Base de datos biológica

Las bases de datos biológicas son bibliotecas de ciencias biológicas, recopiladas a partir de experimentos científicos, literatura publicada, tecnología de experimentos de alto rendimiento y análisis computacional. Contienen información de áreas de investigación como genómica , proteómica , metabolómica , expresión génica mediante microarrays y filogenética . ^{[ 2 ]} La información contenida en las bases de datos biológicas incluye la función, estructura y localización (tanto celular como cromosómica) de los genes, los efectos clínicos de las mutaciones y las similitudes de secuencias y estructuras biológicas.

Las bases de datos biológicas se pueden clasificar según el tipo de datos que recopilan (véase más abajo). En términos generales, existen bases de datos moleculares (para secuencias, moléculas, etc.), bases de datos funcionales (para fisiología, actividades enzimáticas, fenotipos, ecología, etc.), bases de datos taxonómicas (para especies y otros rangos taxonómicos), imágenes y otros medios, o especímenes (para colecciones de museos, etc.).

Las bases de datos son herramientas fundamentales para ayudar a los científicos a analizar y explicar una gran variedad de fenómenos biológicos, desde la estructura de las biomoléculas y su interacción hasta el metabolismo completo de los organismos y la comprensión de la evolución de las especies . Este conocimiento facilita la lucha contra las enfermedades, contribuye al desarrollo de medicamentos , permite predecir ciertas enfermedades genéticas y ayuda a descubrir las relaciones fundamentales entre las especies a lo largo de la historia de la vida .

Estas tablas abarcan una variedad de bases de datos biológicas destacadas en un amplio abanico de campos, especialidades, tipos de datos y casos de uso. Muchas de estas bases de datos están recopiladas en la lista de recursos de datos básicos de ELIXIR , que reúne importantes recursos de datos europeos fundamentales para la investigación en ciencias de la vida. ^{[ 3 ]}

La mayoría de las bases de datos biológicas están disponibles a través de sitios web que organizan los datos de manera que los usuarios puedan consultarlos en línea. Además, los datos subyacentes suelen estar disponibles para su descarga en diversos formatos. Los datos biológicos se presentan en muchos formatos, entre los que se incluyen texto, datos de secuencia, estructura de proteínas y enlaces. Cada uno de ellos se puede encontrar en determinadas fuentes, por ejemplo:

• Los formatos de texto son proporcionados por PubMed y OMIM .
• Los datos de secuencia son proporcionados por GenBank , en lo que respecta al ADN, y por UniProt , en lo que respecta a las proteínas.
• Las estructuras de las proteínas se obtienen de PDB , SCOP y CATH .

El conocimiento biológico se encuentra distribuido en innumerables bases de datos. Esto a veces dificulta garantizar la coherencia de la información, por ejemplo, cuando se utilizan nombres diferentes para la misma especie o formatos de datos distintos. En consecuencia, la interoperabilidad representa un desafío constante para el intercambio de información. Por ejemplo, si una base de datos de secuencias de ADN almacena la secuencia de ADN junto con el nombre de una especie, un cambio de nombre de esa especie puede romper los vínculos con otras bases de datos que utilicen un nombre diferente. La bioinformática integrativa es un campo que intenta abordar este problema proporcionando un acceso unificado. Una solución consiste en cómo las bases de datos biológicas realizan referencias cruzadas a otras bases de datos mediante números de acceso para vincular su conocimiento relacionado (por ejemplo, de modo que el número de acceso permanezca igual aunque cambie el nombre de una especie). La redundancia es otro problema, ya que muchas bases de datos deben almacenar la misma información; por ejemplo, las bases de datos de estructuras de proteínas también contienen la secuencia de las proteínas que abarcan, su secuencia y su información bibliográfica.

Existen bases de datos específicas para algunas especies, principalmente aquellas que se utilizan con frecuencia en la investigación ( organismos modelo ). Por ejemplo, EcoCyc es una base de datos de E. coli . Otras bases de datos populares de organismos modelo incluyen Mouse Genome Informatics para el ratón de laboratorio , Mus musculus , Rat Genome Database para Rattus , ZFIN para Danio Rerio (pez cebra), PomBase ^{[ 43 ]} para la levadura de fisión Schizosaccharomyces pombe , FlyBase para Drosophila , WormBase para los nematodos Caenorhabditis elegans y Caenorhabditis briggsae , y Xenbase para las ranas Xenopus tropicalis y Xenopus laevis .

Numerosas bases de datos intentan documentar la diversidad de la vida en la Tierra. Un ejemplo destacado es el Catálogo de la Vida , creado en 2001 por Species 2000 y el Sistema Integrado de Información Taxonómica. ^{[ 45 ]} El Catálogo de la Vida es un proyecto colaborativo que tiene como objetivo documentar la categorización taxonómica de todas las especies actualmente aceptadas en el mundo. ^{[ 46 ]} El Catálogo de la Vida proporciona una base de datos consolidada y consistente para que investigadores y responsables políticos la consulten. El Catálogo de la Vida recopila conjuntos de datos actualizados de otras fuentes, como Conifer Database, ICTV MSL (para virus) y LepIndex (para mariposas y polillas). En total, el Catálogo de la Vida se nutre de 165 bases de datos a mayo de 2022. ^{[ 47 ]} Los costos operativos del Catálogo de la Vida son sufragados por el Global Biodiversity Information Facility , el Illinois Natural History Survey , el Naturalis Biodiversity Center y la Smithsonian Institution . ^{[ 48 ]}

Algunas bases de datos biológicas también documentan la distribución geográfica de diferentes especies. Shuang Dai et al. crearon una nueva base de datos multisource para documentar la distribución espacial/geográfica de 1371 especies de aves en China, ya que las bases de datos existentes carecían gravemente de datos de distribución espacial para muchas especies. ^{[ 49 ]} Las fuentes para esta nueva base de datos incluyeron libros, literatura, seguimiento GPS y datos de páginas web en línea. La nueva base de datos mostraba la taxonomía, la distribución, información sobre las especies y las fuentes de datos para cada una. Tras completar la base de datos de distribución espacial de aves, se descubrió que el 61 % de las especies conocidas en China se distribuían en regiones más allá de donde se conocían previamente. ^{[ 49 ]}

Las bases de datos médicas son un caso especial de recurso de datos biomédicos y pueden abarcar desde bibliografías, como PubMed , hasta bases de datos de imágenes para el desarrollo de software de diagnóstico basado en IA. Por ejemplo, una de estas bases de datos de imágenes se desarrolló con el objetivo de ayudar en el desarrollo de algoritmos de monitorización de heridas. ^{[ 51 ]} Se seleccionaron más de 188 conjuntos de imágenes multimodales de 79 visitas de pacientes, que consistían en fotografías, imágenes térmicas y mapas de profundidad de malla 3D. Los contornos de las heridas se dibujaron manualmente y se añadieron a los conjuntos de datos fotográficos. ^{[ 50 ]} La base de datos se puso a disposición del público en forma de un programa llamado WoundsDB, descargable desde el sitio web de Chronic Wound Database.

Las bases de datos biológicas se describen y actualizan habitualmente mediante publicaciones revisadas por pares, que sirven tanto de documentación como de medio de difusión para la comunidad científica.

Un medio importante para este tipo de publicaciones es el número anual de la revista Nucleic Acids Research (NAR) sobre bases de datos, que suele publicarse en enero. Este número especial presenta artículos que describen nuevas bases de datos biológicas, así como actualizaciones de recursos existentes, y se complementa con la colección en línea de bases de datos de biología molecular de NAR. ^{[ 52 ]}

Entre las revistas especializadas en recursos de datos biológicos se encuentran Database: The Journal of Biological Databases and Curation y GigaScience , que publican artículos que describen bases de datos, recursos curados y conjuntos de datos a gran escala, a menudo junto con herramientas computacionales y flujos de trabajo asociados. ^{[ 53 ] [ 54 ]}

Además, revistas especializadas en datos generales, como Scientific Data, publican descripciones de conjuntos de datos de una amplia gama de disciplinas científicas, incluidas, entre otras, las ciencias de la vida.

• Biobanco
• Datos biológicos
• Base de datos química
• Base de datos del Dominio de la Muerte
• Instituto Europeo de Bioinformática
• Base de datos de enfermedades genéticas
• Bioinformática integrativa
• Lista de bases de datos biológicas
• bases de datos de organismos modelo
• NCBI
• PubMed (una base de datos de literatura biomédica)
• Base de datos: Revista de bases de datos biológicas y curación de datos

• Lista interactiva de bases de datos biológicas , clasificadas por categorías, de Nucleic Acids Research , 2010.
• DBD: Base de datos de bases de datos biológicas
• Biosharing (una base de datos de bases de datos biológicas)
• Base de datos de heridas crónicas WoundsDB
• Catálogo de la vida Catálogo de la vida