Gambaran Umum
Basis data biologi adalah infrastruktur dasar bioinformatika. Basis data ini mengumpulkan, mengkurasi, mengatur, dan mendistribusikan sejumlah besar data molekuler yang dihasilkan oleh biologi eksperimental modern. Basis data ini berkisar dari sumber daya khusus kecil yang dikelola oleh laboratorium individu hingga repositori internasional besar seperti GenBank, yang berisi miliaran sekuens nukleotida. Nilai dari setiap kumpulan data akan berlipat ganda ketika disimpan dalam basis data publik, karena menjadi dapat ditemukan, dapat digunakan kembali, dan dapat diintegrasikan dengan tipe data lainnya. Standar data, kosakata terkontrol, dan referensi silang antar basis data memungkinkan interoperabilitas ini.
Konsep Kunci
Basis data primer menyimpan data eksperimental asli, sekuens nukleotida mentah, sekuens protein, dan struktur tiga dimensi, dengan interpretasi minimal. Basis data sekunder berisi informasi yang dikurasi, dianotasi, atau diturunkan yang dibangun dengan menganalisis data primer. Basis data sekuens (GenBank, UniProt) menyimpan sekuens nukleotida dan protein. Basis data struktur (PDB) mengarsipkan koordinat makromolekul. Basis data fungsional (GO, KEGG, Reactome) menggambarkan proses biologis, jalur metabolisme, dan fungsi molekuler. Referensi silang menghubungkan catatan antar basis data, memungkinkan pencarian terintegrasi.
Aplikasi
Basis data biologi mendukung hampir setiap area biologi molekuler. Peneliti menggunakannya untuk mengambil sekuens untuk proyek sekuensing DNA, mencari struktur protein homolog, dan mencari klasifikasi dan tata nama enzim untuk rekonstruksi metabolisme. Integrasi basis data sangat penting untuk biologi sistem, di mana data dari berbagai sumber harus digabungkan untuk membangun model prediktif perilaku seluler.
Protokol Praktis
Memilih basis data yang tepat dimulai dengan mendefinisikan pertanyaan penelitian Anda. Jika Anda membutuhkan sekuens nukleotida mentah, mulailah dengan basis data primer seperti GenBank melalui portal NCBI. Untuk genom referensi yang dianotasi, beralihlah ke RefSeq. Jika pertanyaan Anda menyangkut fungsi protein, UniProtKB adalah sumber daya yang tepat, sementara pertanyaan struktural mengarah ke PDB. Untuk proyek genomik yang umum, misalnya, mengidentifikasi gen baru dalam genom bakteri, alur kerja umum berlangsung sebagai berikut: pertama, cari basis data Genome di NCBI menggunakan nama organisme untuk menemukan perakitan. Unduh sekuens nukleotida dalam format GenBank atau FASTA. Kirimkan sekuens ini ke BLASTX terhadap basis data UniProtKB/Swiss-Prot untuk memprediksi daerah pengkode protein berdasarkan homologi. Petakan anotasi yang dihasilkan ke istilah GO menggunakan InterProScan untuk menyimpulkan fungsi molekuler dan proses biologis. Terakhir, gunakan KEGG Mapper untuk menempatkan gen yang dianotasi ke peta jalur metabolisme, mengungkapkan kapasitas metabolisme organisme. Pendekatan terintegrasi ini mengubah data sekuens mentah menjadi hipotesis biologis yang dapat diuji. Strategi lintas-basis data yang sama berlaku untuk genomik manusia: dimulai dengan daftar gen yang diekspresikan secara diferensial dari RNA-seq, seorang peneliti dapat mengambil sekuens promotor dari UCSC, memprediksi situs pengikatan faktor transkripsi menggunakan JASPAR, memetakan produk protein ke jalur Reactome, dan memvalidasi interaksi melalui STRING, semuanya dengan menavigasi antar basis data yang sesuai yang terhubung melalui referensi silang. Menguasai alur kerja multi-basis data ini adalah kompetensi inti dalam bioinformatika modern, memungkinkan peneliti untuk menghasilkan temuan yang kuat dan reprodusibel dari kekayaan data biologis yang tersedia untuk umum.
