影响中国生物医学的数据库：一旦断网，受影响的不只是毕业问题

导读

“国内的公共数据库压根打不过欧美，国人发的论文基因挖TGCA和GEO，流行病学挖美国的NHANES和英国的BioBank，药学挖美国FAERS，‘登子’一断网线，国内（生命科学及）医学研究生一大半没法毕业。”，如是说。

2月28日，美国白宫发布消息称，拜登正式签署了《关于防止关注国家获取美国公民大量敏感个人数据和美国政府相关数据的行政命令》（Executive Order on Preventing Access to Americans’Bulk Sensitive Personal Data and United States Government-Related Data by Countries of Concern），限制包括中国在内的国家科研人员访问和使用美方的“敏感数据”，其中个人健康数据和人类基因组数据是被关切的重点。

科研数据库是一线科研人员的“基础设施”，没了它们手头上的工作就难以展开。事实上，国内不少有识之士20年前就在大声呼吁要建立自己的数据库，也许当时没想到脱钩，但从长期规划、且中国人基因、蛋白等数据丰富，理因可以建好各类数据库，供自己以及全世界使用。

从这一点上来看，国内的“战略科学家”集体失守，停留在只说不做的层面，宁可让有价值的数据变成一堆无人问津的死数据，散落在各个医院、科研中心，也不愿意以开放的意识，造福全人类的胸襟汇聚在一起，供国内外科研人员访问、分析。

此次拜登的行政命令一签署，立即在国内科研圈激起水花。

这两天，中国科学院一科研研究所就“关于中美人类基因组数据使用与共享”展开问卷调查，以评估当前生命健康领域对美国相关数据依赖情况。

扫码可填写问卷

如果当年提前规划、团结一心，这件事也许现今就已做成了。本文通过公开资料，对欧美重要的生物医学类主要数据库进行盘点，看看我们还存在哪些差距。

常春藤 | 整理

01

PubMed数据库

PubMed：PubMed 由美国国家医学图书馆（NLM）下属的国家生物技术信息中心（NCBI）开发的，基于WEB的生物医学信息检索系统，它是一个提供生物医学方面的论文搜寻以及摘要，并且免费搜寻的数据库。它的数据库来源为MEDLINE。其核心主题为医学，但亦包括其他与医学相关的领域，像是护理学或者其他健康学科。PubMed 的文献类型包括期刊论文、生物医学博硕士论文、会议论文、综述、预印本、临床试验、数据库、图谱等。PubMed 的内容并不包括期刊论文的全文，但可能提供指向全文内容提供商的链接。

02

TCGA数据库

The Cancer Genome Atlas（TCGA）：TCGA 是一个由美国国立卫生研究院（NIH）和国家癌症研究所（NCI）共同支持的项目，旨在利用高通量基因组测序技术，对33种不同类型的癌症进行大规模的基因组、表观组学和蛋白质组学研究。该项目已经产生了大量的癌症基因组数据，这些数据对于理解癌症的发病机制、寻找新的治疗方法以及开发更有效的癌症预防策略具有重要意义。

03

GEO数据库

Gene Expression Omnibus （GEO）：GEO 是一个由美国国家生物技术信息中心（NCBI）开发和维护的公共数据库，致力于存储和分发高通量基因表达数据。自2000年成立以来，GEO已经成为全球范围内最受欢迎的基因表达数据仓库之一。

这个数据库收纳了来自各种实验条件下的基因表达数据，包括微阵列、下一代测序（NGS）和其他高通量技术产生的数据。这些数据涵盖了人类、小鼠、大鼠、果蝇、线虫等多种生物体的基因表达谱。

GEO不仅提供了原始的实验数据，还包括经过处理和分析的数据集，使得研究者能够更方便地获取和使用这些数据。此外，GEO还提供了丰富的数据检索和浏览工具，用户可以通过关键词、物种、实验条件等多种方式检索和浏览数据。

对于生物医学研究者来说，GEO是一个宝贵的资源，它可以帮助研究者发现新的基因、理解基因的功能和调控机制，以及探索疾病的发生和发展过程。同时，GEO也为全球科研合作和数据共享提供了重要的平台。

04

NHANES数据库

NHANES（National Health and Nutrition Examination Survey）：NHANES 是由美国国立卫生研究院（NIH）下属的国家卫生统计中心（NCHS）负责的一项全国性健康与营养调查项目。

该项目通过收集代表性样本的详细健康、营养和生活方式信息，以及进行体检和实验室检测，以评估美国人民的健康状况和营养状况。NHANES 的数据对于流行病学研究、公共卫生政策制定以及疾病预防和控制具有重要意义。

05

Biobank数据库

UK Biobank：UK Biobank 是一个大型的生物样本和数据资源库，旨在改善人类健康和医疗研究。该项目收集了约50万名英国成年人的详细健康、生活方式和社会经济信息，以及生物样本（如血液、尿液和DNA）。UK Biobank 的数据对于研究各种疾病的遗传和环境因素、开发新的治疗方法和预防策略等方面具有重要意义。

06

FAERS药物不良反应数据库

Food and Drug Administration Adverse Event Reporting System（FAERS ）：FAERS 是美国食品药物监督管理局（FDA）的一个数据库，用于收集、处理和分析药物和医疗器械相关的不良事件报告。

该数据库包含了自1969年以来收到的数百万份不良事件报告，涉及各种已上市和正在研发的药物和医疗器械。FAERS 的数据对于评估药物和医疗器械的安全性、发现潜在风险以及指导临床用药等方面具有重要意义。

07

dbSNP数据库

database of Single Nucleotide Polymorphisms（dbSNP）是一个由美国国立卫生研究院（NIH）维护的数据库，专注于收集人类基因组中的单核苷酸多态性（SNP）信息。这些多态性是人类基因组中单个核苷酸的变异，它们在人群中的频率较高，并可能影响个体的生理特征、疾病易感性等。

dbSNP不仅提供了大量的SNP数据，还提供了关于这些SNP的详细信息，如位置、频率、相关疾病等。这使得研究人员能够利用这些数据进行基因关联研究，以寻找与特定疾病或特征相关的基因变异。

此外，dbSNP还与其他数据库如PubMed、GEO等进行了关联，为用户提供了更全面的数据分析和研究工具。这一数据库对于基因组学、生物医学研究和个性化医疗等领域具有重要的推动作用。

08

GTEx基因表达数据库

Genotype-Tissue Expression（GTEx）：GTEx数据库是一个由美国国立卫生研究院（NIH）资助的项目，旨在研究基因型和组织表达之间的关系。

该数据库包含了来自838位生前健康的人类捐献者的DNA数据（包括Whole Genome Sequencing和Whole Exome Sequencing），以及来自近1000个人类个体的17382份RNA-seq数据，这些数据涵盖了54个不同的组织器官部位。此外，GTEx数据库还包括了来自捐献者血液和皮肤的细胞系数据。

GTEx数据库的主要功能之一是研究正常人不同组织之间的基因表达区别。由于TCGA（The Cancer Genome Atlas）等数据库主要关注癌症组织的数据，对于正常组织的数据相对较少，因此GTEx数据库的加入可以使得分析结果更加准确。GTEx数据库的另一个重要功能是提供了eQTL（expression quantitative trait loci）数据，即基因表达水平受其周围SNP（单核苷酸多态性）的影响，这样的基因被称为eGene，对应的SNP被称为eQTL。这些数据有助于研究人员理解基因表达调控的机制，以及基因变异如何影响个体间的表型差异。

09

ENCODE数据库

Encyclopedia of DNA Elements（ENCODE）：数据库是一个大型国际合作项目，旨在识别和理解人类基因组中所有功能元件。该项目对147个组织类型进行了分析，已经获得了迄今最详细的人类基因组分析数据。

ENCODE数据库不仅整合了包括表观遗传组学、转录组学等各种组学数据库，还包含了转录因子Chip-seq、组蛋白Chip-seq、RNA绑定蛋白ECLIP-seq、DNA甲基化测序以及DNase-seq和ATAC-seq等多种类型的数据。此外，ENCODE还综合了多种测序内容，如DNase-seq和H3K4me3、H3K27ac、CTCF ChIP-seq等，最终汇总成一个个顺式调节元件（cis-Regulatory Elements, cCREs）的结果。

ENCODE数据库提供了包括原始测序数据、经过比对的二进制数据以及信号富集区域的Peaks数据等多种格式的ChIP-Seq数据以供下载。这些数据有助于研究人员预测转录因子对应的靶基因数据，从而构建一个转录因子靶基因数据库。此外，ENCODE数据库还提供了数据检索和浏览工具，用户可以通过关键词、物种、实验条件等多种方式检索和浏览数据。

10

PDB蛋白数据库

Protein Data Bank（PDB）：PDB是一个国际性的数据库，专门收集和分发关于生物大分子（主要是蛋白质）的三维结构数据。自1971年成立以来，PDB已经成为全球最权威的蛋白质结构数据存储和分享平台。

PDB收录了超过18万个蛋白质结构数据，这些数据来自于X射线晶体学、核磁共振（NMR）和冷冻电镜等多种实验技术。PDB不仅提供了蛋白质的原子坐标、实验方法和相关文献信息，还提供了多种数据检索、浏览和分析工具，帮助用户更方便地获取和使用这些数据。

对于生物医学研究者来说，PDB是一个重要的资源，它有助于理解蛋白质的结构与功能关系，揭示生命活动的分子机制，以及推动药物设计和疾病治疗等领域的研究。

声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。