacgacgatc ctctgctgct      3600
214      ccaggccaag gaagcctcgg aatcggtgct ggcggcccac acgggcggcg aacgctacga      3660
215      ccatcagggc cgcagggtcg tggccggcca gcgtctgatc cagaccaccg gtgacatctt      3720
216      tctcggctgg gcgcgcgtca ccggcttcga cggaaaggcc cgggacttct acgtgcgtca      3780
217      actgtgggac tggaagggcg tcgcgcggcc ggaaaccatg gggcccgacc tgctctccct      3840
218      cttcgcccgg ctgtgcggtg cctgcctggc gagggcccac gcccgttccg gtgaccccgt      3900
219      cgcgctcgcc gcgtacctgg gcggcagcga ccgcttcgac ggcgcgctca ccgagttcgc      3960
220      ccagtcctac gccgatcaga atgaacgcga ccacgaagct ctgctggcgg cctgccgctc      4020
221      cggcagggtc acggccgccc gtttgtgagg ccgacccggg aacggccggc gggctggcac      4080
222      acaccgccgc cggtcggcgt cattccggaa gctgccgcat ctccaggacg cgcaggccca      4140
223      gcgactggca gcgggtgagc aacccgtaca gatgggcctc gtcgatcacc gtgccgaaca      4200
224      gcacggtctg gccggacatg acgacgtgct ccagctccgg gaacgcgttg gccagcgtcc      4260
225      gtgacaggtg tccctcgacg cggatctcgt agcgcacgag cggtcctttc accgtaggag      4320
226      ctcgggacac cgcccggggc tccgggtcgg acggtgctct tggtgacgag cctgcgcctc      4380
227      gtcgccctcc ggtgccctca cccagcacag gtgactccaa ccgcagtgtc agtgcctttc      4440
228      agtgcgtcac tgtgatcttg acgacgacga tcaccaggcc gagcagtacg ttgaccgtcg      4500
229      cggtgacggc caccagtcgt cgcgaggcgc ccgcgcggtg cgccgcggcg acggaccagc      4560
230      ccacctgacc ggcgacggcg acggacagcg ccagccacag ggtgcccggg acgtccagcc      4620
231      ccagtacggg gctgacggcg atggccgcgg ccggaggcac ggcggccttg acgatcggcc      4680
232      actcctcgcg gcacacacgc agaatcaccc gccggtccgg agtgtgccgc gcgagacgcg      4740
233      ctccgaacag ttcggcgtgg acgtgagcga tccagaacac caagctggtg agcaacagca      4800
234      gaagaaccag ttcggcgcgg gggaacgagc ccagggtgcc ggcgccgatc acgacggagg      4860
235      ctgcgagcat                                                             4870