Instituto Europeo de Bioinformática

BLAST ^{[ 5 ]} es un algoritmo para comparar la estructura primaria de biomacromoléculas, generalmente la secuencia de nucleótidos de ADN /ARN y la secuencia de aminoácidos de proteínas, almacenadas en bases de datos bioinformáticas, con la secuencia de consulta. El algoritmo utiliza una matriz de puntuación, como BLOSUM 62, para comparar las secuencias disponibles con la de consulta. Las secuencias con mayor puntuación representan los parientes más cercanos de la de consulta, en términos de similitud funcional y evolutiva. ^{[ 6 ]}

La búsqueda en bases de datos mediante BLAST requiere que los datos de entrada estén en un formato correcto (por ejemplo , FASTA , GenBank, PIR o EMBL). Los usuarios también pueden especificar las bases de datos que se van a buscar, seleccionar las matrices de puntuación que se van a utilizar y otros parámetros antes de ejecutar la herramienta. Los mejores resultados de BLAST se ordenan según su valor E calculado (la probabilidad de que exista por casualidad un resultado con una puntuación similar o superior en la base de datos). ^{[ 7 ]}

Clustal Omega ^{[ 8 ]} es una herramienta de alineación de secuencias múltiples (MSA) que permite encontrar una alineación óptima de al menos tres y un máximo de 4000 secuencias de ADN y proteínas de entrada. ^{[ 9 ]} El algoritmo de Clustal Omega emplea dos modelos ocultos de Markov (HMM) de perfil para derivar la alineación final de las secuencias. La salida de Clustal Omega se puede visualizar en un árbol guía (la relación filogenética de las secuencias que mejor se emparejan) o se puede ordenar por la similitud de secuencia mutua entre las consultas. ^{[ 10 ]} La principal ventaja de Clustal Omega sobre otras herramientas de MSA (Muscle, ProbCons ) es su eficiencia, manteniendo una precisión significativa de los resultados.

Ensembl, con sede en el EMBL-EBI ^{[ 11 ]} , es una base de datos organizada en torno a datos genómicos y mantenida por el Proyecto Ensembl . Encargada de la anotación continua de los genomas de organismos modelo , Ensembl proporciona a los investigadores un recurso integral de información biológica relevante sobre cada genoma específico. La anotación de los genomas de referencia almacenados es automática y se basa en secuencias. Ensembl comprende una base de datos genómica de acceso público a la que se puede acceder mediante un navegador web. Se puede interactuar con los datos almacenados mediante una interfaz gráfica de usuario (UI) que permite visualizar los datos en múltiples niveles de resolución, desde el cariotipo, pasando por genes individuales, hasta la secuencia de nucleótidos. ^{[ 12 ]}

Originalmente centrado en animales vertebrados como su principal campo de interés, desde 2009 Ensembl proporciona datos anotados sobre los genomas de plantas, hongos, invertebrados, bacterias y otras especies, en el proyecto hermano Ensembl Genomes . A partir de 2020,Las diversas bases de datos del proyecto Ensembl albergan en conjunto más de 50.000 genomas de referencia. ^{[ 13 ]}

El Protein Data Bank (PDB) ^{[ 14 ]} es una base de datos de estructuras tridimensionales de macromoléculas biológicas, como proteínas y ácidos nucleicos. Los datos se obtienen generalmente mediante cristalografía de rayos X o espectroscopia de resonancia magnética nuclear (RMN) y son enviados manualmente por biólogos estructurales de todo el mundo a través de las organizaciones miembros del PDB: PDBe , RCSB, PDBj y BMRB. Se puede acceder a la base de datos a través de las páginas web de sus miembros, incluido PDBe (ubicado en el EMBL-EBI). Como miembro del consorcio Worldwide Protein Data Bank (wwPDB), PDBe contribuye a la misión conjunta de archivar y mantener datos de estructuras macromoleculares. ^{[ 15 ]}

UniProt es un repositorio en línea de datos de secuencias y anotaciones de proteínas, distribuido en las bases de datos UniProt Knowledgebase (UniProt KB), UniProt Reference Clusters (UniRef) y UniProt Archive (UniParc). Originalmente concebida como una iniciativa individual del EMBL-EBI, el Instituto Suizo de Bioinformática (SIB) (que mantienen conjuntamente Swiss-Prot y TrEMBL) y el Protein Information Resource (PIR) (que alberga la base de datos de secuencias de proteínas), el aumento en la generación global de datos de proteínas llevó a su colaboración en la creación de UniProt en 2002. ^{[ 16 ]}

Las entradas de proteínas almacenadas en UniProt se catalogan mediante un identificador único de UniProt. Los datos de anotación recopilados para cada entrada se organizan en secciones lógicas (por ejemplo, función de la proteína, estructura, expresión, secuencia o publicaciones relevantes), lo que permite una visión general coordinada de la proteína de interés. También se proporcionan enlaces a bases de datos externas y fuentes de datos originales. Además de la búsqueda estándar por nombre/identificador de la proteína, la página web de UniProt incluye herramientas para búsquedas BLAST, alineación de secuencias o búsqueda de proteínas que contienen péptidos específicos. ^{[ 17 ]}

La base de datos de estructuras proteicas AlphaFold (AlphaFold DB) es un proyecto colaborativo con Google DeepMind para poner a disposición de la comunidad científica, de forma gratuita, las estructuras proteicas predichas por el sistema de IA AlphaFold . ^{[ 18 ]} La primera versión de la base de datos fue en 2021; a partir de 2024AlphaFold DB proporciona acceso a más de 214 millones de estructuras de proteínas. ^{[ 19 ]}