数据库网址 | 做生信分析不知道去哪找数据？14个常用数据库一次说清楚

乔粒科研工坊 · 以解牛之法析生信，观微雀之形览科研。

做生信分析，找数据是第一步，但公共数据库数量庞大、类型繁多，刚入门时很容易犯迷糊。这篇文章按功能把常用数据库分了几个大类，每类挑重点的简单介绍，附上网址，方便查阅。

一、 常用数据库分类汇总

二、选择依据

不同分析需求对应不同数据库

1.明确分析目的：

• 找序列 → GenBank、RefSeq
• 找表达数据 → GEO（通用）、TCGA（癌症）
• 找蛋白信息 → UniProt
• 找通路 → KEGG
• 找蛋白互作 → STRING
• 找疾病基因 → GeneCards、DisGeNet

2.确认数据格式需求：

• 原始测序数据（FASTQ）→ SRA
• 处理后表达矩阵 → GEO、TCGA（GDC Portal）
• 基因注释文件（GTF/GFF）→ Ensembl、GENCODE
• 变异数据（VCF）→ ClinVar、dbSNP、1000 Genomes

3.是否需要在线可视化：

• 基因组浏览 → UCSC Genome Browser、Ensembl
• 肿瘤突变可视化 → cBioPortal
• 蛋白结构查看 → PDB、AlphaFold DB

三、各数据库简要介绍

🧬 1.核酸序列数据库

这类数据库是存储DNA和RNA原始序列及其注释的基础资源。

GenBank：全球最大的基因序列数据库，由NCBI维护，收录所有公开的DNA序列，是序列比对的默认来源。
网址：https://www.ncbi.nlm.nih.gov/genbank

EMBL-EBI / ENA：欧洲维护的核酸序列数据库，与GenBank数据实时同步，三方（NCBI、EMBL、DDBJ）组成国际核酸序列数据库联盟。
网址：https://www.ebi.ac.uk/ena

RefSeq：NCBI提供的经过人工校验的非冗余参考序列数据库，基因组比对和基因注释的首选。
网址：https://www.ncbi.nlm.nih.gov/refseq

miRBase：存储所有物种microRNA序列和注释的专用数据库，做miRNA分析绕不开它。
网址：https://www.mirbase.org

SRA：存储高通量测序原始数据的最大公共数据库，下载FASTQ文件的主要来源。
网址：https://www.ncbi.nlm.nih.gov/sra

🧬2. 基因组数据库

存储完整基因组序列、基因结构及注释信息。

Ensembl：由EBI和Sanger研究所共同维护，提供脊椎动物等模式生物基因组的可视化浏览和注释，GTF/GFF注释文件大多从这里下载。
网址：https://www.ensembl.org

UCSC Genome Browser：功能强大的基因组可视化平台，支持多种track叠加查看基因注释、变异位点、保守性、ENCODE数据等。
网址：https://genome.ucsc.edu

GENCODE：提供人类和小鼠基因组高质量基因注释的权威数据库，ENCODE项目的配套注释来源。
网址：https://www.gencodegenes.org

📈3. 基因表达数据库

GEO：全球最大的基因表达数据仓库，收录芯片和RNA-seq数据，格式统一，R语言的GEOquery包可直接下载，入门友好。
网址：https://www.ncbi.nlm.nih.gov/geo

ArrayExpress：EBI维护的功能基因组学数据库，与GEO功能类似，可以作为GEO的补充来源。
网址：https://www.ebi.ac.uk/arrayexpress

TCGA：癌症多组学数据的"金标准"数据库，涵盖33种癌症的基因组、转录组、表观组和临床数据，肿瘤方向研究者的核心数据源。
网址：https://portal.gdc.cancer.gov

GTEx：提供基因在人体54个正常组织中表达情况的数据，是做"正常vs疾病"比较时的重要对照来源。
网址：https://gtexportal.org

Expression Atlas：提供基因在多种物种、不同条件和组织中的差异表达信息，适合快速查询某基因的表达概况。
网址：https://www.ebi.ac.uk/gxa

🧪4. 蛋白质数据库

UniProt：全球最权威的蛋白质序列与功能知识库，核心子库Swiss-Prot为人工校验的高质量数据库，查蛋白功能、结构域、翻译后修饰的首选。
网址：https://www.uniprot.org

PDB：全球唯一的大分子三维结构实验数据存储库，做蛋白结构分析绕不开它。
网址：https://www.rcsb.org

AlphaFold DB：DeepMind开发的基于AI预测的蛋白质结构数据库，覆盖范围远超实验解析的结构数量。
网址：https://alphafold.ebi.ac.uk

InterPro：蛋白质家族、结构域和功能位点的分类系统，做蛋白功能注释时比较常用。
网址：https://www.ebi.ac.uk/interpro

🔗 5.蛋白质互作与通路数据库

STRING：最常用的蛋白-蛋白互作（PPI）数据库，整合了实验验证、计算预测和文献挖掘等多种来源，输入基因列表即可生成互作网络。
网址：https://string-db.org

KEGG：最核心的通路数据库之一，提供手工绘制的代谢、信号转导等通路图，功能富集分析的标配。部分高级功能需付费。
网址：https://www.kegg.jp

Reactome：开放获取、人工注释和同行评审的生物通路数据库，KEGG的优质替代选择，且完全免费。
网址：https://reactome.org

BioCyc：收集了数千个生物体的代谢通路和基因组信息，做代谢通路分析时可以参考。
网址：https://biocyc.org

🩺6. 疾病与变异数据库

ClinVar：收录人类变异与其临床意义（致病性等）关联的数据库，变异解读的重要参考。
网址：https://www.ncbi.nlm.nih.gov/clinvar

dbSNP：NCBI维护的SNP及其他小规模变异数据库，查变异位点基本信息的基础来源。
网址：https://www.ncbi.nlm.nih.gov/snp

GeneCards：提供人类基因的基因组、遗传、临床和功能等综合信息的数据库，查某个基因的"一站式"信息很方便。
网址：https://www.genecards.org

DisGeNet：整合了基因-疾病关联的数据库，做疾病相关基因挖掘时比较有用。
网址：https://www.disgenet.org

Open Targets：用于识别和优先排序与疾病相关的潜在药物靶点基因的平台，偏转化研究方向。
网址：https://www.opentargets.org

1000 Genomes：提供了全球2504个个体的遗传变异参考图谱，群体遗传学分析的基础数据集。
网址：https://www.internationalgenome.org

💊 7.药物与化合物数据库

PubChem：NCBI维护的化合物分子数据库，包含化合物结构、生物学活性和临床信息。
网址：https://pubchem.ncbi.nlm.nih.gov

DrugBank：提供详细的药物、药物靶点和药物相互作用信息的综合数据库，做药物重定位或靶点分析时比较常用。
网址：https://go.drugbank.com

ChEMBL：收录大量具有生物活性的药物样分子的化学和基因组信息数据库，EBI维护。
网址：https://www.ebi.ac.uk/chembl

8. 国内数据库

CNCB-NGDC：国家生物信息中心建立的多组学综合数据平台，已上线118个专业数据库，覆盖基因组、变异组、转录组、表观组等，是国内生信数据资源的重要补充。
网址：https://www.cncb.ac.cn

实际分析中，通常需要组合使用多个数据库。比如从GEO下载表达数据，得到差异基因列表后，用clusterProfiler调用GO和KEGG做功能富集，再用STRING构建蛋白互作网络，最后用Cytoscape可视化。

建议把本篇文章收藏起来当索引，需要搜索数据的时候可以对着分类表找对应数据库，可以省不少我们翻找的时间。

乔粒科研工坊 · 以解牛之法析生信，观微雀之形览科研

今天的数据库分享就到这里啦，欢迎批评指正！