Bancos de Dados Biológicos (parte I): o NCBI
Olá pessoal! Hoje iniciamos uma nova série de posts com foco em bancos de dados biológicos. O foco deste primeiro post é o NCBI, um site que abriga diversos bancos de dados além de um sistema de buscas unificado entre os mesmos, o Entrez.
O que são bancos de dados?
Bancos de dados (BD) são estruturas de dados que armazenam informação de forma organizada. Esses dados se relacionam de forma a criar algum sentido e dar mais eficiência durante uma pesquisa ou estudo cientifico.
Bancos de dados biológicos
Os bancos de dados biológicos (BDB), da mesma forma que os BD, armazenam dados visando relacioná-los e tornar mais eficiente a manipulação dos mesmos. A diferença se dá no tipo de dado que é armazenado: BDB armazenam dados biológicos, em sua maioria derivados de experimentação.
Os bancos de dados biológicos podem ser divididos em três categorias, como demonstrado na figura acima:
Primários — São BDs que não foram curados e analisados minuciosamente, podendo apresentar redundância de informações. Exemplos dessa categoria são: GenBank e Protein Data Bank (PDB).
Secundários — São BDs que receberam curadoria, apresentando dados não redundantes e de maior confiabilidade. Exemplos dessa categoria são: Swiss Prot e Protein Information Resources (PIR).
Especializados — São BDs que focam em pesquisas específicas, como BDs que somente possuem informações de um organismo ou dados de um mesmo tipo. Exemplos dessa categoria são: Ribosomal Database Project (RDP), Interferome e The Cancer Atlas.
National Center for Biotechnology Information (NCBI)
O NCBI é uma divisão da Biblioteca Nacional de Medicina (NLM, do inglês National Library of Medicine), pertencente ao Institutos Nacionais da Saúde (NIH, do inglês National Institutes of Health). A instituição foi fundada em 4 de novembro de 1988, como resultado do projeto de lei proposto pelo então senador Claude Pepper.
Em 1979, Walter Goad e colaboradores criaram o banco de dados de Los Alamos (Los Alamos Sequence Database), que em 1982 deu origem ao GenBank. A criação do GenBank foi financiada pelo NIH, pela Fundação Nacional da Ciência (NSF, do inglês National Science Foundation), pelo Departamento de Energia e pelo Departamento de Defesa. De 1989 à 1992, o projeto do GenBank transicionou para o NCBI.
O website do NCBI, criado em 1994, pode ser acessado através do link: https://www.ncbi.nlm.nih.gov/. Ele é de uso gratuito e acolhe diversos BDBs, separados por categorias:
Literature — Repositório de textos médicos e científicos, possuindo livros, artigos na integra (gratuitos e restritos), entre outros. Um dos bancos mais utilizados dessa categoria é o PubMed Central, o qual abriga artigos completos.
Genes — São encontradas sequências gênicas e anotações para estudo de estrutura de ortólogos, expressão e evolução nessa categoria.
Proteins — Apresenta dados como sequências proteicas, estruturas tridimensionais (3D) e domínios proteicos.
Genomes — Possui bancos de assemblies de sequências genômicas, dados de genômica funcional em larga escala e origem de amostras biológicas. Um dos principais bancos dessa categoria é o Nucleotide, que tem o GenBank como um dos seus principais componentes.
BLAST — É uma ferramenta que realiza consultas em diferentes bancos de dados, como Nucleotide, Protein e SRA. Falamos mais sobre o BLAST e seu funcionamento nessa série de posts.
Clinical — São encontrados bancos com variantes de DNA herdáveis, associações com patologias humanas, além diagnósticos e tratamentos clinicos. São bancos bastante utilizados dessa categoria o dbSNP, que reúne dados de variações de nucleotídeos únicas, micro-satélites e pequenas inserções e deleções, e o ClinVar, que reúne dados de variação genômica e sua relação com a saúde humana.
PubChem — Repositório de informações químicas, rotas metabólicas e ferramentas para screening de atividade biológica.
O Entrez
O principal diferencial do NCBI é que ele possui a ferramenta Entrez, que é um sistema de busca federado. Ele permite que sejam realizadas buscas com a mesma query em todos bancos de dados do sistema. Para a realização desta busca, deve ser utilizada uma síntaxe apropriada, que consta de:
“palavra-de-busca” [campo] <operador lógico> “palavra-de-busca” [campo] …
Palavra-de-busca demonstra a palavra ou frase a ser procurada naquele campo específico. Se você está procurando um trabalho pelo título, esse é o local para escrever o título. A palavra-de-busca não necessita obrigatoriamente estar entre aspas, porém é indicado que se realize a busca dessa forma.
Campo demonstra o campo onde a palavra-de-busca deve ser pesquisada. Ele deve ser informado entre colchetes, como no exemplo, e deve seguir a recomendação da ferramenta, que pode ser conferida aqui. Por exemplo, para pesquisar pelo nome do autor, utiliza-se [AUTH].
O operador lógico deve ser informado sem a adição de <> e deve ser escrito em caixa alta. Alguns dos mais utilizados são AND, OR e NOT.
Outras ferramentas
Além das consultas em bancos de dados, o NCBI possui diversas ferramentas para auxiliar em pesquisas. Além do BLAST e do Entrez, que já foram mencionados anteriormente, existem outras ferramentas bastante utilizadas, como:
CD Search (Conserved Domain Search Service) — É utilizado para busca de domínios em uma sequência proteica.
Genome workbench — É uma aplicação integrada para visualização e análise de sequências. É interessante mencionar a possibilidade de realizar análises com dados públicos e também com dados próprios.
Genome Data Viewer — Visualizador de informações genômicas, sendo possível procurar genes e ver relações filogenéticas, por exemplo.
Primer-BLAST — Utiliza o Primer3 e o BLAST para desenho de primers para PCR, utilizando uma sequência como modelo para criação dos primers.
ProSplign / Splign — O ProSplign realiza alinhamento de proteinas com sequências genômicas, enquanto o Splign realiza o alinhamento de sequências de cDNA. Devido ao algoritmo utilizado, essas ferramentas conseguem predizer sítios de splice e toleram pequenos erros na sequência.
PubChem Structure Search — Através dessa ferramenta é possível pesquisar compostos quimícos no banco de dados do PubChem Compound através de estruturas químicas ou fórmula molecular, por exemplo.
Taxonomy Browser — Permite pesquisar em árvores taxonômicas utilizando nomes taxonomicos parciais, nomes comuns, entre outros. Para cada nodo, são informados os dados relacionados encontrados no Entrez.
Vector Alignment Search Tool (VAST) — Utilizado para identificação de estruturas 3D similares.
Submissões
O NCBI possui um portal de submissões, onde as informações de submissão ficam centralizadas. Para diferentes tipos de dados, existe uma ferramenta correta para realizar a submissão. Uma das ferramentas mais utilizadas para submissão é o BankIt, que é utilizado para adicionar informações ao GenBank.
Nesta versão do website, é possível digitar o tipo de sequência que se quer depositar e é retornada a ferramenta adequada para realizar aquela submissão. Na página da ferramenta, existem informações do que será pedido durante o processo, além das normas para a submissão, como formato do arquivo, por exemplo.
Nesse post falamos sobre o que são banco de dados e suas diferenças com bancos de dados biológicos e sobre o NCBI. Essa foi uma visão geral do que é encontrado no website e um pouco da história da instituição. Fiquem ligados nos próximos posts da série para descobrirem outros bancos de dados e instituições que forneçam acesso à eles.