Centro Nacional de Información Biotecnológica

La Biblioteca Nacional de Medicina de EE. UU. realizó una excursión de planificación entre 1985 y 1986 para desarrollar planes a largo plazo para la agencia, que puso de manifiesto inconsistencias en los esquemas de nomenclatura utilizados y la falta de conexiones entre las bases de datos de conocimiento biotecnológico existentes creadas por diferentes organizaciones que investigan la genética. ^{[ 4 ]} Estas inconsistencias crearon obstáculos para los investigadores que utilizaban múltiples bases de datos en tándem en sus estudios, ya que la información relacionada en diferentes bases de datos era difícil de integrar y dificultaba el uso de información de una base de datos como evidencia para explicar información en otra base de datos. ^{[ 4 ]} Esto llevó a la NLM a proponer la creación del NCBI para liderar la estandarización entre las bases de datos biotecnológicas para promover una recuperación de información más fácil por parte de los usuarios y permitir la interconexión de bases de datos para el estudio. ^{[ 5 ]} La propuesta para el NCBI también buscaba que actuara como repositorio de almacenamiento y centro de distribución de información biotecnológica, así como desarrollador de herramientas de análisis de información. ^{[ 6 ]} El congresista Claude Pepper, defensor de la investigación médica, presentó varios proyectos de ley al Congreso entre 1986 y 1988 proponiendo la creación del NCBI antes de que la propuesta fuera aprobada el 4 de noviembre de 1988, estableciendo el NCBI dentro de la NLM. ^{[ 5 ]}

En 1990, un equipo del NCBI, incluido el matemático Stephen Altschul, desarrolló la herramienta BLAST para comparar secuencias biológicas, basándose en el programa FASTA preexistente . ^{[ 6 ]} El NCBI también asumió la responsabilidad de la base de datos preexistente GenBank de secuencias de ADN y aminoácidos, permitiendo inicialmente el acceso a Internet a través de correo electrónico en 1992. ^{[ 7 ]} En 1994, el NCBI estableció un sitio web para facilitar el acceso en línea a sus servicios, a saber, la herramienta BLAST, la base de datos GenBank y el sistema de recuperación Entrez para buscar en bases de datos biomédicas. ^{[ 6 ]} Posteriormente, en el año 2000, el NCBI pasó a alojar el acceso al genoma humano, mapeado por el Proyecto Genoma Humano , así como PubMed Central, un archivo en línea gratuito de literatura biomédica de revistas científicas. ^{[ 6 ]} El Congreso de los Estados Unidos ordenó posteriormente en 2008 que los artículos resultantes de investigaciones proporcionadas por fondos de los NIH que aparecieran en revistas científicas se pusieran a disposición del público en PubMed dentro de los 12 meses posteriores a su publicación, ampliando aún más los artículos alojados. ^{[ 6 ]}

• PubMed : Una base de datos para buscar citas y resúmenes de diversa literatura de investigación biomédica.
• Estantería : Una colección de libros sobre ciencias de la vida y atención médica.
• PubMed Central (PMC): Un archivo gratuito de texto completo de literatura científica de revistas biomédicas y de ciencias de la vida que puede utilizarse para investigación, publicación y minería de texto.

• BLAST : Una herramienta utilizada para encontrar similitudes entre secuencias biológicas.

• Base de datos de nucleótidos : Una base de datos de secuencias de nucleótidos .
• Base de datos de proteínas : Una base de datos de secuencias de proteínas .
• Base de datos genómica : Una base de datos que te da acceso a más de 3,45 millones de genomas a partir de 2026.
• Base de datos genética : Una base de datos que contiene información sobre genes de diferentes especies.
• dbSNP : Una base de datos que contiene variaciones de un solo nucleótido, microsatélites, inserciones a pequeña escala y deleciones humanas.
• PubChem : Una base de datos de información química de acceso libre.
• Archivo de lectura de secuencias : El SRA almacena datos de secuenciación de la próxima generación de plataformas de secuenciación, incluyendo el sistema Roche 454 GS, el analizador genómico Illumina, el sistema SOLiD de Life Technologies AB, el Heliscope de Helicos Biosciences, Complete Genomics y el SMRT de Pacific Biosciences.
• ClinVar : Una base de datos que recopila información sobre variaciones genómicas y su relación con la salud humana.

Puede encontrar una lista completa de los recursos disponibles en la página Todos los recursos. ^{[ 8 ]}

Existen varios programas BLAST disponibles en la página principal de NCBI BLAST , que difieren en los tipos de secuencias que analizan. La imagen a continuación muestra uno de estos programas, blastp, con la interfaz general.

Estos programas incluyen:

• blastn : Compara secuencias de nucleótidos con secuencias de nucleótidos en una base de datos seleccionada; se utiliza a menudo para identificar relaciones más distantes.
• blastp : Compara secuencias de proteínas con secuencias de proteínas en una base de datos seleccionada; su algoritmo constituye la base de otros programas BLAST como blastx y tblastn.
• blastx : Compara secuencias de nucleótidos traducidas con secuencias de proteínas en una base de datos seleccionada.
• tblastn : Compara secuencias de proteínas con secuencias de nucleótidos traducidas en una base de datos seleccionada.

GenBank es la base de datos de secuencias genéticas de los NIH, una colección anotada de todas las secuencias de ADN disponibles públicamente. ^{[ 8 ]} Los recursos de la base de datos han sido mantenidos por el NCBI desde 1992, cuando la organización tuvo la responsabilidad de poner a disposición la base de datos de secuencias de ADN GenBank . ^{[ 14 ]} 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). ^{[ 14 ]} Desde 1992, el NCBI ha crecido para proporcionar otras bases de datos además de GenBank.

La base de datos Gene es una colección de información organizada y caracterizada sobre genes. Sirve como un nodo principal en la interconexión del mapa genómico, la expresión, la secuencia, la función proteica, la estructura y los datos de homología. A cada registro de gen se le asigna un GeneID único que puede seguirse a través de los ciclos de revisión. Aquí se establecen los registros de genes conocidos o predichos, delimitados por posiciones en el mapa o secuencias de nucleótidos. Gene presenta varias ventajas sobre su predecesor, LocusLink, incluyendo una mejor integración con otras bases de datos del NCBI, un alcance taxonómico más amplio y opciones mejoradas de consulta y recuperación proporcionadas por el sistema Entrez. ^{[ 15 ]}

La base de datos Protein es una colección de registros de texto para 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 Protein están presentes en diferentes formatos, incluidos FASTA y XML , y están vinculados a otros recursos de NCBI. Protein proporciona a los usuarios datos relevantes como genes, secuencias de ADN/ARN, vías biológicas, datos de expresión y variación, y literatura. También proporciona conjuntos predeterminados de proteínas similares e idénticas para cada secuencia según lo calculado por BLAST. La base de datos Structure de NCBI contiene conjuntos de coordenadas 3D para estructuras determinadas experimentalmente en PDB que son importadas por NCBI. La base de datos Conserved Domain ( CDD ) de proteínas contiene perfiles de secuencia que caracterizan dominios altamente conservados dentro de las secuencias de proteínas. También tiene registros de recursos externos como SMART y Pfam . Existe otra base de datos de proteínas conocida como Protein Clusters, que contiene conjuntos de secuencias de proteínas que se agrupan según los alineamientos máximos entre las secuencias individuales según lo calculado por BLAST. ^{[ 16 ]}

La base de datos PubChem del NCBI es un recurso público para moléculas y sus actividades contra ensayos biológicos. PubChem es consultable y accesible mediante el sistema de recuperación de información Entrez . ^{[ 18 ]} Además, PubChem consta de tres bases de datos principales: ^{[ 8 ]}

• La sustancia almacena descripciones de muestras químicas de diversas fuentes. ^{[ 19 ]}
• Compound es una base de datos que almacena representaciones químicas validadas. Dichas estructuras están preagrupadas y referenciadas mediante grupos de similitud. ^{[ 20 ]}
• BioAssay es una base de datos de PubChem que almacena la bioactividad de sustancias químicas. ^{[ 21 ]}

Los datos almacenados en las bases de datos BioAssay y Compound describen datos de la base de datos Substance de PubChem. ^{[ 19 ] [ 20 ] [ 21 ]}

Algunas de las otras bases de datos proporcionadas por NCBI incluyen Online Mendelian Inheritance in Man , la Molecular Modeling Database (estructuras de proteínas 3D), dbSNP (una base de datos de polimorfismos de un solo nucleótido ), Reference Sequence Collection, un mapa del genoma humano y un navegador de taxonomía , y coordina con el Instituto Nacional del Cáncer para proporcionar el Cancer Genome Anatomy Project. El NCBI asigna un identificador único (número de identificación de taxonomía) a cada especie de organismo. ^{[ 22 ]} El NCBI tiene herramientas de software que están disponibles a través de navegadores web o por protocolo de transferencia de archivos (FTP) .