6  Bancos de Dados Biológicos

Nesta aula veremos:

  1. O que são bancos de dados;
  2. Para que servem;
  3. Classificação dos bancos de dados;
  4. Quais os principais bancos de dados utilizados na Biologia de Sistemas.

6.1 O que são Bancos de Dados Biológicos?

“São grandes bibliotecas contendo informações sobre as ciências da vida, coletadas de experimentos científicos, literatura publicada, tecnologias de alto-desempenho e análises computacionais.” – Adaptado de Attwood et al., 2011

6.1.1 Os primeiros Bancos de Dados Biológicos.

  1. Margareth Dayhoff e o estudo evolutivo de sequências proteicas

  1. GenBank

6.1.2 Como surgiram os Bancos de Dados?

flowchart LR
  A(Desenvolvimento tecnológico) --> C{Obtenção de uma grande quantidade de dados}
  B(Barateamento do custo das novas tecnologias) --> C{Obtenção de uma grande quantidade de dados}

6.1.3 Para que servem?

  1. Armazenar, organizar e compartilhar dados de forma estruturada com o objetivo de facilitar a obtenção e visualização de dados;

  2. Promover interfaces de desenvolvimento a fim de que seja possível integrar as informações entre os diferentes bancos de dados.

  3. Integração dos “omics”;

flowchart LR
  A(Genomics) <--> B(Transcriptomics)
  A(Genomics) <--> C(Proteomics)
  A(Genomics) <--> D(Glycomics)
  A(Genomics) <--> E(Metabolomics)
  B(Transcriptomics) <--> C(Proteomics)
  B(Transcriptomics) <--> D(Glycomics)
  B(Transcriptomics) <--> E(Metabolomics)
  C(Proteomics) <--> D(Glycomics)
  C(Proteomics) <--> E(Metabolomics)
  D(Glycomics) <--> E(Metabolomics)

  1. “Big Data” na biologia: em TI, refere-se a um grande conjunto de dados armazenados.

6.1.4 Classificação dos Bancos de Dados Biológicos

  • Cobertura de dados
    • Abrangente: possui diferentes tipos de dados de diferentes espécies
    • Especializado: possui um único tipo de dado para um determinado organismo.
  • Nível de biocuradoria
    • Primário: Possui os dados brutos provenientes de alguma técnica/experimento.
    • Secundário: Possui informações curadas
  • Método de biocuradoria
    • Curado por especialistas: Normalmente, um único grupo é responsável pela tarefa
    • Curado pela comunidade: vários pesquisadores colaboram para a curadoria
  • Tipo de dados
    • DNA, RNA, proteínas, dados de expressão (single-cell, RNA-seq, microarray), vias metabólicas, redes de interação entre biomoléculas, doenças, drogas, químicos, etc.

6.1.5 Informações contidas nos Bancos

Tipo de Banco Tipo de Informação Exemplo
Bibliografia Literatura científica publicada PUBMED
Taxonomia Classificação Taxonômica TimeTree
Ácidos Nucleicos Informações sobre sequências de DNA/RNA GenBank, ENA
Proteína/Proteômica Informações sobre estrutura funcional de proteínas UniProt

Domínios Funcionais

e Motivos

 Classificação de proteínas em famílias PFAM, CCD

Enzimas e rotas

metabólicas

 Rotas Bioquímicas Reactome, KEGG Pathway, Gene Ontology
Ortologia Informações sobre homologia de genes STRING, KEGG Orthology

6.2 Bancos de Dados mais utilizados na Biologia de Sistemas

6.2.1 KEGG – Kyoto Encyclopedia of Genes and Genomes

  • Foi originalmente desenvolvida como um banco de dados integrado para a interpretação de dados biológicos de genomas completamente sequenciados, tentando criar mapas de vias a partir dos genes recém-mapeados.

  • Com o tempo, esta plataforma tornou-se amplamante usada não apenas para a análise de dados genômicos, mas também para análise de transcriptômica, proteômica, glicômica, metabolômica, metagenômica, etc.

  • É um dos repositórios mais utilizados, devido ao fato de que as informações nele contidas são curadas manualmente e frequentemente.

  • KEGG

6.2.1.1 KEGG Pathway

  • Conjunto de vias manualmente curadas que integram todas as informações contidas nos outros bancos de dados do KEGG.
  • As vias são classificadas em:
    • Metabolismo
    • Processamento da informação genética
    • Processamento da informação ambiental
    • Processos celulares
    • Sistemas de organismos
    • Doenças humanas
    • Desenvolvimento de drogas

6.2.1.2 KEGG Module

  • O KEGG Module funciona como o KEGG Pathway, porém possui informações mais detalhadas sobre um determinado módulo funcional de uma via metabólica.
    • Rotas
    • Complexos estruturais
    • Funcionais
    • De assinatura

6.2.1.3 KEGG Orthology (KO)

  • Sua proposta é agrupar os genes contidos no KEGG Genes de acordo com similaridades na sequência e dados do KEGG Pathway, Module e BRITE.

6.2.2 GO - Gene Ontology

  • É um projeto colaborativo que busca estabelecer descrições consistentes para produtos gênicos.
  • Surgiu como uma forma de “padronizar” os termos biológicos utilizados para descrever as funções dos produtos de genes de todas as espécies.
  • Possui um vocabulário de termos definidos, sendo dividido em três domínios:
    • Componentes celulares: partes da célula ou do ambiente extracelular onde o produto gênico fica localizado
    • Função molecular: atividade do produto gênico em nível molecular
    • Processo biológico: rota metabólica que o produto gênico faz parte, por exemplo.
    • GeneOntology

6.2.3 Reactome

  • Base de dados curados de vias e reações na biologia;
  • O Reactome utiliza o termo “reação” de forma mais ampla: inclui mudanças de estados de proteínas, como ligação, ativação, translocação e degradação;
  • É integrado a outros bancos de dados (NCBI, Ensembl, UniProt, KEGG, GO, etc.);
  • Utiliza uma ontologia própria para classificar as reações e processos metabólicos;
  • Principal vantagem: muito interativo e didático!
  • Reactome

6.2.4 STRING

  • Search Tool for the Retrieval of Interacting Genes/Proteins
  • É um dos principais bancos de dados de interação proteína-proteína

  • Utiliza informações experimentais, registros da literatura e anotações funcionais.

  • Basicamente, tem dois tipos de entradas:

    • Busca de interações feitas por um determinado gene/proteína
    • Busca de grupos de ortólogos de um ou mais genes/proteínas

6.3 Bancos de Dados Primários - Buscando Dados Brutos para Reanálise

6.3.1 GEO Datasets - Gene Expression Omnibus Datasets

  • Banco de dados norte-americano, mantido pelo NCBI;
  • Contém dados de microarray e RNA-seq.

É possível fazer o dowload do dado bruto obtido do experimento e utiliza-lo nas análises.

6.3.2 Array Express

  • Banco de dados europeu, possui o mesmo escopo do GEO.

6.3.3 SRA - Sequence Read Archive

Referências

  1. Zou D, Ma L, Yu J, Zhang Z. Biological Databases for Human Research. Genomics Proteomics Bioinformatics. 2015;13:55-63. doi:10.1016/j.gpb.2015.01.006.

  2. Kanehisa M, Sato Y, Kawashima M, Furumichi M, Tanabe M. KEGG as a reference resource for gene and protein annotation. Nucleic Acids Res. 2016;44. doi:10.1093/nar/gkv1070.

  3. Franceschini A, Szklarczyk D, Frankild S, et al. STRING v9.1: protein-protein interaction networks, with increased coverage and integration. Nucleic Acids Res. 2013;41(Database issue):D808-15. doi:10.1093/nar/gks1094.

  4. Ashburner et al. Gene ontology: tool for the unification of biology (2000) Nat Genet 25(1):25-9.

  5. Baxevanis AD. The Importance of Biological Databases in Biological Discovery. Curr Protoc Bioinforma. 7993;(September 2009):1-5. doi:10.1002/0471250953.bi0101s13.

Playlist no youtube: How to use the Reactome