Überblick
Das National Center for Biotechnology Information (NCBI) an der US-amerikanischen National Library of Medicine bietet die weltweit umfassendste Sammlung molekularbiologischer Datenbanken. GenBank, das primäre Nukleotidsequenz-Repository, akzeptiert direkte Einreichungen von Forschern und nimmt neben EMBL-EBI und DDBJ an der International Nucleotide Sequence Database Collaboration (INSDC) teil. RefSeq bietet kuratierte, nicht-redundante Referenzsequenzen für Genome, Transkripte und Proteine. Das Sequence Read Archive (SRA) speichert rohe Sequenzierungslesedaten von Hochdurchsatzplattformen. Zusammen bilden diese Ressourcen das Rückgrat des öffentlichen Zugangs zu molekularen Daten.
Schlüsselkonzepte
GenBank-Einträge enthalten die rohe Sequenz, biologische Annotationen und bibliografische Metadaten. Accession Numbers (z. B. NM_001234) bieten stabile Identifikatoren für die Zitierung. RefSeq unterscheidet sich von GenBank durch seinen Kuratierungsprozess: RefSeq-Einträge werden manuell überprüft und gepflegt und bieten eine höhere Zuverlässigkeit für Referenzzwecke. SRA archiviert unverarbeitete Sequenzierungslesedaten in einem komprimierten Format und speichert sowohl die Lesedaten als auch die Qualitätswerte. Das Entrez-Suchsystem bietet eine einheitliche, Datenbank-übergreifende Abfrage aller NCBI-Ressourcen und ermöglicht den Abruf verwandter Einträge aus verschiedenen Datenbanken über eine einzige Oberfläche.
Anwendungen
NCBI-Datenbanken werden täglich von Forschern weltweit genutzt. DNA-Sequenzierungsprojekte beginnen mit BLAST-Suchen gegen GenBank, um unbekannte Sequenzen zu identifizieren. Next-Generation-Sequencing-Experimente hinterlegen rohe Lesedaten im SRA und alignieren sie gegen RefGenome für die Variantenbestimmung. Bakterielle Genetikstudien stützen sich auf RefSeq-Genome für vergleichende Genomik und die Identifizierung artspezifischer Gene und Virulenzfaktoren.
Praktisches Protokoll
Die Navigation im NCBI-Portal beginnt bei ncbi.nlm.nih.gov, wo die Suchleiste Zugang zum Datenbank-übergreifenden Entrez-Suchsystem bietet. Um alle Nukleotidsequenzen für einen bestimmten Organismus zu finden, geben Sie den Organismennamen (z. B. “Escherichia coli”) in die Hauptsuchleiste ein und verwenden Sie dann den Datenbankfilter “Nucleotide” auf der Ergebnisseite. Für präzisere Abfragen verwenden Sie die Entrez-Feldsyntax: “Escherichia coli[Organism] AND 16S ribosomal RNA[Title]” gibt nur 16S-rRNA-Sequenzen von E. coli zurück. Die Ergebnisliste zeigt Accession Numbers, Sequenzlängen und Definitionen an. Klicken Sie auf eine beliebige Accession Number (z. B. NR_024570), um den vollständigen GenBank-Eintrag mit annotierten Merkmalen, kodierenden Sequenzen und Referenzen anzuzeigen. Für den Batch-Abruf klicken Sie auf “Send to” > “File” > “FASTA”, um alle übereinstimmenden Sequenzen herunterzuladen. Als praktisches Beispiel würde ein Mikrobiologe, der ein neuartiges Bakterienisolat charakterisiert: (1) im SRA nach rohen Lesedaten eng verwandter Arten suchen, um sie als Referenz für die Assemblierung zu verwenden, (2) die assemblierten Contigs an BLAST gegen die RefSeq-Genomdatenbank übermitteln, um den nächsten sequenzierten Verwandten zu identifizieren, (3) das RefSeq-Genom dieses Verwandten für die Genvorhersage mit Werkzeugen wie Prokka herunterladen und (4) das annotierte Assembly mit einer neuen Accession Number in GenBank hinterlegen. Der gesamte Workflow, Abfragen, Abrufen, Analysieren und Einreichen, arbeitet innerhalb des einheitlichen NCBI-Ökosystems, wobei Entrez bei jedem Schritt eine nahtlose Datenbank-übergreifende Navigation ermöglicht. Beispielsweise verlinkt eine PubMed-Suche nach einem Krankheitserreger direkt zu den Nucleotide-Einträgen seines Genoms, zum SRA für verfügbare Sequenzierungsdaten und zu BioProject für experimentelle Metadaten, alles ohne das NCBI-Portal zu verlassen.
