药物生物信息学常用数据库
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
The Data Extractor is a high level data search engine which allows users to construct complex or constrained queries and to select or display search results from the DrugBank databases. To use the Data Extractor, select the fields you want to search on the left and enter your query. You can select to view the results in HTML, a printable list, or CSV (which you can open in Microsoft Excel).
You can also search using "wild cards" by inserting a "*" in your search term. For example, searching for "acet*" will match all words starting with "acet". In addition, text search supports parenthetical groupings, and prepended +plus and minus operators.
药物生物信息学常用数据库 ——Drug Bank
药物基因组信息学教研室 刘磊
生物信息科学与技术学院
DrugBank is a richly annotated database of drug and drug target information.
生物信息科学与技术学院
网址： http://www.drugbank.ca
生物信息科学与技术学院
The database contains 6796 drug entries including 1437 FDA-approved small molecule drugs, 134 FDA-approved biotech (protein/peptide) drugs, 83 nutraceuticals营养 制品 and 5174 experimental drugs. Additionally, 4285 non-redundant冗余的 protein (i.e. drug target/enzyme/transporter /carrier) sequences are linked to these drug entries.
DrugBank text search supports boolean logic (AND, OR, NOT operations).
To match a string exactly, place quotes around your search term (for example "acetic acid" will only match the acetic followed by acid, it will not match acetic or acid alone).生物信息科学与技术学院生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
The DrugBank database is a unique bioinformatics and cheminformatics resource that combines detailed drug (i.e. chemical, pharmacological药理学的 and pharmaceutical药剂学的) data with comprehensive drug target (i.e. sequence, structure, and pathway) information.
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
DrugBank supports advanced Google-style searching using a powerful search engine based on the Lucene query language.
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
生物信息科学与技术学院
肿瘤生物信息学相关数据库
肿瘤生物信息学相关数据库以下数据库按照综合性肿瘤数据库、肿瘤基因组数据库、肿瘤转录组数据库进行分类：综合性肿瘤数据库TCGA（）即是综合性肿瘤数据库，关注与癌症的发生和发展相关的分子突变图谱。
肿瘤基因组数据库COSMIC网址：COSMIC是世界上最大最全面的有关肿瘤的体细胞突变以及其影响的资源。
主要提供多种肿瘤细胞基因组中的CNA、甲基化、基因融合、SNP及基因表达信息等。
主页面分为项目、数据管理、工具、帮助、搜索框等几大块，简洁清晰。
cBioPortal网址：cBioPortal网站整合了126个肿瘤基因组研究的数据，包括TCGA 和ICGC等大型的肿瘤研究项目，涵盖了两万八千例标本的数据，此外部分样品还包括了临床预后等表型的信息。
cBioPortal无需注册就能直接使用，而且提供一些小工具方便用户生成文章级别的图表，非常贴近用户的需求。
UCSC Cancer Genomics Browser网址：UCSC Cancer Genomics Browser是一个整合、可视化、分析癌症基因组学和临床数据的网络分析工具。
该平台目前共有355个数据集，包括了来自71870例样本的全基因组数据。
用户可以通过它浏览基因组的任何一部分，并且同时可以得到与该部分有关的基因组注释信息，如已知基因、预测基因、表达序列标签、mRNA、CpG岛，克隆组装间隙和重叠、染色体带型、小鼠同源性等。
ArrayMap网址：ArrayMap是由苏黎世大学分子生命科学研究所构建的，提供预处理过的肿瘤基因组芯片数据以及CNA 图谱。
arrayMap数据库为高分辨率致癌基因组CNA数据的meta分析和系统级数据集成提供了切入点。
用户可通过关键字搜索自己感兴趣的样本或者搜索特定文献中的样本，并在此基础上分析感兴趣的基因或基因组片段上的CNA 。
用户还可以选择两个样本来比较二者的CNA 的差异。
Cancer Hotspots网址：Cancer Hotspots数据库由Memorial Sloan Kettering癌症中心的Kravis分子肿瘤学中心维护，提供大规模癌症基因组学数据中发现的在统计学上有显著复发突变的信息。
kegg数据库
KEGG数据库KEGG数据库作为生物信息学领域中的重要资源，扮演着至关重要的角色。
K—Kyoto，E—Encyclopedia，GG—of Genes and Genomes，即基因和基因组百科全书，是一个集成了基因组、化学物质以及其他生物学信息的数据库资源，为研究者提供了丰富的数据与工具。
本文将介绍KEGG数据库的内容、特点以及在生物信息学研究中的应用。
KEGG数据库的内容KEGG数据库包含了多个相关数据库，主要包括以下几个方面的内容：1.路径通路数据库（Pathway Database）: 提供了多种生物通路的信息，包括代谢通路、信号传导通路等。
通过KEGG Pathway，我们可以探索不同生物过程中的分子相互作用和信号传递机制。
2.基因数据库（Gene Database）: 提供了多种生物种类的基因信息，包括基因序列、功能注释等。
研究者可以通过KEGG Gene寻找感兴趣的基因，并了解其在生物学过程中的功能和调控机制。
3.化学物质数据库（Compound Database）: 包含了大量的化合物信息，如代谢产物、药物等。
通过KEGG Compound，研究者可以了解不同化合物在生物过程中的作用机制和相互关系。
KEGG数据库的特点KEGG数据库具有如下特点：•综合性: KEGG整合了多种生物学数据，涵盖了基因组学、蛋白质组学、代谢组学等多个领域的信息，为研究者提供了全方位的数据支持。
•易用性: KEGG的界面简洁清晰，用户可以通过直观的方式查找和浏览感兴趣的信息，无需专业的生物信息学背景也能够方便地获取数据。
•更新及时: KEGG团队会定期更新数据库内容，保证数据的准确性和完整性，为研究者提供最新的信息资源。
KEGG数据库在生物信息学研究中的应用KEGG数据库在生物信息学研究中有着广泛的应用，主要体现在以下几个方面：•生物途径研究: 研究者可以通过KEGG Pathway数据库探索生物代谢途径、信号传导途径等生物过程的详细机制，为理解疾病发生、药物作用等提供参考。
生物大数据技术在生物信息学研究中的重要数据库介绍
生物大数据技术在生物信息学研究中的重要数据库介绍生物信息学是利用生物学、计算机科学和统计学等多个学科的知识和技术研究生物信息的一门交叉学科。
近年来，随着高通量测序技术和大规模实验方法的发展，大量的生物信息数据积累起来，对于科学家来说，如何有效地管理和分析这些生物信息数据成为一项重要的任务。
生物大数据技术应运而生，成为解决这一问题的重要工具之一。
在生物大数据技术的支持下，科学家们逐渐构建了许多重要的数据库，为生物信息学研究提供了丰富的资源。
本文将介绍一些在生物信息学研究中起重要作用的数据库。
1. 基因组数据库基因组数据库是存储各种生物的基因组序列和相关信息的数据库。
其中，NCBI GenBank和ENSEMBL是两个非常重要的基因组数据库。
NCBI GenBank是一个庞大的公共数据库，存储了全球各种生物的基因组序列和其他关联信息。
ENSEMBL则是一个整合了多个数据库的资源，提供了全面的基因组序列和功能注释信息。
这些基因组数据库不仅为科学家们提供了基因组资源和注释信息，还为进一步的基因功能研究提供了重要的支持。
2. 蛋白质数据库蛋白质数据库是存储蛋白质序列和相关信息的数据库。
UniProt是最为知名和广泛使用的蛋白质数据库之一，它整合了多个已知蛋白质数据库的信息，包含了对蛋白质的功能、结构和相互作用等方面的注释。
此外，PDB是存储蛋白质三维结构信息的重要数据库，为研究蛋白质结构和功能提供了宝贵的资源。
蛋白质数据库的建立和维护为研究人员提供了更准确和全面的蛋白质信息，促进了蛋白质研究的深入开展。
3. 转录组数据库转录组数据库存储了各种生物体在特定条件下的转录组信息，包括基因的表达水平、调控网络和功能注释信息等。
GEO和EBI ArrayExpress是两个重要的转录组数据库。
GEO是一个公共数据库，包含了从全基因组水平到单基因水平的转录组数据，研究人员可以通过GEO访问到大量已发布的转录组数据。
EBI ArrayExpress是一个整合了全球转录组数据的资源，为用户提供了数据访问、分析和比较的功能。
生物信息学数据库或软件
Entrez的网址是：/entrez/。
BankIt的网址是：/BankIt。
Sequin的相关网址是：/Sequin/。
二、搜索生物信息学软件
生物信息学软件的主要功能有：
分析和处理实验数据和公共数据，加快研究进度，缩短科研时间；
提示、指导、替代实验操作，利用对实验数据的分析所得的结论设计下一阶段的实验；寻找、预测新基因及预测其结构、功能；
蛋白高级结构预测。
如：核酸序列分析软件BioEdit、DNAClub等；序列相似性搜索BLAST；多重系列比对软件Clustalx；系统进化树的构建软件Phylip、MEGA等；PCR 引物设计软件Primer premier6.0、oligo6.0等；蛋白质二级、三级结构预测及三维分子浏览工具等等。
数据库网址是：/embl/。
SRS的网址是：/。
WEBIN的网址是：/embl/Submission/webin.html。
DDBJ的网址是：http://www.ddbj.nig.ac.jp/。
蛋白质序列数据库有SWISS-PROT， PIR，OWL， NRL3D， TrEMBL等，
蛋白质片段数据库有PROSITE， BLOCKS，PRINTS等，
三维结构数据库有PDB， NDB，BioMagResBank，CCSD等，
与蛋白质结构有关的数据库还有SCOP， CATH， FSSP， 3D-ALI， DSSP等，
与基因组有关的数据库还有ESTdb，OMIM，GDB， GSDB等，
文献数据库有Medline， Uncover等。
另外一些公司还开发了商业数据库,如MDL等。
生物信息学数据库覆盖面广，分布分散且格式不统一, 因此一些生物计算中心将多个数据库整合在一起提供综合服务，如EBI的SRS(Sequence Retrieval System)包含了核酸序列库、蛋白质序列库，三维结构库等30多个数据库及CLUSTALW、PROSITESEARCH等强有力的搜索工具，用户可以进行多个数据库的多种查询。
生物信息学相关数据库资源介绍
CSNDB - Cell Signaling Networks db
DNA和蛋白质相互作用数据库
DPInteract - DNA-Proteins interactions db
特定基因或蛋白质的数据库
AAA - AAA family of ATPases server Acetylcholinesterases ALDH - Aldehyde dehydrogenase （醛脱氢酶， 醛氧化酶）gene superfamily db Aminoacyl-tRNA synthetases in SWISS-PROT List of aminoacyl-tRNA synthetases in SWISSPROT AARSDB - Aminoacyl-tRNA synthetases db Allergens in SWISS-PROT - Nomenclature and index（命名和索引） of allergens（过敏原） in SWISS-PROT
tmRDB - tmRNA dB
tRNA - tRNA compilation（编辑） from the University of Bayreuth
uRNADB - uRNA db
5）其他核酸数据库
RNA editing - RNA editing site
RNAmod db - RNA modification db
5）其它核酸数据库
PlantCARE - Plant cis-acting regulatory DNA elements db
网络药理学SCI-网络药理学常用数据库介绍
KEGG数据库是手工绘制的KEGG途径图的集合，每 个途径图包含分子相互作用和反应的网络，将基因组中 的基因与通路中的基因产物（主要是蛋白质）连接。
KEGG pathway analysis即为将目的基因定位到 KEGG途径图中的过程。
打开KEGG map网站 https://www.kegg.jp/kegg/tool/map_pathway2.html
GO功能分类注释 /
KEGG注释通路分析
http://www.kegg.jp/kegg/tool/map_pathway2.html
最常用的通路分析是京都基因与基因组百科全书 （Kyoto Encyclopedia of Genes and Genomes， KEGG）。1995年，KEGG数据库项目由京都大学化学 研究所教授Minoru Kanehisa领头启动。
搜索框输入汉字：人参
http://119.3.41.228:8000/tcmid/
点击 herb，搜索框输入ren shen
点击ren shen，结果如下：
TCM-ID .sg/group/TCMsite/Default.aspx
使用韦恩图创建数据集
靶点两个
药物名称 ID号 药物类型
药物结构
所有药理学研究数据
相互作用和参考文献
临床试验数据和药物经济学
药物性质
药物质谱图
06第六章 常用生物信息学数据库简介
英国辛克斯顿
ID U00096 standard; circular genomic DNA; CON; 4639221 BP. AC U00096; SV U00096.1 DT 24-JUL-2003 (Rel. 76, Last updated, Version 3) DE Escherichia coli K-12 MG1655 complete genome. KW . OS Escherichia coli K12 OC Bacteria; Proteobacteria; Gammaproteobacteria; Enterobacteriales; OC Enterobacteriaceae; Escherichia; Escherichia coli. RN [1] RP 1-4639221 RX MEDLINE; 97426617. RX PUBMED; 9278503. RA Blattner F.R., Plunkett G. III, Bloch C.A., Perna N.T., Burland V.,… RT "The complete genome sequence of Escherichia coli K-12"; RL Science 277(5331):1453-1474(1997). DR GOA; O32528. DR REMTREMBL; AAC74436; AAC74436. DR SPTREMBL; O32530; O32530. DR SWISS-PROT; O32528; YPDI_ECOLI. …
EMBL数据库简介
EMBL是最早的DNA序列 数据库，于1982年建立。
EMBL的数据来源主要有两条途径: 一是由序列发现者直接提交。几乎所有的国际权 威生物学刊物都要求作者在文章发表之前将所测定的 序列提交给EMBL、GenBank或DDBJ，得到数据库管 理系统所签发的登录注册号。 二是从生物医学期刊上收录已经发表的序列资料。
医学院常用数据库
医学院常用数据库文摘库：外文文摘库：MEDLINE, EMBASE, BIOSIS Preview, SciFinder, 中文文摘库：CBM, CBA。
全文库：外文全文库：OVID, Springer Link, PML, Blackwell, Elsevier, Wiley, EBSCO。
中文全文库：cqvip, CNKI, 万方循证医学库：Ovid 循证医学数据库药物数据库：Micromedex临床暨医药学数据库学位论文库：外文PQDD, 中文万方博硕论文库综合性数据库：Web of Knowledge评价：本讲座从实用的角度，着重讲解了医学常用的数据库，包括数据库的收录学科范围，期刊数目，收录年份，核心期刊比例等。
特别值得推荐的是，每种类型的数据库都有一个小结，用表格对比了不同数据库的收录年份，期刊数等重要指标。
看了这个讲座，您对医学文献检索会有一个整体的认识，文献检索的千里之行，将由此展开。
常用的医学数据库按照内容揭示程度分为：文摘数据库电子全文数据库引文数据库事实型数据库2.1.1 中文文摘数据库CBMdisc收录年限比CMCC要长，收录的期刊范围更广，而且有规范的主题词标引，是文献查新的主要中文检索工具。
主要缺点是时滞长，一般在3~4月。
相比而言，CMCC更新快，这一点是突出于CMBdisc的最大优势。
2.1.2 外文文摘数据库比较：MEDLINE偏重于生物医学，EMBASE偏重于生物医学与药理学，在药理上比MEDLINE 收录的更全面。
MEDLINE和EMBASE收录的期刊中，有50%以上是重复的。
BIOSIS Preview 偏重于生物学。
CA偏重于化学。
目前，文摘数据库一般都实现了与全文数据库的全文链接。
如果您的单位订购了这些全文库，那么在文摘数据库中检索到特定的文献后，能直接链接到全文数据库，打开该全文2.1.3 中文全文数据库比较：CNKI是目前国内最好、使用最多的中文全文数据库，CNKI旗下的CHKD面向医学专业，做得比较专业，在国内很多医院购买。
生物信息学_常用数据库介绍_20131204
数据库
• 文献检索 – HighWire Press
• / • HighWire Press是全球最大的提供免费全文的学术文献 出版商，于1995年由美国斯坦福大学图书馆创立。最 初仅出版著名的周刊“Journal of Biological Chemistry”， 目前已收录电子期刊710多种，文章总数已达230多万 篇，其中超过77万篇文章可免费获得全文；这些数据 仍在不断增加。通过该界面还可以检索Medline收录的 4500种期刊中的1200多万篇文章，可看到文摘题录。 • HighWire Press收录的期刊覆盖以下学科：生命科学、 医学、物理学、社会科学
– Cross-references
数据库
• UCSC Genome Bioinformatics – /
– 快速浏览整个基因组 – 整合了大量的基因组注释数据 – 支持数据库检索和序列比对
数据库
• UCSC Genome Bioinformatics – /
同学们的建议
文献检索 具体介绍 • 分子标记技术以及分析方法 • 与蛋白质结构测定相关的最近进展 • 肿瘤和表观遗传相关，新发现的功能基因 • 以后常用的一些搜索软件和搜索方法，比 如NCBI上的all databases都用于干什么， 怎么用geneID去查找基因序列等
数据库
• NCBI (National Center for Biotechnology Information) – / – Claude Pepper, 1988.11.04 • NCBI职能
数据库
• UCSC Genome Bioinformatics – / – 查看特定序列在基因组上的位置 Zoom out 3x
数据库
生物信息学常用数据资源介绍
生物信息学常用数据资源介绍生物信息学是一门将大量数据和信息与生命科学相结合的学科，随着技术的不断发展，越来越多的生物信息学数据资源得到了广泛应用，使得生物信息学研究呈现出爆发式增长的态势。
在接下来的文章中，我将介绍一些常用的生物信息学数据资源。
1. 基因组浏览器基因组浏览器是生物信息学研究中非常常见的一种工具，在基因组浏览器中，用户可以利用多种查询方式快速定位以及查找基因序列、变异位点、基因表达等数据，具体的使用方法可以参考NCBI、UCSC和ENSEMBL等公共数据库。
2. 数据库公共数据库是生物信息学在数据共享和协作方面发挥重要作用的平台之一，NCBI、ENSEMBL、UniProt和GenBank等是生物信息学具有代表性的公共数据库，这些数据库为用户提供了一系列的基因组、转录组、蛋白质、代谢物等多种数据资源，这些数据可以帮助研究者进行基因预测及分析，杂交研究、协同研究等多种生物信息学研究。
3. 软件工具与数据库不同的是，软件工具主要起到数据分析与处理的作用。
对于不同的数据分析任务，不同的软件工具适应程度也不同，因此在生物信息学研究过程中需要不断尝试和探索，比如在转录组分析中，DESeq2和edgeR是非常常用的工具。
4. 人类基因组计划人类基因组计划是一项耗时多年，费用庞大的生命科学研究计划，目的是把人类的基因组解码，并制定新的医学治疗方案等。
在该项目结束后，因为庞大的数据量，成千上万名的研究者可以在其基础上继续开展基因组学研究，这进一步推动了生命科学领域的发展。
5. 元分析数据集随着生物信息学领域的快速发展，元分析数据集作为新工具出现了。
它是由几个相对独立的研究组合而成，旨在研究特定生物过程的数据，比如癌症发病的前因后果，它们包括多个数据来源和测序仪，提供了更全面、多元化的基因数据，为进一步研究确定新的生物标志物和治疗方法提供了更加可靠的基础。
综上，以上我们介绍了一些生物信息学研究中使用频率较高的数据资源，它们共同构成了生物信息学领域的基础设施，在加速科研发展、优化研究流程、减少人力物力成本等方面发挥重要作用，一方面可以帮助科研工作者得到更准确的结果，另一方面又能为更广泛的生命科学研究打开更广的视野。