生物医学数据库
生物医学数据库（Biomedical Databases）是现代生命科学研究的“数字基础设施”。它们是系统化存储、组织和检索生物学数据（如 DNA 序列、蛋白质结构、临床变异、科学文献）的电子仓库。
随着高通量测序（NGS）技术的爆发，生物数据呈指数级增长，单一实验室无法独立管理。因此，形成了以美国的 NCBI、欧洲的 EBI 和日本的 DDBJ 为核心的全球数据共享网络。这些数据库不仅是科研人员查询基因功能（如 GenBank, UniProt）的工具，更是临床医生解读遗传病变异（如 ClinVar, gnomAD）的决策依据。每年一月的《Nucleic Acids Research》杂志都会发布全球生物数据库的年度特刊，目前收录的数据库已数以千计。
四大象限：生物数据的分类学
生物医学数据库繁多，通常根据存储数据的类型分为四大核心类别。
| 类别 | 代表数据库 | 核心功能 |
|---|---|---|
| 序列数据库 (Sequence) | GenBank (DNA) UniProt (蛋白) |
最基础的数据库。存储基因和蛋白质的线性序列信息（ATCG / 氨基酸）。 |
| 结构数据库 (Structure) | PDB (Protein Data Bank) | 存储蛋白质、DNA/RNA 的三维晶体结构（X-ray/冷冻电镜数据）。是药物设计的基础。 |
| 变异数据库 (Variation) | dbSNP (多态性) ClinVar (致病性) gnomAD (人群频率) |
连接“序列”与“疾病”。告诉我们某个位点的突变是“正常的”还是“致病的”。 |
| 功能与通路 (Pathway) | KEGG (代谢通路) GO (基因本体) |
描述基因之间的相互作用网络。回答“这个基因参与了什么生理过程”的问题。 |
NCBI：生物信息的“国会图书馆”
美国国立生物技术信息中心（NCBI）是全球最大的生物医学数据库集群。它不仅是一个数据库，而是一个由数十个相互关联的数据库组成的生态系统。
- PubMed： 全球医学生和生物学家的“搜索引擎”。收录了超过 3600 万篇生物医学文献摘要，是获取知识的第一站。
- GenBank： 只要你测序得到一个新的基因序列，为了发表论文，你必须将其提交到 GenBank 并获得一个Accession Number（登录号）。
- RefSeq： GenBank 里的数据良莠不齐（包括冗余和错误的提交），NCBI 官方整理了一套“去伪存真”的标准参考序列库，称为 RefSeq。
- Blast： 这不是数据库，而是 NCBI 提供的比对工具。它允许你在数亿条序列中，瞬间找到与你手中序列相似的那一条。
关键相关概念 [Key Concepts]
1. INSDC (国际核苷酸序列数据库合作组织)： 由 NCBI (美国)、EMBL-EBI (欧洲) 和 DDBJ (日本) 组成的联盟。它们之间每天交换和同步数据。这意味着你向 DDBJ 提交的数据，第二天就能在 NCBI 查到。全球科研数据因此融为一体。
2. Accession Number (登录号)： 生物数据的“身份证号”。例如 NM_000518 是人类 β-珠蛋白 mRNA 的 RefSeq 编号。只要有这个号码，就能在全球任何数据库中精确定位到该条目。
3. FASTA Format： 数据库中最通用的序列存储格式。以大于号 ">" 开头作为描述行，下一行紧接序列（ATCG...）。简单、纯文本，是生物信息学界的“通用语”。
学术参考文献 [Academic Review]
[1] Nucleic Acids Research. (Annual). Database Issue. NAR.
[点评]：每年一月出版的专刊，是生物数据库领域的“黄页”。收录并更新了全球所有重要的生物数据库，是了解该领域最新进展的必读。
[2] UniProt Consortium. (2021). UniProt: the universal protein knowledgebase. Nucleic Acids Res.
[点评]：详细介绍了 UniProt 数据库的构建标准，如何整合 Swiss-Prot（人工注释，高质量）和 TrEMBL（自动注释，大数据）。
[3] NCBI Resource Coordinators. (2018). Database resources of the National Center for Biotechnology Information. Nucleic Acids Res.
[点评]：NCBI 的官方说明书。概括了 Entrez 系统的架构以及各大子数据库（GenBank, PubMed, dbSNP 等）的功能。