2014的检索资源.docVIP

NCBI网站的专利检索资源 吴永庆 张晓飞 1988年建立的美国国立生物技术信息中心（NCBI）是在美国国立卫生研究院（NIH）的国立医学图书馆（NLM）中的一个分支机构，其任务是发展新的信息学技术来帮助对那些控制健康和疾病的基本分子和遗传过程的理解。NCBI通过它的网站（/），提供了大量的生物信息学研究工具和数据库及相应的数据库检索系统。本文主要介绍其中的Genbank数据库和PubMed以及它们在生物、医药专利检索方面的应用。 一 Genbank GenBank是一个有着来自于70,000多种生物的核苷酸和氨基酸序列的数据库。它是国际核酸序列数据库合作组织的一部分，每天与欧洲的EMBL（European Molecular Biology Laboratory）和日本的DDBJ（DNA Data Bank of Japan）交换数据。尽管GenBank、DDBJ和EMBL之间的数据记录格式和搜索方式并不完全相同，但是序列的登录号（accession number）、序列数据以及对序列的注释内容都是一模一样的，因此只需检索这三个数据库之一即可。 1 GenBank的数据来源 GenBank的数据主要来源是作者直接提交的序列。现在大量科学期刊或研究基金都要求作者在发表前把所涉及的核酸序列或氨基酸序列向GenBank等数据库提交，因此通过对GenBank的检索一般能够找到发表在国外较大科学期刊上的序列。例如，《Science》杂志于2003年5月发表关于SARS基因测序的论文（Marco A. Marra,等. The Genome Sequence of the SARS-Associated Coronavirus，SCIENCE， 300：1399-1404）中的SARS全序列就于发表的同时登录于GenBank数据库。 GenBank数据的另一个来源是美国专利商标局（USPTO）公开专利中的序列信息。所以，如果知道明确的登录号，是可以找到美国公开专利中核酸和氨基酸序列的。 2检索入口 NCBI网站对访问GenBank、PubMed等数据库提供了大量的检索界面，如集成检索界面Entrez、PubMed检索界面、序列检索界面BLAST、在线人类孟德尔遗传OMIM以及书目、生物分类的检索界面。对于检索GenBank中的序列信息，一般只需要使用Entrez和BLAST检索即可。 Entrez Entrez是一个集成的检索界面，通过它可以访问NCBI网站上包括GenBank在内的大多数数据库。在Entrez界面。可以通过序列的登录号、作者名称、杂志名称、基因或蛋白质的名称、物种或更高的分类学名称来检索获得GenBank中的序列。 但是需要注意的是，由于当前生物技术发展一日千里，GenBank的记录量很多，而且正以每14个月翻一番的速度增加，所以除非知道序列的登录号，否则以基因、蛋白质或物种名称来检索会得到非常多的结果。因此在审查专利所需要的进行的检索中，尽量首先采用下位概念进行检索，然后再慢慢扩大检索词的范围，以避免过多的结果使检索后的阅读变得十分困难。 BLAST BLAST是GenBank中直接以基因或蛋白质序列进行检索的界面，因而常常用于生物领域专利审查的检索中。BLAST分两类，即针对核酸序列的检索和针对氨基酸序列的检索，检索时需要选择相应的检索界面。尽管NCBI网站上提供了多种基于不同算法的BLAST检索方式，如QBLAST（快速BLAST）、PSI-BLAST （位点特异迭代BLAST）、PHI-BLAST （模式发现迭代BLAST）等，但是对于专利审查中的新颖性、创造性检索来说，不同的算法之间结果差异不大，只是检索的速度有所区别，而且专利检索中一般也不需要对基因组进行处理，完全可以使用QBLAST进行检索。 进入检索界面后，只需要输入相应的序列即可对GenBank中的信息进行检索了。输入的序列可以有空格、换行符、数字等，检索系统会自动忽略这些内容；但需注意在检索氨基酸序列时，氨基酸序列只能使用一字码（现已有将申请人提交的三字码格式的电子文件转化为一字码格式的VBA小程序了）。BLAST检索的参数可以使用系统默认的，因为对于同源性大于80%的序列来说，这些参数的改变不会影响检索到的序列根据同源性大小排序的次序。 BLAST序列检索的最大局限性在于无法有效检索短序列，如国际专利分类号C07K5、C07K7、C07K11下的多肽和用作引物的核酸等。这是由BLAST算法决定的，由于置信率与序列长度有关，短序列的置信率很低，导致检索的结果太多而溢出，所以检索系统一般都会终止短序列的检索过程并报错，即使一些稍长的序列能勉强进行检索，也会由于结果太多而为接下来的阅读带来困难。 3 GenBank数据库的主