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 mediante 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 bioinformáticos. 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 online a través del buscador de 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 tenía la responsabilidad de poner a disposición la base de datos de secuencias de ADN GenBank desde 1992. [4] GenBank 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, NCBI ha crecido hasta ofrecer otras bases de datos además de GenBank. NCBI proporciona la base de datos de genes, la herencia mendeliana en línea en el hombre , 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 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 similitudes de secuencias. BLAST puede realizar comparaciones de secuencias con la base de datos de ADN de GenBank en menos de 15 segundos.
NCBI Bookshelf [6] es una colección de versiones en línea descargables y de libre acceso de libros biomédicos seleccionados. The Bookshelf cubre una amplia gama de temas que incluyen 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 anteriormente, mientras que otros, como Coffee Break , están escritos y editados por el personal del NCBI. Bookshelf es un complemento al repositorio Entrez PubMed de resúmenes de publicaciones revisadas por pares en el sentido de que los contenidos de Bookshelf brindan perspectivas establecidas sobre áreas de estudio en evolución y un contexto en el que se pueden organizar muchas piezas individuales dispares de investigaciones reportadas. [ cita necesaria ]
BLAST es un algoritmo utilizado para calcular la similitud de secuencia entre secuencias biológicas, como secuencias de nucleótidos de ADN y secuencias de aminoácidos de proteínas. [7] BLAST es una poderosa herramienta para encontrar secuencias similares a la secuencia de consulta dentro del mismo organismo o en diferentes organismos. Busca la secuencia de consultas en las bases de datos y servidores del NCBI y publica los resultados en el navegador de la persona en el formato elegido. Las secuencias de entrada al BLAST están en su mayoría en formato FASTA o GenBank, mientras que la salida se puede entregar 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 aciertos encontrados, una tabla con identificadores de secuencia para los aciertos que tienen datos relacionados con la puntuación, junto con las alineaciones para la secuencia de interés y los aciertos recibidos con puntuaciones BLAST análogas para estos. [8]
El sistema de búsqueda entre bases de datos 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 a la vez un sistema de indexación y recuperación que tiene datos de diversas fuentes para la investigación biomédica. 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, PIR, PRF, PDB traducidos y resúmenes y citas asociados de PubMed. Entrez está especialmente diseñado para integrar 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. Sirve como un nodo importante en el nexo del mapa genómico, la expresión, la secuencia, la función de la proteína, la estructura y los datos de homología. Se asigna un GeneID único a cada registro genético que se puede seguir a través de ciclos de revisión. Aquí se establecen registros genéticos para genes conocidos o predichos y están delimitados por posiciones en el mapa o secuencias de nucleótidos. Gene tiene varias ventajas sobre su predecesor, LocusLink, incluida una mejor integración con otras bases de datos en NCBI, un alcance taxonómico más amplio y opciones mejoradas de 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 del NCBI. La proteína proporciona 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 calculada por BLAST. La base de datos de estructura de NCBI contiene conjuntos de coordenadas 3D para estructuras determinadas experimentalmente en PDB que importa 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 cuenta con registros de recursos externos como SMART y Pfam . Existe otra base de datos de proteínas conocida como base de datos de Protein Clusters, que contiene conjuntos de secuencias de proteínas que se agrupan 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 frente a ensayos biológicos. PubChem se puede buscar y acceder a través del sistema de recuperación de información Entrez . [13]