『壹』 醫葯資料庫在葯物研發中的作用
資料庫和醫葯行業是一個密不可分的話題，很多葯企可以通過數據資料庫，分析市場葯品需求，確定葯物研發方向，在開發過程中可以准確地查詢篩選靶點物質，還能查詢葯物毒理數據，也解決了以前臨床樣本小，采樣分布有限的問題，有效地提升了葯物研發的效率。
醫葯大數據對於葯物研發的作用
在大數據未成熟之前，葯企在研發新葯時，最多的就是資料的查詢如：靶點的查詢，文獻的查詢，臨床數據的查詢，除了查詢這些數據，還要忍受大量的候選葯物的折磨，而且對於市場的回報有著不確切性，風險很大，研發時間也要長達十幾二十年，對比現在醫葯大數據對於葯物研發提高了時間效率，還能預測回報，規避風險。
臨床研究數據
做葯物研發之前還會通過大數據技術對於市場做分析，對於公共疾病和葯品的需求為葯物研發合理安排時間，在我們企業首先會看市場，看市場的需求，受眾是否廣泛，這些都離不開醫葯大數據的，還有在醫葯副作用研究方面可以通過葯物毒理了解葯物副作用情況，醫葯大數據不僅對於葯物研發有很大的幫助，還對於預測市場，葯品銷售、產品定位都有非常大的幫助。
『貳』 如何查找基因之間相互作用的資料庫
Biomolecular Interaction Network Database (BIND) archives biomolecular interaction,reaction,complex and pathway information curated from published experimental research.
A database of physical and genetic interactions curated from the primary literature.Graphical layouts of interactions can be generated in a variety of file formats using Osprey.
Domain Interaction MAp (DIMA) aims at becoming a comprehensive resource for functional and physical interactions among conserved protein-domains.The scope of the resource comprises both experimental data and computational predictions.Currently,DIMA is based on a domain phylogenetic profiling method and domain-domain contacts found in crystal structures (iPFAM).
Database of Interacting Proteins (DIP) catalogues experimentally determined interactions between proteins.It combines information from a variety of sources to create a single,consistent set of protein-protein interactions.The data stored within the DIP database are curated,both,manually by expert curators and also automatically using computational
approaches.
Human Protein Reference Database (HPRD) represents a centralized platform to visually depict and integrate information pertaining to domain architecture,post-translational modifications,interaction networks and disease association for each protein in the human proteome.All the information in HPRD has been manually extracted from the literature by expert biologists.
InterDom is a database of putative interacting protein domains derived from multiple sources,ranging from domain fusions (Rosetta Stone),protein interactions (DIP and BIND),protein complexes (PDB),to scientific literature (MEDLINE).It focuses on providing supporting evidence for validating and annotating detected protein interactions and complexes based on putative protein domain interactions.
Molecular INTeraction database (MINT) focuses on experimentally verified protein interactions mined from the scientific literature by expert curators.
The Munich Information center for Protein Sequences (MIPS) has two protein-protein interaction resources:MPact representing yeast protein-protein interaction data which is very comprehensive and is often considered to be the gold standard dataset; and the Mammalian Protein-Protein Interaction (MPPI) Database containing manually curated high-quality data collected from the scientific literature by expert curators.
The Prolinks database is a collection of inference methods used to predict functional linkages between proteins.These methods include the phylogenetic profile method,the ge-ne cluster method,Rosetta Stone,and the gene neighbor method.
Protein Structural Interactome MAP (PSIMAP) is a tool for viewing interactions among protein domains in terms of their structural families to analyze the large-scale patterns and evolution of interactomes among species.
STRING is a database of known and predicted protein-protein interactions.The interactions include direct (physical) and indirect (functional) associations; they are derived from four sources:genomic context; high-throughput experiments; coexpression; and previous
knowledge from databases and the scientific literature.STRING quantitatively integrates interaction data from these sources for,currently,373 organisms,and transfers information between these organisms where applicable.STRING uses orthology information from the COG database.
『叄』 請問在drugbank怎麼查詢葯物的DNA sequence信息
DrugBank資料庫是唯一將詳細的葯品數據（即化學、葯理學和制葯）與綜合葯物靶點信息（即序列、結構和作用通路）相結合的「生物信息學和化學信息學」資源。DrugBank由加拿大衛生研究院，亞伯達省創新-健康解決方案和代謝組學創新中心（TMIC）提供支持，該中心是國家資助的研究以及支持廣泛的尖端技術代謝組學研究的核心 。DrugBank資料庫查詢包含以下信息：葯品類型、葯品簡介、化學結構、葯品成分、臨床試驗、葯物靶點、酶、轉運體、載體、葯品圖片、批准情況、批準的處方葯、國外上市商品名、葯物相互作用、製造商、包裝商等。
用戶可以通過多種方式查詢DrugBank資料庫，最簡單方式就是使用普通文本對資料庫的所有欄位進行檢索，通過瀏覽選項可以以表格的形式瀏覽該資料庫的內容。Drug Card選項允許用戶查看特定葯物的所有信息。簡單文本查詢支持資料庫整個文本組件的一般文本查詢。點擊DrugBank導航面板右上方的瀏覽按鈕。
『肆』 drug-DNA是什麼意思
drug-DNA意思是：葯物與DNA
葯物與DNA的相互作用
DNA作為遺傳信息的載體，是葯物作用的主要靶 因為干擾轉錄的能力（基因表達和蛋白合成的 ）和DNA復制中的重要一步， 和分裂細胞的生長。後者是中央的發生和發病機制。有三個主要的葯物結合的不同方式。首先，通過對轉錄因子和聚合酶 控制。在這里， 葯物相互作用與DNA結合的蛋白質。其次，通過RNA與DNA雙螺旋 形成核酸三螺旋結構或RNA雜交 （序列特異性結合）暴露的DNA單鏈區域形成 DNA-RNA雜交可能幹擾轉錄。第三、 小芳香配體分子結合到DNA雙螺旋結構的 （我）插層間堆積的鹼基對的DNA，從而扭曲 主鏈構象和干擾DNA蛋白質相互作用 或（ii）的小溝結合劑。對 DNA骨幹後者引起的失真小。無論是通過非共價鍵相互作用。
『伍』 有從一個基因查詢和它與之相關的基因，疾病，葯物通路的資料庫嗎
額，我談一下個人的看法吧。首先，就已知的數據來講，可以上資料庫直接搜索相關的通路。都會有列出來的。但如果你想發現未知的通路，那就不是一蹴而就的事情了。首先你可以通過大數據分析，比如晶元或轉錄組測序，推測兩個蛋白有關系（正相關還是反相關），然後再通過westerblot，或qPCR進一步驗證。之後，還需要用免疫共沉澱，酵母雙雜交等確定兩者是否有直接的相互作用，還是說是通過microRNA間接作用等等。一條通路的完善，是需要大批研究者的努力，積少成多。
『陸』 核酸序列資料庫（genbank）和基因組資料庫（ensemble）的區別
核酸序列資料庫（genbank）和基因組資料庫（ensemble）的區別：
1、GenBank 是一個有來自於70,000多種生物的核苷酸序列的資料庫。每條紀錄都有編碼區（CDS）特徵的注釋，還包括氨基酸的翻譯。GenBank屬於一個序列資料庫的國際合作組織，包括EMBL和DDBJ。
2、Ensemble資料庫可為葯物研發提供超過167,000種生物活性化合物包括化學結構在內的必要信息。本資料庫利用用戶容易掌握的界面將數據、文本和圖象資料有機地結合起來，便於查詢。Ensemble可從葯品專利開始，再通過其臨床前和臨床研究資料，直至注冊信息、市場概況及其他方面的相關資料來跟蹤葯物。資料庫每月更新一次，每年增加約10,000 種新化合物。
『柒』 葯物作用會因人而異
有的人在頭痛時喜歡用泰諾（Tylenol，可緩解感冒造成的頭痛等症狀）緩解症狀，有的則喜歡直接用布洛芬（Advil，有抗炎、鎮痛、解熱的作用）鎮痛，這是因為多數人都對什麼葯對自己的什麼症狀療效好有自己的偏好。事實上，人體對葯物的差異性接受幾乎體現在所有的葯品上，所以同樣的葯物使用效果其實是因人而異的。
數十年來，醫務人員和科研人員都在致力於研究這些問題——為什麼相同劑量的同一葯物對有些人有效但對其他人無效？為什麼不同人對同種葯物所需的劑量不同？為什麼同樣的葯物對有些人有副作用，對另一些則沒有？結果發現，影響人對葯物的接受程度的因素有很多，比如人的年齡、腎臟功能、生活習慣（如是否吸煙等）以及同時期服用的其他葯物等。此外，這些研究都表明，先天的遺傳學因素（即基因）也是影響人對葯物的吸收、接受的重要因素之一。
基因影響葯物療效
研究人員相信，了解不同基因對葯物的接受差異將有助於醫務人員採取更個性化的療法來針對不同患者開出合適劑量和種類的葯物，並以此展開了"葯物遺傳學（pharmacogenetics，又稱遺傳病理學，是葯理學與遺傳學相結合的邊緣學科，研究遺傳因素對葯物代謝的影響）"研究，利用葯物遺傳學的檢查指導特定葯物的使用。
這種個性化的治療也是所謂"精準醫學（precision medicine）"的一個實例，是未來醫療衛生領域發展的重要組成部分。2015年，美國總統奧巴馬曾就啟動精準醫學的計劃在國情咨文演講中提到，這種技術可以讓人們治癒癌症和糖尿病等疾病的概率更大，也會為所有人帶去更健康的個性化醫療信息服務。
基因影響肝臟吸收能力
如今，研究人員最常檢測的是某些控制肝臟中的酶進行新陳代謝（即分解）基因的變異情況（也稱為多態性，polymorphisms，基因序列發生兩種或兩種以上的變異），因為這些基因的不同會影響肝臟酶對葯物的代謝以及葯物作用的發揮。
對於已經處於活性狀態的葯物（即葯物會引起身體的免疫反應），肝臟中的酶會分解它們，使其變為非活性狀態並能被身體排出。當肝臟中分解某種特定葯物的酶由於某種基因變異而不能正常工作時，身體就不能有效地把葯物轉化為非活性並排除，從而導致身體中的葯物含量過大，引發嚴重的副作用。
而對於另一些處於非活性狀態的葯物，身體需要通過肝臟代謝來使它們處於活性狀態以發揮葯效。因此，肝臟中負責代謝葯物的酶是至關重要的，如果基因變異使這些酶無法正常工作，這些葯物就無法被轉化為活性狀態，也無法起效。
肝臟酶分解葯物的差異導致不同的人需要不同劑量的同種葯物來達到相同的治療效果，也會造成一些葯物對某些人沒那麼有效。而這種基因變異造成的肝臟酶差異在人群中非常普遍，並且以不同的方式影響著什麼人該用哪種葯，用多少劑量。
利用基因變異選擇適合的葯物
醫務人員通常會檢測白血病兒童體內某種酶的基因變異情況，這種酶主要負責巰嘌呤類葯物（thiopurines）分解，巰嘌呤類活性葯物是常見的兒童白血病治療葯物。醫務人員會讓通過檢測的兒童（即酶分解能力正常）服用成年人正常使用劑量十分之一的巰嘌呤類葯物，以達到更有效的葯物分解效果，這是生活中根據基因變異差異決定活性葯物的不同用葯量的直接例子。
對於另一類需要在肝臟內轉化為活性的非活性葯物而言，基因變異差異意味著不同的人需要服用不同的葯物。以硫酸氫氯吡格雷（即波立維，Plavix）與氯吡格雷（clopidogrel）為例，它們都是在心臟病發作或氣囊血管成形術（balloon angioplasty，用來擴大狹窄的血管的治療程序）後用於防止血栓形成的葯物。兩種葯物都必須經過肝臟的代謝才能被轉化為活性狀態，但由於基因變異的不同，至少有25%到30%的人的肝臟酶無法完全將硫酸氫氯吡格雷轉化為活性狀態，因此這些人使用硫酸氫氯吡格雷預防心臟病或中風（通常與血管瘀堵有關）的效果會相對不佳。
美國佛羅里達大學（University of Florida）的研究人員在檢驗了一組在2012年進行過氣囊血管成形術和心臟支架的心臟病患者體內影響硫酸氫氯吡格雷代謝的基因後，建議他們使用其他葯物進行治療。追蹤研究發現，改換了葯物的患者出現心臟病發作或中風的次數明顯減少，死亡率也低於繼續使用硫酸氫氯吡格雷的患者。這項研究的結果進一步強調了正確利用不同的基因變異開展個性化護理方案對更好地治療疾病的意義和重要性。
與此同時，在癌症治療中類似的差異性檢驗也越來越多的被使用，不過這個領域的差異性強調針對不同的癌變腫瘤基因選擇不同的葯物。事實上，近年來被批准用於癌症治療的多數新葯也都是針對特定腫瘤的基因而開發的。
葯物遺傳學的發展方向
以上這些只是利用基因變異信息來指導葯物治療的幾個例子而已，目前，美國有超過100種葯物都在其產品標簽上標注了相關的葯物遺傳學信息。隨著時間的推移，越來越多的葯物將會被加入到基因資料庫中，以便醫務人員利用計算機演算法比照基因與葯物作用的關系並實施更具個性化的治療方案。
此外，以上的例子中，基因信息都是由某領域感興趣的實驗室針對某個特殊基因進行檢驗而獲得的。未來，研究人員希望將人類個體的完整基因組（約含30億個字母）記錄在案並終身保存，以便在使用涉及基因差異性的葯物時給出個性化的治療建議。這個資料庫的建立預計需要至少十年的時間，屆時，以基因差異性為指導的葯物種類和精準醫學的受益人數都有望增長。
相關文獻：
[1] U.S. Capitol, Washington, D.C. | Remarks by the President in State of the Union Address | January 20, 2015 | https://www.whitehouse.gov/the-press-office/2015/01/20/remarks-president-state-union-address-january-20-2015
[2] MV Relling, EE Gardner, WJ Sandborn, K Schmiegelow, C-H Pui, SW Yee, CM Stein, M Carrillo, WE Evans, and TE Klein | Clinical Pharmacogenetics Implementation Consortium Guidelines for Thiopurine Methyltransferase Genotype and Thiopurine Dosing | DOI: 10.1038/clpt.2010.320
[3] S A Scott1, K Sangkuhl, C M Stein, J-S Hulot, J L Mega, D M Roden, T E Klein, M S Sabatine, J A Johnson, and A R Shuldiner | Clinical Pharmacogenetics Implementation Consortium Guidelines for CYP2C19 Genotype and Clopidogrel Therapy: 2013 Update | DOI: 10.1038/clpt.2013.105
[4] Larisa H Cavallari; Oyunbileg Magvanjav; R.David Anderson; Yan Gong; Aniwaa Owusu-Obeng; Ben Kong; Teresa Vo; Jennifer N Ashton; Benjamin J Staley; Amanda R Elsey; Robert W Allan; Petr Starostik; Rhonda M Cooper-DeHoff; Kristin W Weitzel; Michael J Clare-Salzler; David R Nelson; Julie A Johnson | Quality of Care and Outcomes | Online ISSN: 1524-4539
（科學之家，譯審/編輯：ZH Cello）
『捌』 基因多態性對葯物作用的影響表現在哪些方面
1、代謝途徑、代謝酶及其母葯和代謝物的活性
（1）若母葯產生葯理作用，其主要代謝途徑由多態性代謝酶介導，生成的代謝無葯理活性。此時PMs降低，生物利用度下降，t1/2不變。例如美托洛爾主要經CYP2D6代謝失活。對於CYP2D6 PMs，劑量減少。
（2）若母葯和由多態性代謝酶產生的主要代謝物均有葯理活性。這樣在PMs和EMs中療效升高。例如普羅帕酮由CYP2D6代謝生成5-羥基普羅帕酮。
（3）若多態性代謝酶催化的代謝為次要途徑，主要葯理活性來自母葯，那麼在PMs和Ems中療效降低。如普萘洛爾的4-羥化部分經CYP2D6代謝。
（4）若多態性代謝酶介導的代謝途徑不是主要的，但該途徑生成的活性代謝物具有很強的葯理作用，這樣PMs的療效可能比Ems的療效高。例如Endoxifen和4-羥基-他莫西芬的葯理活性是他莫西芬的100倍。
2、個體間受體敏感性或數量的差異
（1）個體間受體敏感性或數量的差異可能完全掩蓋葯物代謝酶多態性引起葯效學差異。
（2）例如，β-受體阻滯劑普萘洛爾。
3、療效監測指標
（1）若葯物劑量課通過直接的臨床觀察和一些簡單的實驗室檢查而確定，或者有反應差異小的葯物可以替代，那麼進行相關的代謝酶表型或基因型測定意義不大。
（2）例如，對於普魯卡因胺，療效以及普魯卡因胺和N-乙醯普魯卡因胺的血清總濃度（治療血清濃度為10-30μg/ml）均可方便地監測到，因此無需用葯前測定相關代謝酶的表型或基因型。
4、治療指數及臨床應用劑量
（1）多態性引起的葯動學差異對於治療指數低的葯物尤為重要，反之對於治療指數高的葯物而言臨床意義則不夠突出。
（2）對於目前臨床應用劑量較小的一些老葯，多態性分型的意義不大。
5、其他因素
（1）葯物相互作用
（2）疾病對葯物代謝的影響
（3）多種酶的PM個體（罕見）等
『玖』 如何查找基因之間相互作用的資料庫
基因間的相互作用又稱上位性或基因間互作，考慮兩個基因位點A-a和B-b,上位性有四種類型,即純合基因型間的上位性、A位點純合基因型和B位點雜合基因型間的上位性（用ad表示）、A位點雜合基因型和B位點純合基因型間的上位性（用da表示）以及雜合基因型間的上位性（用dd表示）.
從代謝系統或基因的調控角度就比較好理解這個問題：任何基因的表達都需要一個表達系統，系統間的因子之間都存在著相互的作用。上游或下游因子的表達與否，劑量都會對當前基因有一定的反饋調控作用。
『拾』 轉錄測序中的nr，nt，swissprot，cog，kegg，go分別是什麼意思
NR庫屬於非冗餘蛋白序列資料庫，是NCBI官方的蛋白序列資料庫，數據來源於GenPept、SwissProt、PIR、PDF、PDB以及NCBI RefSeq，是默認的蛋白比對資料庫。
NT資料庫是美國國家生物技術信息中心NCBI官方的核酸序列資料庫，NT庫屬於非冗餘核酸序列資料庫,數據來源於GenBank、EMBL 以及 DDBJ，是NCBI默認的核酸blast比對資料庫。
SwissProt資料庫是檢查過的、手工注釋的蛋白資料庫，我們將Unigene注釋到SwissProt資料庫，以得到更加高質量的注釋結果。
COG (clusters of orthologous groups)主要是原核生物和單細胞真核生物的直系同源物，KOG(clusters of euKaryotic Orthologous Groups)資料庫包含了7個完整基因組的真核生物的直系同源家族蛋白, 構成每個 KOG 的蛋白集是被假定為來自於一個祖先蛋白，根據系統發生進行分類，一般COG指原核生物，KOG指真核生物，KOG與COG提供了相似的基因同源物的分類信息。
KEGG (Kyoto Encyclopedia of Genes and Genomes) 是處理基因組、生物通路、疾病、葯物和化學物質之間聯系的集成資料庫。 KEGG用於生物信息研究等，包括基因組，代謝組學等其他組學的數據分析，涵蓋了Drug Development(葯物開發)、 Cellular Processes(細胞過程)、 Environmental Information Processing(環境信息處理)、Genetic Information Processing(遺傳信息處理)、 Human Diseases(人類疾病), Metabolism(代謝)、 Organismal Systems(有機系統)等方面。
GO( Gene Ontology ): 基因本體。生物技術的發展迅速，數據越來越多，不同資料庫命名標准不統一，為了解決不同的生物學資料庫可能會使用不同的術語的問題，從而基因本體聯合會(Gene Onotology Consortium)開發GO來描述基因在分子、細胞和組織水平的功能體現。GO的基本描述單元是GO terms。GO主要包括三個分支: 生物過程(biological processes)、分子功能(molecular function)和細胞組成(cellular components)，用於描述基因產物的功能。GO中使用了is_a、part_of和regulates三種互作關系。