|
作者：麦子 转载请注明：解螺旋·临床医生科研成长平台 不得不感慨，现代信息技术造就的海量数据给了我们许多便利，越来越多的医学研究项目认识到数据的力量，将重心转移到数据上来。已发表数据可以利用起来，做新的分析挖掘，找出事物之间未曾发现的关联；或者整合零散的信息建立新的数据库；或开发新的算法，成为更有力的数据分析工具。 这不，2017年国自然面上项目中，也见到了一些基于数据的研究项目。 对于我们未能跨进面上项目大门的小盆友来说，利用现有数据做点研究是再便利不过的打基础之路。 之前我们介绍了一些生信数据库的查找方法（《来聊一聊那些五花八门的生信数据库》）。这么多数据库令人眼花缭乱，而且还正如雨后春笋般不停地增长，该如何选择呢？ 数据库的“黄金集合” Nucleic Acid Research（NAR）第24版特刊，特意总结了过去的12年里，一些经受住时间考验、引用量较高的数据库，它们为各领域的研究者服务，产生了许多优质成果，称为“黄金集合（Golden Set）”。 它们大多是一些综合数据库，覆盖面较广。正因如此，它们也能被投入更多的资本来维护，是以质量较高。 以下就是这些被NAR称为“黄金集合”的榜单，如果有你感兴越的，可以尝试利用起来。 第一列No.是该数据库在NAR收录库中的编号，最后一列是在NAR中发布及更新报告的年份，中间则是数据库名称、链接及描述。 我们用的最多的是GenBank，因为它和PubMed集成在NCBI。就以它为例，看看数据库的基本操作。 常用数据库的基本操作 查找基因、mRNA、Promoter GenBank最常用的功能，查基因、mRNA、Promoter，用的是Map viewer（反正都集成在一个网站里，网址为: http://www.ncbi.nlm./mapview/index.html ）。 1.在页面下拉菜单里选择物种，for后面填写你的目的基因，而后点击“Go”。 2. 在Quick Filter中，点击Gene前面的小方框，并点击Filter，结果如下图所示。 结果中，染色体的红色区域即为你的目的基因所处位置。 3. 点击第一条序列（即reference）对应的“Genes Seq”，出现新的页面，页面如下图所示： 点击上图中的Download/View Sequence/Evidence，即可下载查看序列等功能，结果如图所示： 在上图中的Sequence Format（序列输出格式）中有一个下拉式选择菜单，默认的为FASTA格式，但还是推荐大家选择GenBank格式，因为这个格式提供了很多基因的信息，而FASTA格式只有基因序列。 4. 在Sequence Format后选择GenBank，点击下方的Display，目的基因的相关信息和序列结果如下图所示。
网页里也可以看到基因长度、基因序列以及这个基因是如何被报道出来的等各种信息。 用KEGG画通路图 有了基因感觉还差了点什么，对就是通路。信号通路的查询绘制，正是KEGG的拿手好戏。比如说，前期已经有了实验结果：构建了沉默新基因A表达的质粒，转染肺癌549细胞系，确定敲减效率，上流式细胞仪检测，发现细胞周期被阻滞（cell cycle arrest）在S期。那么我们现在需要从细胞周期的角度阐明新基因A促进肺癌细胞系549增殖的分子机制，怎么做？ 1. 首先打开KEGG主页：http://www./，点击下图框中的KEGG PATHWAY链接。
2. 输入关键词：cell cycle
3. 出现结果：
4. 点击map 04110，出现KEGG对cell cycle的描述：
5. 所有物种中相关基因的详细列表
每个基因在KEGG数据库里面有对应的ID，例如CCDN1对应的ID号：K04503，CDK4对应K02089，我们后面会用到。
相关的不同模块、疾病、日本Kanehisa Laboratories的工作人员整理这个信息库所参考的文献，其它的数据库，例如GO：0000278，可以用Gene Ontology这个数据库直接查到在这个数据库中的信息：
6. 开始查基因A的下游机制，直接点击图，会出现相信的信号通路：
这是KEGG里面整理出来的cell cycle相关信号通路图，细胞周期中S期的相关基因（我们上面举的例子是A沉默后可以把细胞阻滞在S期），每个可以点击，例如：CDK2，查看这个基因的相关信息。
值得挖掘的小数据库 另外还有许多疾病特异性数据库，或称位点特异性数据库（Locus specific databases，LSDBs），它们专门收录某一疾病或表型最相关的一组或几组基因的数据，被认为是特定领域内更具专业、更权威的数据库。 但也有学者指出，这些数据库由于管理团队力量有强有弱，便也造成数据质量参差不齐。有些数据库已发布好几年，但以其为基础做出的研究成果却很少，甚至没有。当然这除却质量原因外，也和该领域的研究热度以及该数据库的关注度有关。 如果我们想利用这些数据库搞点事情，就需要多查查既往文献中，大家是如何利用它们的，出过哪些成果，再结合自己的研究经验做出判断。善于挖掘的话，也许能从这些集中于某一研究领域的数据库里挖出宝藏。 下面再来分享一些利用位点特异性数据库发表的成果，看看别人是怎么运用它们的。多半是要跟几个数据库，尤其是一些大型综合数据库结合使用，相互印证。 2型糖尿病：T2D Knowledge portal
http://www./ 2型糖尿病（T2D）及相关性状的数据库，可浏览、检索、分析与T2D相关的基因信息。目前已有22个数据集，覆盖47种性状。 来看这份今年发表的研究：
编码核纤层蛋白lamin A和lamin C的LMNA基因发生突变，会导致多种核纤层蛋白病，包括肌营养不良、扩张性心肌病、胰岛素抵抗等。 研究者先在ExAC上找到169个突变，其中37个有疾病相关性，包括p.I299V (等位基因0.0402%), p.G602S (0.0262%) and p.R644C (0.124%)，提示某些LMNA突变比以前所知的更为常见。 ExAC是一个外显子序列的综合数据库，集成了多个大型研究项目的外显子数据，覆盖多种疾病。 接着在T2D Knowledge Portal中独立分析LMNA突变，发现p.G602S与2型糖尿病显著相关（p = 0.02; odds ratio = 4.58），且在非裔美国人中等位基因频率更高（0.297%），可认为是非裔美国人的T2D风险预测因子。 阿尔兹海默病：AlzGene
http://www./ AlzGene是AlzForum（阿兹海默病论坛）下的一个收录基因组数据的数据库。AlzForum作为AD的各种资源、信息的集散地，已经运营了近二十年。AlzGene收录的开源数据也相当丰富：
下面是今年发表的利用AlzGene做的研究。
前期有一些研究发现，BIN1基因的rs744373多态性在欧洲血统的样本中与晚发阿兹海默病有相关性，但另有一些研究则表示未观察到rs744373与高加索人种、东亚人种相关。但这些研究的样本量较小，说服力不足。 研究者们检索了AlzGene，还有PubMed，MEDLINE，共收集了11832例LOAD患者及18133例对照，重新分析了二者的相关性。这份研究支持rs744373多态性与LOAD的相关性，并且没有观察到亚州人与高加索人的差异。 LncRNA相关疾病：LncRNADisease
http://www./lncrnadisease 随着近年来lncRNA研究的火热，越来越多的研究开始探索它们与疾病的关系。lncRNA失调可能与多种疾病相关，包括癌症、心血管疾病、神经退行性疾病等。北京大学的崔庆华教授团队建立了这个数据库，收录lncRNA - 疾病相关数据，并集合了一些工具分析新的lncRNA – 疾病相关性。 下面这份研究则是血清lncRNA作为鼻咽癌的生物标志物，今年发表在Oncotarget上。
无创性诊断也是近年的热门研究，多种疾病尤其癌症都想从lncRNA入手找到可用于诊断及预后的生物标志物。本研究先在LncRNADisease数据库中，以“nasopharyngeal carcinoma”为关键词，检索到38个差异表达的lncRNA。 接下来招募了101名鼻咽癌（NPC）患者，20名慢性鼻咽炎患者，20名EB病毒携带者及101名健康对照受试者。取血清样本，对这38个NPC相关的lncRNA进行qRT-PCR的筛查。最后找到循环系统中，MALAT1、AFAP1-AS1和AL359062 这3个lncRNA联用，可能可以作为NPC的诊断及预后标志物。 免疫缺陷病：IDbases
http://structure.bmc./idbase/index.php IDbases是收录能引起免疫缺陷的基因变异及相关临床表现的数据库，数据是从文献中收集而来，或由研究者提交。现有7292名患者的数据。
严重联合免疫缺陷病(severe combine immune deficiency, SCID) 是一组由于基因突变引起的T淋巴细胞和B淋巴细胞发育及功能障碍的先天性免疫缺陷性疾病，预后很差。研究者招募了147名患者做个队列研究，希望能找出有与诊断年龄和症状首发到确诊的时间的临床特征。 其中，B淋巴细胞计数的阳性与阴性临界值还未有公认的标准，于是研究者们通过基因分型来鉴定。共找到了88个突变位点，在HGMD Pro version 2016.4和IDbases两个数据库中检索，确定其中有29个突变尚未有报道。
|
|
|
