随着测序成本不断下降和分析方法不断成熟,近些年越来越多物种的全基因组测序被完成,其中也包括多个棉花基因组。具体有二倍体亚洲棉基因组、两个二倍体雷蒙德氏棉基因组和异源四倍体陆地棉基因组,而异源四倍体海岛棉全基因组De novo测序同样在进行当中,海岛棉基因组具有重复序列多、亚基因组序列间相似性高等特点。纵观已发表的各基因组数据,全基因组De novo测序流程围绕数据流可以分为四个阶段,即产生数据、处理分析数据、解释数据和分享展示数据。处理分析数据具体又包括基因组组装、染色体重构、重复序列注释、基因预测及注释、基因家族分析、基因表达分析、进化分析等。在已完成重复序列注释的基础上针对复杂海岛棉基因组展开基因预测及注释工作是后续一系列分析的基础。本文中采用了仅基于序列特征的ab initio基因预测方法、基于近缘物种同源蛋白质比对的预测方法以及基于基因表达证据的预测方法,再利用EVidence Modeler（EVM）对上述三种方法的预测结果进行整合,并结合过滤、人工矫正方法以及基因模型更新,最终得到80,876个蛋白质编码基因和109,918条转录本,总序列长度为263.28Mbp（占基因组总长度10.26%）。本文进一步将所预测的海岛棉基因组所有蛋白质序列与模式植物拟南芥、公共蛋白质数据库Swiss Prot和Tr EMBL进行比对,并对蛋白质序列进行了保守结构域、GO数据库、KEGG代谢通路等注释,最终得到约95.7%的蛋白质至少能被一个公共数据库所注释。另一方面,几乎所有全基因组De novo测序项目发布相关研究成果的同时通常会发布基因组数据库以便使基因组数据得到广泛的使用,综合比较现有各棉花基因组资源数据库发现存在数据存储过于分散、没有考虑基因组间联系等缺点,本研究收集现有各棉花基因组相关数据进行处理并按照软件工程方法通过网页编程构建棉花基因组资源数据库（Cotton Genome Resource Database,CGRD）。CGRD具有涵盖数据广、对基因组元素进行细化分解、包括基因表达模式查询、涵盖基因组间信息（基因家族、基因共线性、基因组共线性等）、具有代谢通路展示功能、丰富的基因组数据浏览功能（GBrowse、JBrowse）等特点。与此同时,本文描述的CGRD构建方法及过程为其它物种进行基因组数据库尤其是多个基因组数据库的构建提供一定指导。CGRD可以通过http://cgrd.tgir.org/网址访问。