幕雪

国家生物信息中心是什么、为什么、哪里、多少、如何、怎么

围绕【国家生物信息中心】这一主题，可以引申出许多具体而实用的问题。这里的“国家生物信息中心”通常指的是美国国立卫生研究院（NIH）下属的国家生物技术信息中心（National Center for Biotechnology Information, 简称 NCBI），它是全球生物医学和基因组学领域最重要的公共资源之一。以下将围绕一系列问题展开，深入探讨 NCBI 的具体情况。

是什么？ (What is it?)

国家生物技术信息中心 (NCBI) 究竟是什么？

NCBI 是美国国立卫生研究院 (NIH) 下属的国家医学图书馆 (National Library of Medicine, NLM) 的一个部门。它并非一个实体实验室进行 Wet Lab 生物实验，而是一个专注于生物信息学研究和生物数据管理的机构。

其核心职能是：

  • 构建和维护生物医学和基因组学信息的公共数据库： 这是其最广为人知的功能，提供了海量的核酸序列、蛋白质序列、基因表达数据、基因组变异、医学文献等信息。
  • 开发和提供数据分析工具： 为用户提供用于检索、比较、分析这些数据的软件和在线服务。
  • 进行生物信息学研究： NCBI 内部也有一支研究团队，专注于开发新的算法、工具和数据库，推动生物信息学领域的发展。

简单来说，NCBI 是一个大型的在线生物数据“图书馆”、数据“工厂”和工具“箱”。

NCBI 主要包含哪些具体内容？

NCBI 整合了数十个不同的数据库和软件工具。一些最常用的包括：

  • 数据库：
    • GenBank: 全球最主要的公开核酸序列数据库。包含从各种生物体获得的 DNA 和 RNA 序列数据。
    • RefSeq (Reference Sequence): NCBI 精心策劃、非冗余的参考序列数据库，为基因、转录本和蛋白质提供稳定的标准序列。
    • PubMed: 生物医学领域的文献摘要和索引数据库，包含大量的科学期刊文章信息。
    • PubMed Central (PMC): 提供生物医学和生命科学期刊的全文免费获取平台。
    • Protein: 蛋白质序列数据库，包含来自 GenBank、RefSeq 以及其他来源的蛋白质序列。
    • GEO (Gene Expression Omnibus): 高通量基因表达和功能基因组学数据存储库，如微阵列和测序数据。
    • dbSNP (The Single Nucleotide Polymorphism Database): 收录物种内常见和多样的基因组变异，主要是单核苷酸多态性 (SNP)。
    • Gene: 整合了基因相关的各种信息，如基因定位、结构、功能、通路、与疾病的关系等。
    • OMIM (Online Mendelian Inheritance in Man): 关于人类基因和遗传疾病的综合数据库，由约翰霍普金斯大学维护，NCBI 提供链接和整合。
  • 工具：
    • BLAST (Basic Local Alignment Search Tool): 用于快速比对核酸或蛋白质序列，查找与查询序列相似的已知序列。这是生物信息学中最常用的工具之一。
    • Entrez: NCBI 的集成检索系统，允许用户通过关键词、登录号等在 NCBI 的多个数据库中进行搜索和导航。
    • Primer-BLAST: 结合引物设计工具和 BLAST 功能，帮助设计特异性引物并检查其可能结合的其他位点。
    • BLAT (BLAST-like Alignment Tool): 类似于 BLAST，但在基因组序列比对方面通常更快，由 UCSC 开发，NCBI 有集成或链接。
    • Genome Data Viewer (GDV): 用于可视化和浏览基因组序列、基因注释和变异等信息。

这只是其中的一部分，NCBI 的资源列表非常庞大且持续更新。

为什么？ (Why?)

为什么需要 NCBI 这样的国家级生物信息中心？

随着高通量测序等技术的发展，全球产生的生物学数据呈指数级增长。这些数据分散在世界各地的实验室，如果没有一个集中、标准化的平台来收集、存储、管理和分发，这些宝贵的数据将难以被有效地利用。

NCBI 的存在解决了以下关键问题：

  • 数据共享和可访问性： 提供一个公共平台，确保全球科学家都可以免费获取和利用已发布的生物数据，避免数据孤岛。
  • 数据标准化： 制定并推广生物数据的格式和提交标准，使得不同来源的数据能够互相兼容和比较。
  • 促进数据分析和发现： 提供强大的检索和分析工具，帮助科研人员从海量数据中提取有用的信息，加速科学发现。
  • 支持跨学科研究： 将基因序列、蛋白质、文献、疾病信息等多种类型的数据关联起来，促进跨学科研究和整合分析。
  • 可重复性和透明度： 作为公开的数据来源，使得科学研究的结果更容易被验证和重复。

简而言之，NCBI 是现代生命科学和生物医学研究的基础设施，是实现数据驱动科学发现不可或缺的一部分。

使用 NCBI 的资源有什么好处？

对于科研人员、临床医生、学生、甚至普通公众，使用 NCBI 的资源带来诸多好处：

  • 免费获取海量数据： 无需支付费用即可访问全球最全面的公共生物数据库。
  • 强大的检索功能： 通过 Entrez 系统快速找到所需的数据或文献。
  • 高效的数据分析： 利用 BLAST 等工具进行序列比对、相似性搜索，快速获得结果。
  • 整合的信息： 将序列、结构、功能、文献等多种信息关联起来，提供全面的视角。
  • 支持研究设计： 例如使用 Primer-BLAST 设计实验引物，或利用基因组浏览器查看目标基因信息。
  • 学习和教学资源： 是学习生物信息学和了解最新研究进展的重要平台。

例如，一位研究人员发现了一个新的基因序列，他可以使用 BLAST 工具在 NCBI 的数据库中搜索是否有已知的相似序列，从而推测该基因的功能或与其他物种的同源关系；或者在 PubMed 中搜索关于该基因的已有研究文献。

哪里？ (Where?)

NCBI 的物理位置在哪里？

NCBI 的总部位于美国马里兰州贝塞斯达 (Bethesda, Maryland)，它是美国国立卫生研究院 (NIH) 主园区的一部分。

如何在线访问 NCBI 的资源？

NCBI 的所有公共数据库、工具和信息都通过其官方网站免费在线提供。

官方网址是：https://www.ncbi.nlm.nih.gov/

用户只需有互联网连接，即可通过浏览器访问该网站并使用其提供的各项服务。

多少？ (How much/many?)

NCBI 包含了“多少”数据库和工具？

NCBI 维护着庞大的数据库集合，具体数量很难给出一个固定数字，因为它一直在变化和扩展。粗略估计，其主要数据库和工具的总数在数十个到上百个之间。更重要的是，这些数据库之间通过 Entrez 系统相互关联，形成一个巨大的信息网络。

NCBI 存储了“多少”数据？

NCBI 存储的数据量是惊人的，而且正以指数级的速度增长。这包括：

  • 核酸序列： GenBank 中的序列条目数已达数万亿碱基对，且每隔大约 1-2 年数据量就会翻一番。
  • 蛋白质序列： Protein 数据库包含数百万甚至数千万条蛋白质序列。
  • 文献信息： PubMed 包含数千万条生物医学文献摘要。
  • 高通量数据： GEO 等数据库存储了大量的基因表达、基因组变异等高通量实验原始数据和处理后的结果，其体积非常庞大。

总的数据量以 PB (Petabyte, 千万亿字节) 为单位计算，并且随着测序成本的下降和研究产出的增加，这个数字还在持续攀升。

使用 NCBI 的公共资源需要“多少”费用？

NCBI 的核心公共数据库和在线分析工具是完全免费向全球所有用户开放的。无论是个人、学术机构、非营利组织还是商业公司，都可以免费访问和使用这些资源。

NCBI 的运营资金主要来源于美国政府的公共财政拨款，这确保了其作为公共科学基础设施的开放性和可访问性。

如何/怎么？ (How?)

如何访问 NCBI 的特定数据库或工具？

访问 NCBI 资源的通常流程是通过其官方网站：

  1. 打开浏览器，访问 https://www.ncbi.nlm.nih.gov/。
  2. 页面通常有一个醒目的搜索框，这就是 Entrez 系统的入口。你可以选择在所有数据库中搜索，或者从下拉菜单中选择特定的数据库（如 PubMed, Gene, Nucleotide 等）进行搜索。
  3. 输入你的查询关键词（如基因名、疾病名、作者名、物种名、登录号等），点击搜索。
  4. Entrez 会显示搜索结果，并按数据库分类。你可以点击进入感兴趣的数据库结果页面，查看详细信息。
  5. 如果你想使用特定的工具（如 BLAST），可以在网站首页或通过导航菜单找到“Tools”或“Resources”链接，然后选择相应的工具进入其页面。

例如，要查找人类 p53 基因的序列，你可以在搜索框输入 “human p53″，选择数据库为 “Gene” 或 “Nucleotide”，然后点击搜索。搜索结果会包含 p53 基因在 Gene 数据库中的条目，以及 GenBank 中的核酸序列条目，你可以点击相应的链接查看详细信息。

如何使用 NCBI 的核心工具，例如 BLAST？

使用 BLAST 进行序列比对通常涉及以下步骤：

  1. 访问 BLAST 的网页 (通常是 https://blast.ncbi.nlm.nih.gov/Blast.cgi)。
  2. 选择合适的 BLAST 类型：例如 nucleotide blast (核酸序列比对核酸库)、protein blast (蛋白质序列比对蛋白质库)、blastx (核酸序列比对蛋白质库，翻译核酸序列)、tblastn (蛋白质序列比对核酸库，翻译核酸库)。
  3. 将你的查询序列粘贴到输入框中，或者上传一个包含序列的文件。
  4. 选择要比对的数据库：例如，对于核酸，可以选择 nt (所有核酸库)、refseq_rna (RefSeq 转录本) 等；对于蛋白质，可以选择 nr (所有非冗余蛋白质库)、refseq_protein (RefSeq 蛋白) 等。
  5. 可以选择限制比对的物种 (Optional)。
  6. 点击 “BLAST” 按钮提交任务。
  7. 等待计算完成。结果页面会显示与你的查询序列相似的序列列表，包括它们的登录号、来源物种、相似性得分 (Score)、E-value (表示相似度是由于偶然的概率)、以及序列比对的详细情况。

通过分析 E-value 和 Score，用户可以判断比对结果的可信度，并进一步查看相似序列的详细信息。

数据是如何提交到 NCBI 的数据库的？

NCBI 接收来自全球科研人员和机构的数据提交。提交过程通常通过特定的在线工具或软件进行：

  • 核酸序列 (GenBank): 主要通过 BankIt (在线工具) 或 Sequin (桌面软件) 进行提交。提交者需要提供序列数据、相关的生物学信息（如物种、基因名、功能）、发表文献的引用等。
  • 高通量测序数据 (SRA, Sequence Read Archive) 和基因表达数据 (GEO): 有专门的提交门户和工具，如 GEOSubmission。需要提交原始测序数据文件或表达谱矩阵，以及实验设计、样本信息等元数据。
  • 基因组组装结果: 通常通过 GenBank 或专门的基因组提交管道进行。
  • 临床相关的基因组变异数据 (ClinVar): 有专门的提交工具和流程，供实验室、临床中心等提交与疾病相关的变异信息。

提交的数据在被正式加入数据库之前，通常会经过 NCBI 的工作人员进行初步的格式和内容检查。

NCBI 如何确保其数据质量？

NCBI 采取多种策略来确保其数据库的数据质量和一致性：

  • 提交时的检查： 对接收到的数据进行格式、语法、完整性和一致性自动化检查。
  • 人工审校： 对于某些关键数据（如 RefSeq），NCBI 的策劃人员会进行更深入的人工审校和注释。
  • 数据关联和交叉引用： 通过唯一的登录号将序列数据与文献、基因、蛋白质、结构等信息关联起来，形成一个互联的网络。这种关联性有助于发现和纠正不一致或错误的信息。
  • 版本控制和更新： 对数据进行版本管理，记录数据的修改历史。数据库也会定期更新，整合新的信息和修正错误。
  • 用户反馈机制： 用户在使用过程中如果发现数据错误或问题，可以通过报告机制向 NCBI 反馈，NCBI 会进行调查和修正。
  • 维护高质量的参考数据： 例如 RefSeq 数据库，NCBI 投入大量精力进行策劃，提供高质量的参考序列。

尽管数据量巨大，难以做到百分之百完美，但 NCBI 通过上述多重机制努力维护数据的准确性和可靠性。

如果在使用 NCBI 资源时遇到问题，如何获得帮助？

NCBI 为用户提供了多种获取帮助的途径：

  • 在线帮助文档和教程： NCBI 网站提供非常详细的帮助文档、用户手册和针对特定工具或数据库的教程，涵盖了从基本搜索到高级分析的各种操作指南。这些文档通常是查找信息的第一步。
  • 常见问题解答 (FAQ)： 网站上有一个广泛的 FAQ 部分，解答用户常遇到的问题。
  • 联系技术支持： 如果通过文档无法解决问题，用户可以通过官方网站上提供的联系方式（通常是邮件或在线表格）联系 NCBI 的技术支持团队。描述清楚遇到的问题、使用的工具或数据库、查询词或序列等细节，有助于他们更准确地提供帮助。
  • 网络研讨会和课程： NCBI 定期举办免费的网络研讨会或提供在线课程，介绍其资源的使用方法和新功能。

利用这些资源，绝大多数用户在使用 NCBI 时遇到的问题都可以得到解决。

国家生物信息中心