Est--編碼序列，gene 片段且具有標簽
其中，est數據庫中是類似測序1、測序2、測序3這樣的序列。實驗室測得的序列是cDNA，通過上圖方法拼接，電腦克隆（dbest）。如果有overlap則認為兩個序列來自於同一個gene，overlap的鹼基數目是40（不建議低於30，不建議高於40），過少容易拼接亂，過多對鹼基突變的容忍性差。就一條序列來說，將比對后延長的結果進行二次比對，以此類推，直到不能延長為止。
est數據庫的覆蓋率超過95%。
先利用其他數據庫（eg：引物數據庫、末端數據庫）過濾一遍。即因此在進行Contig電腦組裝之前，需要探測並去除EST數據庫中的污染序列。
拼接質檢方法：Kozak規則，即第一個ATG側翼序列的鹼基分布所滿足的統計規律，若將第一個ATG中的鹼基A，T，G分別標為1，2，3位，則Kozak規則可描述如下：(1)第4位的偏好鹼基為G；(2)ATG的5’端約15bp范圍的側翼序列內不含鹼基T；(3)在-3，-6和-9位置。
挑戰：
嵌合體問題：基因家族內的gene相似度高，電腦克隆的閾值不足以區分，miss之后將兩個不同位置的gene弄混。這需要實驗驗證。嵌合體cDNA是指來源於不同基因的序列，由於偶然因素被組裝在一起形成的Contig。我們構建的神經網絡能探測組裝過程形成的嵌合體。
發現SNP：對於某一個gene出現多個略有差別的序列，着多個序列中可能存在SNP。
利用何種數據庫發現新基因？
基因組序列數據庫和EST數據庫。
發現原理是什么？
基因組序列數據庫是識別，識別編碼序列特征和非編碼序列有何差異，有多種算法。
EST數據庫是拼接，歸屬於同一gene的est拼接在一起，算法比較單一。
使用EST序列裝載gene，可以幫助發現新gene、SNP、可變剪接和發現非編碼RNA。