Возможности анализа белков в биоинформационной системе NCBI
https://doi.org/10.20538/1682-0363-2025-4-194-203
Аннотация
Цель – рассмотреть и обобщить информацию об особенностях хранения данных о белках, а также о возможностях их анализа с помощью инструментов NCBI (National Center for Biotechnology Information, Национальный центр биотехнологической информации).
В лекции обобщены данные по существующим хранилищам белковых последовательностей и структур, проанализированы возможности биоинформационных инструментов для исследования белков на платформе NCBI. Первичные базы данных содержат информацию о белках (записи), полученную при проведении экспериментальных исследований. Помимо этого представлены базы с дополнительной информацией, добавленной кураторами после аналитики. Биоинформационный анализ белковых последовательностей и структур с помощью представленных в лекции инструментов позволяет выявить особенности филогенетического развития, спрогнозировать функции и структуры. Таким образом, извлечение обширной информации и возможность ее анализа с помощью специализированных сервисов помогает пролить свет при исследовании in silico на необнаруженные экспериментально характеристики белков, получить новые знания, служащие основой для дальнейших теоретических и экспериментальных исследований.
Ключевые слова
Об авторе
Н. Ю. Часовских
Сибирский государственный медицинский университет (СибГМУ)
Россия
Россия
Часовских Наталия Юрьевна – д-р мед. наук, доцент, зав. кафедрой медицинской и биологической кибернетики
634050, г. Томск, Московский тракт, 2
Список литературы
1. Wheeler D.L., Barrett T., Benson D.A., Bryant S.H., Canese K., Chetvernin V. et al. Database resources of the National Center for Biotechnology Information. Nucleic Acids Res. 2007;35:D5–D12. DOI: 10.1093/nar/gkl1031.
2. Sayers E.W., Beck J., Bolton E.E., Brister J.R., Chan J., Connor R. et al. Database resources of the National Center for Biotechnology Information in 2025. Nucleic Acids Res. 2025;53(D1):D20–D29. DOI: 10.1093/nar/gkae979.
3. Schuler G.D., Epstein J.A., Ohkawa H., Kans J.A. Entrez: molecular biology database and retrieval system. Methods Enzymol. 1996;266:141–162. DOI: 10.1016/s0076-6879(96)66012-1.
4. Часовских Н.Ю. Биоинформатика. М.: ГЭОТАР-Медиа, 2020:352. DOI: 10.33029/9704-5542-5-DIL-2020-1-352.
5. Mount D. Bioinformatics: sequence and genome analysis/ Cold Spring Harbor Laboratory Press: New York, 2004:692.
6. Polyanovsky V.O., Roytberg M.A., Tumanyan V.G. Comparative analysis of the quality of a global algorithm and a local algorithm for alignment of two sequences. Algorithms Mol. Biol. 2011;6(1):25. DOI: 10.1186/1748-7188-6-25.
7. Tatusov R.L., Koonin E.V., Lipman D.J. A genomic perspective on protein families. Science. 1997;278(5338):631–637. DOI: 10.1126/science.278.5338.631. PMID: 9381173.
8. Karsch-Mizrachi I., Arita M., Burdett T., Cochrane G., Nakamura Y., Pruitt K.D. et al. The international nucleotide sequence database collaboration (INSDC): enhancing global participation. Nucleic Acids Res. 2025;53(D1):D62–D66. DOI: 10.1093/nar/gkae1058.
9. Barrett T., Clark K., Gevorgyan R., Gorelenkov V., Gribov E., Karsch-Mizrachi I. et al. BioProject and BioSample databases at NCBI: facilitating capture and organization of metadata. Nucleic Acids Res. 2012;40:D57–D63. DOI: 10.1093/nar/gkr1163.
10. Wang J., Chitsaz F., Derbyshire M.K., Gonzales N.R., Gwadz M., Lu S. et al. The conserved domain database in 2023. Nucleic Acids Res. 2022;51(D1):D384–D388. DOI: 10.1093/nar/gkac1096.
11. Marchler-Bauer A., Panchenko A.R., Shoemaker B.A., Thiessen P.A., Geer L.Y., Bryant S.H. CDD: a database of conserved domain alignments with links to domain three-dimensional structure. Nucleic Acids Res. 2002;30(1):281–283. DOI: 10.1093/nar/30.1.281.
12. Marchler-Bauer A., Anderson J.B., Derbyshire M.K., DeWeese-Scott C., Gonzales N.R., Gwadz M. et al. CDD: a conserved domain database for interactive domain family analysis. Nucleic Acids Res. 2007;35:D237–240. DOI: 10.1093/nar/gkl951.
13. Marchler-Bauer A., Anderson J.B., Chitsaz F., Derbyshire M.K., DeWeese-Scott C., Fong J.H. et al. CDD: specific functional annotation with the Conserved Domain Database. Nucleic Acids Res. 2009;37:D205–D210. DOI: 10.1093/nar/gkn845.
14. Mistry J., Chuguransky S., Williams L., Qureshi M., Salazar G.A., Sonnhammer E.L.L. et al. Pfam: The protein families database in 2021. Nucleic Acids Res. 2021;49(D1):D412– D419. DOI: 10.1093/nar/gkaa913.
15. Letunic I., Khedkar S., Bork P. SMART: recent updates, new developments and status in 2020. Nucleic Acids Res. 2021;49(D1):D458–D460. DOI: 10.1093/nar/gkaa937.
16. Galperin M.Y., Vera Alvarez R., Karamycheva S., Makarova K.S., Wolf Y.I., Landsman D. COG database update 2024. Nucleic Acids Res. 2025;53(D1):D356–D363. DOI: 10.1093/nar/gkae983.
17. Haft D.H., Selengut J.D., Richter R.A., Harkins D., Basu M.K., Beck E. TIGRFAMs and Genome Properties in 2013. Nucleic Acids Res. 2013;41:D387–D395. DOI: 10.1093/nar/gks1234.
18. Wheeler D.L., Barrett T., Benson D.A., Bryant S.H., Canese K., Chetvernin V. et al. Database resources of the National Center for Biotechnology Information. Nucleic Acids Res. 2008;36:D13–D 21. DOI: 10.1093/nar/gkm1000.
19. Brister J.R., Ako-Adjei D., Bao Y., Blinkova O. NCBI viral genomes resource. Nucleic Acids Res. 2015;43:D571–D 577. DOI: 10.1093/nar/gku1207.
20. Entrez Sequences Help [Internet]. Bethesda (MD): National Center for Biotechnology Information (US) 2010. URL: https://www.ncbi.nlm.nih.gov/books/NBK44864/
21. Lu S., Wang J., Chitsaz F., Derbyshire M.K., Geer R.C., Gonzales N.R. et al. CDD/SPARCLE: the conserved domain database in 2020. Nucleic Acids Res. 2020;48(D1):D265–D268. DOI: 10.1093/nar/gkz991.
22. Pruitt K., Brown G., Tatusova T., Maglott D. The Reference Sequence (RefSeq) Database. 2002 [Updated 2012]. In: McEntyre J., Ostell J., ed. The NCBI Handbook [Internet]. Bethesda (MD): National Center for Biotechnology Information (US); Chapter 18. URL: https://www.ncbi.nlm.nih.gov/books/NBK21091/
23. Haft D.H., DiCuccio M., Badretdin A., Brover V., Chetvernin V., O’Neill K. et al. RefSeq: an update on prokaryotic genome annotation and curation. Nucleic Acids Res. 2018;46(D1):D851–D860. DOI: 10.1093/nar/gkx1068.
24. Altschul S.F., Madden T.L., Schäffer A.A., Zhang J., Zhang Z., Miller W. et al. Gapped BLAST and PSI-BLAST: a new generation of protein database search programs. Nucleic Acids Res. 1997;25(17):3389–3402. DOI: 10.1093/nar/25.17.3389.
25. Wilbur W.J., Lipman D.J. Rapid similarity searches of nucleic acid and protein data banks. Proc. Natl. Acad. Sci. USA. 1983;80(3):726–730. DOI: 10.1073/pnas.80.3.726.
26. Rich D.H. Evaluation of enzyme inhibitors in drug discovery: a guide for medicinal chemists and pharmacologists. Clin. Chem. 2005;51:2219–2219. DOI: 10.1373/clinchem.2005.051946.
27. Altschul S.F., Gish W., Miller W., Myers E.W., Lipman D.J. Basic local alignment search tool. J. Mol. Biol. 1990;215:403– 410. DOI: 10.1016/S0022-2836(05)80360-2.
28. Ye J., McGinnis S., Madden T.L. BLAST: improvements for better sequence analysis. Nucleic Acids Res. 2006;34:W6– W9. DOI: 10.1093/nar/gkl164.
29. Xiao K., Zhai J., Feng Y., Zhou N., Zhang X., Zou J.-J. et al. Isolation of SARS-CoV-2-related coronavirus from Malayan pangolins. Nature. 2020;583:286. DOI: 10.1038/s41586-020-2313-x.
30. Wang H., Pipes L., Nielsen R. Synonymous mutations and the molecular evolution of SARS-Cov-2 origins. Virus Evol. 2021;7(1):veaa098. DOI: 10.1093/ve/veaa098.
31. La Rosa G., Mancini P., Bonanno F.G., Veneri C., Iaconelli M., Bonadonna L. et al. SARS-CoV-2 has been circulating in northern Italy since December 2019: Evidence from environmental monitoring. Sci. Total Environ. 2021;750:141711. DOI: 10.1016/J.SCITOTENV.2020.141711.
32. Sah R., Rodriguez-Morales A. J., Jha R., Chu D.K., Gu H., Peiris M. et al. Complete genome sequence of a 2019 novel coronavirus (SARS-CoV-2) strain isolated in Nepal. Microbiol. Resour. Announc. 2020;9:e00169–20. DOI: 10.1128/MRA.00169-20.
33. La Rosa G., Iaconelli M., Mancini P., Bonanno F.G., Veneri C., Bonadonna L. et al. First detection of SARS-CoV-2 in untreated wastewaters in Italy. Sci. Total Environ. 2020;736:139652. DOI: 10.1016/J.SCITOTENV.2020.139652.
34. Westhaus S., Weber F.-A., Schiwy S., Linnemann V., Brinkmann M., Widera M. et al. Detection of SARS-CoV-2 in raw and treated wastewater in Germany - Suitability for COVID-19 surveillance and potential transmission risks. Sci. Total Environ. 2021;751:141750. DOI: 10.1016/J.SCITOTENV.2020.141750.
35. Parmar M., Thumar R., Patel B., Athar M., Jha P.C., Patel D. Structural differences in 3C-like protease (Mpro) from SARSCoV and SARS-CoV-2: molecular insights revealed by Molecular Dynamics Simulations. Struct. Chem. 2022:1–18. DOI: 10.1007/s11224-022-02089-6.
36. Naderi Beni R., Elyasi-Ebli P., Gharaghani S., Seyedarabi A. In silico studies of anti-oxidative and hot temperament-based phytochemicals as natural inhibitors of SARS-CoV-2 Mpro. PLoS One. 2023;18(11):e0295014. DOI: 10.1371/journal. pone.0295014.
37. Papadopoulos J.S., Agarwala R. COBALT: constraint-based alignment tool for multiple protein sequences. Bioinformatics. 2007;23(9):1073–1079. DOI: 10.1093/bioinformatics/btm076.
38. Wang J., Youkharibache P., Zhang D., Lanczycki C.J., Geer R.C., Madej T. et al. iCn3D, a web-based 3D viewer for sharing 1D/2D/3D representations of biomolecular structures. Bioinformatics. 2020;36(1):131–135. DOI: 10.1093/bioinformatics/btz502.
39. Entrez Programming Utilities Help [Internet]. Bethesda (MD): National Center for Biotechnology Information (US), 2010. URL: https://www.ncbi.nlm.nih.gov/books/NBK25501/
40. Yin C. Genotyping coronavirus SARS-CoV-2: methods and implications. Genomics. 2020;112:3588–3596. DOI: 10.1016/j.ygeno.2020.04.016.
41. Li T., Liu D., Yang Y., Guo J., Feng Y., Zhang X. et al. Phylogenetic supertree reveals detailed evolution of SARSCoV-2. Sci. Rep. 2020;10:1–9. DOI: 10.1038/s41598-020-79484-8.
42. Bianchi M., Borsetti A., Ciccozzi M., Pascarella S. SARSCov-2 ORF3a: Mutability and function. Int. J. Biol. Macromol. 2021;170:820–826. DOI: 10.1016/j.ijbiomac.2020.12.142.
43. Wang R., Chen J., Hozumi Y., Yin C., Wei G.-W. Decoding asymptomatic COVID-19 infection and transmission. J. Phys. Chem. Lett. 2020;11:10007–10015. DOI: 10.1021/acs.jpclett.0c02765.
44. Wang R., Hozumi Y., Yin C., Wei G.-W. Decoding SARSCoV-2 Transmission and Evolution and Ramifications for COVID-19 Diagnosis, Vaccine, and Medicine. J. Chem. Inf. Model. 2020;60:5853. DOI: 10.1021/acs.jcim.0c00501.
45. Dallavilla T., Bertelli M., Morresi A., Bushati V., Stuppia L., Beccari T. et al. Bioinformatic analysis indicates that SARSCoV-2 is unrelated to known artificial coronaviruses. Eur. Rev. Med. Pharmacol Sci. 2020;24:4558–4564. DOI: 10.26355/eurrev_202004_21041.
46. Trigueiro-Louro J., Correia V., Figueiredo-Nunes I., Gíria M., Rebelo-de-Andrade H. Unlocking COVID therapeutic targets: A structure-based rationale against SARS-CoV-2, SARSCoV and MERS-CoV Spike. Comput Struct Biotechnol J. 2020;18:2117–2131. DOI: 10.1016/j.csbj.2020.07.017.
Рецензия
Для цитирования:
Часовских Н.Ю. Возможности анализа белков в биоинформационной системе NCBI. Бюллетень сибирской медицины. 2025;24(4):194-203. https://doi.org/10.20538/1682-0363-2025-4-194-203
For citation:
Chasovskikh N.Yu. Protein analysis capabilities in the NCBI bioinformation system. Bulletin of Siberian Medicine. 2025;24(4):194-203. (In Russ.) https://doi.org/10.20538/1682-0363-2025-4-194-203
Просмотров:
59
JATS XML
Послать статью по эл. почте 