El Centro Nacional de Información Biotecnológica ( NCBI ) [1] [2] es parte de la Biblioteca Nacional de Medicina de los Estados Unidos (NLM), una rama de los Institutos Nacionales de Salud (NIH). Está aprobado y financiado por el gobierno de los Estados Unidos . El NCBI está ubicado en Bethesda, Maryland , y fue fundado en 1988 a través de una legislación patrocinada por el congresista estadounidense Claude Pepper .
El NCBI alberga una serie de bases de datos relevantes para la biotecnología y la biomedicina y es un recurso importante para herramientas y servicios de bioinformática. Las principales bases de datos incluyen GenBank para secuencias de ADN y PubMed , una base de datos bibliográfica para literatura biomédica. Otras bases de datos incluyen la base de datos NCBI Epigenomics . Todas estas bases de datos están disponibles en línea a través del motor de búsqueda Entrez . El NCBI fue dirigido por David Lipman , [2] uno de los autores originales del programa de alineación de secuencias BLAST [3] y una figura ampliamente respetada en bioinformática .
El NCBI ha sido responsable de poner a disposición la base de datos de secuencias de ADN GenBank desde 1992. [4] GenBank se coordina con laboratorios individuales y otras bases de datos de secuencias, como las del Laboratorio Europeo de Biología Molecular (EMBL) y el Banco de Datos de ADN de Japón (DDBJ). [4]
Desde 1992, el NCBI ha crecido para proporcionar otras bases de datos además de GenBank. El NCBI proporciona la base de datos de genes, Online Mendelian Inheritance in Man , la base de datos de modelado molecular (estructuras de proteínas en 3D), dbSNP (una base de datos de polimorfismos de un solo nucleótido ), la colección de secuencias de referencia, un mapa del genoma humano y un navegador de taxonomía , y se coordina con el Instituto Nacional del Cáncer para proporcionar el Proyecto de Anatomía del Genoma del Cáncer. El NCBI asigna un identificador único (número de identificación de taxonomía) a cada especie de organismo. [5]
El NCBI cuenta con herramientas de software que están disponibles a través de navegadores de Internet o por FTP . Por ejemplo, BLAST es un programa de búsqueda de similitud de secuencias. BLAST puede realizar comparaciones de secuencias con la base de datos de ADN de GenBank en menos de 15 segundos.
El NCBI Bookshelf [6] es una colección de versiones en línea, de libre acceso y descargables de libros biomédicos seleccionados. El Bookshelf cubre una amplia gama de temas, incluyendo biología molecular , bioquímica , biología celular , genética , microbiología , estados patológicos desde un punto de vista molecular y celular, métodos de investigación y virología . Algunos de los libros son versiones en línea de libros publicados previamente, mientras que otros, como Coffee Break , están escritos y editados por el personal del NCBI. El Bookshelf es un complemento del repositorio Entrez PubMed de resúmenes de publicaciones revisadas por pares en el que los contenidos del Bookshelf proporcionan perspectivas establecidas sobre áreas de estudio en evolución y un contexto en el que se pueden organizar muchas piezas individuales dispares de investigación informada. [ cita requerida ]
BLAST es un algoritmo utilizado para calcular la similitud de secuencias entre secuencias biológicas, como las secuencias de nucleótidos del ADN y las secuencias de aminoácidos de las proteínas. [7] BLAST es una herramienta poderosa para encontrar secuencias similares a la secuencia de consulta dentro del mismo organismo o en diferentes organismos. Busca la secuencia de consulta en las bases de datos y servidores del NCBI y envía los resultados al navegador de la persona en el formato elegido. Las secuencias de entrada al BLAST están principalmente en formato FASTA o GenBank, mientras que la salida puede entregarse en una variedad de formatos, como HTML, formato XML y texto sin formato. HTML es el formato de salida predeterminado para la página web del NCBI. Los resultados de NCBI-BLAST se presentan en formato gráfico con todos los resultados encontrados, una tabla con identificadores de secuencia para los resultados que tienen datos relacionados con la puntuación, junto con las alineaciones para la secuencia de interés y los resultados recibidos con puntuaciones BLAST análogas para estos. [8]
El sistema de búsqueda de bases de datos cruzadas Entrez Global Query se utiliza en el NCBI para todas las bases de datos principales, como secuencias de nucleótidos y proteínas, estructuras de proteínas, PubMed, taxonomía, genomas completos, OMIM y muchas otras. [9] Entrez es un sistema de indexación y recuperación que tiene datos de varias fuentes para la investigación biomédica. El NCBI distribuyó la primera versión de Entrez en 1991, compuesta por secuencias de nucleótidos de PDB y GenBank , secuencias de proteínas de SWISS-PROT, GenBank traducido, PIR, PRF, PDB y resúmenes y citas asociados de PubMed. Entrez está especialmente diseñado para integrar los datos de varias fuentes, bases de datos y formatos diferentes en un modelo de información uniforme y un sistema de recuperación que puede recuperar de manera eficiente las referencias, secuencias y estructuras relevantes. [10]
Gene se ha implementado en NCBI para caracterizar y organizar la información sobre genes. Funciona como un nodo principal en el nexo del mapa genómico, la expresión, la secuencia, la función de las proteínas, la estructura y los datos de homología. Se asigna un GeneID único a cada registro genético que puede seguirse a través de ciclos de revisión. Los registros genéticos de genes conocidos o previstos se establecen aquí y se delimitan por posiciones en el mapa o secuencias de nucleótidos. Gene tiene varias ventajas sobre su predecesor, LocusLink, entre ellas, una mejor integración con otras bases de datos en NCBI, un alcance taxonómico más amplio y opciones mejoradas para la consulta y recuperación proporcionadas por el sistema Entrez. [11]
La base de datos de proteínas mantiene el registro de texto de secuencias de proteínas individuales, derivadas de muchos recursos diferentes, como el proyecto NCBI Reference Sequence (RefSeq), GenBank, PDB y UniProtKB/SWISS-Prot. Los registros de proteínas están presentes en diferentes formatos, incluidos FASTA y XML , y están vinculados a otros recursos de NCBI. Protein proporciona los datos relevantes a los usuarios, como genes, secuencias de ADN/ARN, vías biológicas, datos de expresión y variación, y literatura. También proporciona los conjuntos predeterminados de proteínas similares e idénticas para cada secuencia, tal como se calcula mediante BLAST. La base de datos de estructura de NCBI contiene conjuntos de coordenadas 3D para estructuras determinadas experimentalmente en PDB que son importadas por NCBI. La base de datos de dominios conservados ( CDD ) de proteínas contiene perfiles de secuencia que caracterizan dominios altamente conservados dentro de secuencias de proteínas. También tiene registros de recursos externos como SMART y Pfam . Existe otra base de datos de proteínas conocida como base de datos Protein Clusters, que contiene conjuntos de secuencias de proteínas que están agrupadas de acuerdo con las alineaciones máximas entre las secuencias individuales calculadas por BLAST. [12]
La base de datos PubChem del NCBI es un recurso público para moléculas y sus actividades en ensayos biológicos. PubChem se puede buscar y consultar mediante el sistema de recuperación de información Entrez . [13]
Identificación de taxonomía del NCBI (P685) (ver usos )