Your Good Partner in Biology Research

資源|腫瘤數(shù)據(jù)庫(kù)匯總(收藏級(jí))

日期:2019-08-22 09:44:20

\

 

現(xiàn)如今,隨著人們生活方式和環(huán)境的改變,惡性腫瘤已經(jīng)成為疾病死亡病因之一。 腫瘤在全球呈現(xiàn)發(fā)病率增高,以及發(fā)病年齡年輕化的趨勢(shì)。 2019年, A Cancer Journal For Clinicians 雜志發(fā)布了最新的數(shù)據(jù)。 該報(bào)告估計(jì), 2019年美國(guó)將有1,762,450例新的癌癥病例和606,888例與癌癥相關(guān)的死亡。

 

傳統(tǒng)化療是對(duì)抗癌癥的常見(jiàn)方法,但它會(huì)攻擊全身,造成不必要的副作用,如脫發(fā),惡心和疲勞。 靶向治療選擇性地殺死癌細(xì)胞而不影響健康組織。 靶向藥物開(kāi)發(fā)將成為治療癌癥的重要手段。

 

 

 

 

 

高通量檢測(cè)技術(shù)迅速發(fā)展,使得與腫瘤相關(guān)的組學(xué)數(shù)據(jù)迅速積累。 這些數(shù)據(jù)對(duì)于研究腫瘤的發(fā)生發(fā)展機(jī)制具有重要意義。 對(duì)數(shù)據(jù)的挖掘能夠確定許多與疾病有關(guān)的基因,為治療和發(fā)病機(jī)制的研究提供新的思路。 如何有效利用和存儲(chǔ)這些信息就顯得尤為重要。 腫瘤的生物信息學(xué)數(shù)據(jù)庫(kù) 的建立提供了有效的解決方案,對(duì)腫瘤基礎(chǔ)研究的發(fā)展、臨床治療水平的提高具有極大的推動(dòng)作用。

 

\

 

 


以下是小編為大家整理的一些腫瘤相關(guān)的數(shù)據(jù)庫(kù)分類和大致信息:
1.綜合性腫瘤數(shù)據(jù)庫(kù)
2.腫瘤基因組數(shù)據(jù)庫(kù)
3.腫瘤DNA甲基化數(shù)據(jù)庫(kù)
4.腫瘤轉(zhuǎn)錄組數(shù)據(jù)庫(kù)
5.腫瘤蛋白組數(shù)據(jù)庫(kù)
6.腫瘤相關(guān)基因的數(shù)據(jù)庫(kù)
7.腫瘤與藥物數(shù)據(jù)庫(kù)

 

 

 

 

綜合性腫瘤數(shù)據(jù)庫(kù)

 \

 

 

1.1 canEvolve [1]
canEvolve存儲(chǔ)的信息包括: 基因、microRNA (miRNA)和蛋白質(zhì)表達(dá)譜、多種癌癥類型的拷貝數(shù)變化(CNAs)以及蛋白質(zhì)-蛋白質(zhì)相互作用信息。

1.2 cBioPortal for Cancer Genomics(cBioPortal) [2]
cBioPortal for Cancer Genomics是一個(gè)癌癥基因組數(shù)據(jù)探索、可視化及分析平臺(tái),可用于多個(gè)癌癥基因組學(xué)數(shù)據(jù)集的交互式探索。
該數(shù)據(jù)庫(kù)可提供CNA、基因突變信息。 針對(duì)每個(gè)基因,它可給出多個(gè)信息,主要包括: 基因的CAN信息、基因突變?cè)跇颖局械姆植?、突變位點(diǎn)和頻率、共表達(dá)基因以及生存曲線等。 對(duì)于用戶提供的基因列表,還可生成互作網(wǎng)絡(luò)并提供已知的相互作用的藥物。
cBioPortal 在發(fā)現(xiàn)腫瘤相關(guān)突變、分析基因的生物學(xué)功能以及藥物選擇等方面的研究中具有重要推進(jìn)作用。
\
△ cBioPortal數(shù)據(jù)庫(kù)的主頁(yè)

1.3 Cancer Genome Anatomy Project(CGAP) [3]
CGAP網(wǎng)站 主要提供了cDNA克隆、文庫(kù)、基因表達(dá)、SNP以及基因組變異等信息。 CGAP收集的數(shù)據(jù)包括正常組織、前癌組織以及癌細(xì)胞的基因表達(dá)水平。

1.4 Cancer Genomics Hub (CGHub) [4]
CGHub 是美國(guó)國(guó)家癌癥研究所(NCI)測(cè)序項(xiàng)目的在線存儲(chǔ)庫(kù),其數(shù)據(jù)來(lái)源包括癌癥基因組圖譜(TCGA)、癌癥細(xì)胞系百科全書(shū)(CCLE)和產(chǎn)生有效治療(目標(biāo))項(xiàng)目的治療應(yīng)用研究(TARGET)3個(gè)國(guó)家癌癥協(xié)會(huì)項(xiàng)目,數(shù)據(jù)來(lái)自25種不同類型的癌癥。

1.5 Cancer Genome Work Bench (CGWB) [5]
CGWB 提供了一系列工具來(lái)挖掘、整合以及可視化TCGA等數(shù)據(jù)庫(kù)中的基因組和臨床數(shù)據(jù),它是第一個(gè)將臨床腫瘤突變譜與參考人類基因組整合在一起的計(jì)算平臺(tái)。 用戶可快速地比較患者臨床信息與基因組的變異及甲基化等。

1.6 Catalogue of Somatic Mutations inCancer (COSMIC) [6]
COSMIC 是世界上最大最全面的有關(guān)腫瘤的體細(xì)胞突變以及其影響的資源庫(kù)。 它主要提供多種腫瘤細(xì)胞基因組中的CNA、甲基化、基因融合、SNP及基因表達(dá)等信息。 這些突變信息是從科學(xué)文獻(xiàn)中手工整理的。
\

1.7 InternationalCancer Genome Consortium (ICGC) [7]
ICGC 的目標(biāo)是獲取包括膽道癌、膀胱癌、血癌等多達(dá)50種腫瘤及其亞型的基因組、轉(zhuǎn)錄組和表觀遺傳的全部信息。 這些數(shù)據(jù)可促進(jìn)癌癥的機(jī)理和治療研究。

1.8 The Cancer Genome Atlas (TCGA) [8]
TCGA 是由美國(guó)國(guó)立癌癥研究所(NCI)和國(guó)家人類基因組研究所資助,關(guān)注與癌癥的發(fā)生和發(fā)展相關(guān)的分子突變圖譜。
該數(shù)據(jù)庫(kù)主要對(duì)樣本進(jìn)行外顯子組和基因組測(cè)序分析,所提供的數(shù)據(jù)包括: 基因組拷貝數(shù)變化、表觀遺傳、基因表達(dá)譜、miRNA等。
\

1.9 UCSC Cancer Genomics Browser [9]
UCSCCancer Genomics Browser 是一個(gè)可以對(duì)癌癥基因組學(xué)和臨床數(shù)據(jù)進(jìn)行整合、可視化、分析的網(wǎng)絡(luò)分析工具。 它保存癌癥基因組及臨床數(shù)據(jù)并收集了樣本的多種信息,包括基因表達(dá)水平、CNA、通路信息等。 在UCSC的癌癥基因組瀏覽器中,可實(shí)現(xiàn)不同樣本以及癌癥類型之間的比較,分析基因組變異與表型之間的相關(guān)性。

 

 

 

 

腫瘤基因組數(shù)據(jù)庫(kù)

 

腫瘤細(xì)胞的基因組中都存在著大量的變異,主要包括染色體結(jié)構(gòu)的變異、CNA、基因融合以及SNP等。 拷貝數(shù)改變(CNAs)在很大程度上有助于癌癥發(fā)病機(jī)制和進(jìn)展。 腫瘤基因組數(shù)據(jù)庫(kù)匯總?cè)绫?所示。

 

 

\

2.1 ArrayMap [10]
ArrayMap 提供預(yù)處理過(guò)的腫瘤基因組芯片數(shù)據(jù)以及CNA圖譜。 在ArrayMap數(shù)據(jù)庫(kù)中,用戶可搜索自己感興趣的樣本,并在此基礎(chǔ)上分析感興趣的基因或基因組片段上的CNA; 用戶還可以比較兩個(gè)樣本之間的CNA的差異。

2.2 BioMuta [11]
BioMuta 數(shù)據(jù)庫(kù)存儲(chǔ)了癌癥細(xì)胞中基因的非同義單核苷酸變異,這些突變會(huì)影響基因的正常功能。 BioMuta中的數(shù)據(jù)來(lái)源于COSMIC、ClinVar、UniProtKB以及一些文獻(xiàn)中。 用戶可搜索感興趣的基因,獲得該基因在癌細(xì)胞中的突變位點(diǎn)及其分布頻率。
\

2.3 Cancer GEnome Mine (CanGEM) [12]
CanGEM 是一個(gè)公共的數(shù)據(jù)庫(kù),用于存儲(chǔ)定量微陣列數(shù)據(jù)和臨床腫瘤樣本數(shù)據(jù)。 它主要利用ArrayCGH芯片來(lái)發(fā)掘基因的拷貝數(shù)變異。

2.4 Cancer Genome Project (CGP) [13]
CGP提供了腫瘤中的CNA及基因型信息,該數(shù)據(jù)庫(kù)的主要目標(biāo)是利用人類基因組序列和高通量的突變檢測(cè)技術(shù)識(shí)別體細(xì)胞突變,進(jìn)而發(fā)現(xiàn)人類腫瘤發(fā)生過(guò)程中重要的基因。 該數(shù)據(jù)庫(kù)還提供了一些識(shí)別突變、CNA的軟件,如BioView、GRAFT等。
\

 

腫瘤DNA甲基化數(shù)據(jù)庫(kù)

 

 

DNA甲基化修飾是表觀遺傳學(xué)的一種重要形式,它調(diào)節(jié)基因的轉(zhuǎn)錄水平,對(duì)維持細(xì)胞的正常功能起著重要作用。 DNA甲基化模式的改變可能導(dǎo)致癌癥。 腫瘤DNA甲基化數(shù)據(jù)庫(kù)匯總?cè)绫?所示。

 

 

\

3.1 DiseaseMeth [15]  
DiseaseMeth 是一個(gè)人類疾病甲基化數(shù)據(jù)庫(kù),其重點(diǎn)是對(duì)各種疾病的DNA甲基化數(shù)據(jù)集進(jìn)行有效的存儲(chǔ)和統(tǒng)計(jì)分析。 它涉及的疾病包括癌癥、神經(jīng)發(fā)育和退行性疾病、自身免疫疾病等。 在DiseaseMeth中可以比較疾病與疾病之間、基因與基因之間以及疾病與基因之間的甲基化關(guān)系。
\


3.2 MENT [16]
MENT 數(shù)據(jù)庫(kù)收集和整合了來(lái)自GeneExpression Omnibus(GEO)和TCGA的DNA甲基化、基因表達(dá)水平數(shù)據(jù),同時(shí)將DNA甲基化和基因表達(dá)水平關(guān)聯(lián)起來(lái)。

3.3 MethHC[17]  
MethHC 是一個(gè)集成數(shù)據(jù)庫(kù),包含大量DNA甲基化數(shù)據(jù)和mRNA/microRNA在人類癌癥中的表達(dá)譜。 這些數(shù)據(jù)可以幫助研究人員確定表觀遺傳模式。

3.4 MethyCancer [18]  
該數(shù)據(jù)庫(kù)擁有來(lái)自公共資源的高度整合的DNA甲基化數(shù)據(jù)、癌癥相關(guān)基因、突變和癌癥信息,以及我們大規(guī)模測(cè)序得到的CpGIsland (CGI)克隆。 MethyCancer可用于研究DNA甲基化、基因表達(dá)與癌癥的相互作用。

 


除了上述針對(duì)癌癥基因組甲基化的數(shù)據(jù)庫(kù)外,還有一些數(shù)據(jù)庫(kù)搜集和整理更為廣泛的甲基化數(shù)據(jù),如MethDBNGSmethDB。

MethDB 是較早的DNA甲基化數(shù)據(jù)庫(kù),主要集中于環(huán)境因子對(duì)甲基化的影響;

NGSmethDB 基于高通量測(cè)序數(shù)據(jù),最近更新中還包含了SNP信息,以便后續(xù)分析。

 

腫瘤轉(zhuǎn)錄組數(shù)據(jù)庫(kù)

 

 

腫瘤細(xì)胞具有較強(qiáng)的生長(zhǎng)和繁殖能力,生命活動(dòng)旺盛,因此與正常細(xì)胞相比,基因的轉(zhuǎn)錄水平和模式也存在較大的差異。

 

 

\

4.1 ArrayExpress [19]
ArrayExpress 是基于微陣列和高通量測(cè)序(HTS)的功能基因組實(shí)驗(yàn)的主要知識(shí)庫(kù)之一。 ArrayExpress中的所有數(shù)據(jù)都以MAGE-TAB格式提供。

4.2 ChiTaRS [20]
ChiTaRS 數(shù)據(jù)庫(kù)包含嵌合轉(zhuǎn)錄本和RNA-Seq數(shù)據(jù)。 ChiTaRS嵌合轉(zhuǎn)錄本和RNA-Seq數(shù)據(jù)數(shù)據(jù)庫(kù)是由GenBank、ChimerDB、dbCRID、TICdb和其他用于人類、小鼠和蒼蠅的數(shù)據(jù)庫(kù)的表達(dá)序列標(biāo)記(ESTs)和mRNA識(shí)別的嵌合轉(zhuǎn)錄本集合。

4.3 Gene Expression Omnibus (GEO) [21]
GEO 是由美國(guó)國(guó)家生物技術(shù)信息中心(NCBI)建立的,其最初的目標(biāo)是作為一個(gè)公共存儲(chǔ)庫(kù),存儲(chǔ)主要由微陣列技術(shù)生成的高通量基因表達(dá)數(shù)據(jù)。 此外,該數(shù)據(jù)庫(kù)還包括比較基因組分析、描述基因組蛋白相互作用的染色質(zhì)免疫沉淀分析、非編碼RNA分析、SNP基因分型和基因組甲基化狀態(tài)分析。

4.4 miRCancer [22]
miRCancer 基于從文獻(xiàn)中提取的結(jié)果,提供了較為全面的miRNA集合以及它們?cè)诙喾N腫瘤中的表達(dá)情況。 所有miRNA的癌變關(guān)聯(lián)都是在自動(dòng)提取后手動(dòng)確認(rèn)的。

4.5 Oncomine [23]
Oncomine 主要提供癌癥轉(zhuǎn)錄組數(shù)據(jù)。 它可提供基因在腫瘤樣本和正常樣本間、腫瘤樣本和腫瘤樣本間、正常樣本和正常樣本間的差異表達(dá)、基因表達(dá)譜、共表達(dá)基因等信息。

4.6 OncomiRDB [24]
OncomiRDB 主要收集和注釋通過(guò)實(shí)驗(yàn)驗(yàn)證的對(duì)癌癥具有促進(jìn)或抑制作用的miRNA信息。 該數(shù)據(jù)庫(kù)的所有數(shù)據(jù)是通過(guò)人工收集和整理。

4.7 SomamiR [25]
SomamiR 數(shù)據(jù)庫(kù)集成了多種類型的數(shù)據(jù),用于研究體細(xì)胞和種系突變對(duì)癌癥中miRNA功能的影響。 該數(shù)據(jù)庫(kù)主要收集miRNA及其靶序列上的突變。 另外,數(shù)據(jù)庫(kù)還提供了存在miRNA靶序列體細(xì)胞突變與腫瘤相關(guān)的基因及其參與的通路。
\

 

 

 

 

腫瘤蛋白組數(shù)據(jù)庫(kù)

 

 

蛋白是生命活動(dòng)的主要承擔(dān)者,蛋白結(jié)構(gòu)變異、蛋白修飾的改變以及蛋白含量的變化等導(dǎo)致細(xì)胞的生長(zhǎng)和代謝變化是腫瘤發(fā)生的重要因素。

 

\

5.1 Cancer3D [26]
Cancer3D 數(shù)據(jù)庫(kù)整合了來(lái)自TCGA和CCLE的體細(xì)胞錯(cuò)義突變信息,在蛋白結(jié)構(gòu)水平上分析其對(duì)蛋白功能的影響。 該數(shù)據(jù)庫(kù)通過(guò)e-Driver和e-Drug兩種算法,幫助用戶分析突變的分布模式及其與藥物活性變化的關(guān)系。

5.2 CancerPPD [27]
CancerPPD 是一個(gè)抗癌肽(ACPs)和抗癌蛋白的儲(chǔ)存庫(kù),在設(shè)計(jì)基于肽的抗癌療法中非常有用。 在CancerPPD中,針對(duì)每個(gè)條目,都有其詳細(xì)的注釋信息,如肽的來(lái)源、肽的性質(zhì)、抗癌活性、N-和C-末端修飾、構(gòu)象等。 除了天然肽,CancerPPD還含有非天然的、經(jīng)過(guò)化學(xué)修飾的殘基肽和D-氨基酸。 CancerPPD還整合了一些基于web的工具,包括關(guān)鍵字搜索、數(shù)據(jù)瀏覽、序列和結(jié)構(gòu)相似性搜索。

5.3 Cancer Proteome Variation Database(CanProVar) [28]
CanProVar 數(shù)據(jù)庫(kù)整合了來(lái)自各種公共資源的蛋白質(zhì)序列變異信息,重點(diǎn)是癌癥相關(guān)的變異,CanProVar中的數(shù)據(jù)主要來(lái)源于TCGA、COSMIC、OMIM、HPI等數(shù)據(jù)庫(kù)以及一些文獻(xiàn)研究。 在該數(shù)據(jù)庫(kù)中,用戶可在網(wǎng)站中搜索特定蛋白或者某種腫瘤,獲取蛋白的突變情況,在結(jié)果頁(yè)面會(huì)給出蛋白的基本信息、GO注釋以及相關(guān)的研究文獻(xiàn)。

5.4 ClinicalProteomic Tumor Analysis Consortium (CPTAC) [29]  
CPTAC 整合了基因組和蛋白組的數(shù)據(jù),旨在識(shí)別和描述腫瘤組織和正常組織中的全部蛋白,發(fā)掘可作為腫瘤生物標(biāo)記的候選蛋白。

5.5 DbDEPC [30]
DbDEPC 是一個(gè)專門收集腫瘤樣本中出現(xiàn)的差異表達(dá)蛋白的數(shù)據(jù)庫(kù)。 在該數(shù)據(jù)庫(kù)中,你可以了解你所感興趣的蛋白質(zhì)是否在某些癌癥中發(fā)生了變化。

 

 

 

腫瘤相關(guān)基因數(shù)據(jù)庫(kù)

 

 

 

\

 

 

 

6.1 DriverDB
DriverDB 收集了來(lái)自TCGA、ICGC、TARGET等數(shù)據(jù)庫(kù)的大量exome-seq數(shù)據(jù),并根據(jù)不同方面提供突變信息的可視化。 這些可視化結(jié)果將有助于用戶快速了解驅(qū)動(dòng)基因之間的關(guān)系。
\

6.2 Networkof Cancer Genes (NCG) [31]  
癌癥基因網(wǎng)絡(luò)(NCG )致力于收集關(guān)于人工篩選的已知和候選癌癥基因的信息。 針對(duì)每個(gè)基因,用戶可獲得與該基因相關(guān)的功能和疾病注釋信息、突變信息、表達(dá)譜、miRNA及蛋白互作關(guān)系等,還可以可視化miRNA調(diào)控關(guān)系和蛋白互作網(wǎng)絡(luò)。

6.3 TP53MULTLoad [32]
TP53MULTLoad 是一個(gè)人工收集的有關(guān)TP53突變和突變體資源中心,包含了 UMDTP53 數(shù)據(jù)庫(kù)以及與 TP53 有關(guān)的信息。 它既可以作為一個(gè)容易操作的平面文件,也可以作為一個(gè)新的多平臺(tái)分析軟件,用于分析TP53突變的各個(gè)方面。

 

 

 

腫瘤與藥物數(shù)據(jù)庫(kù)

 

 

 

\

7.1 CancerDR[33]
耐藥性是腫瘤治療的一大障礙,藥物靶點(diǎn)突變是產(chǎn)生獲得性耐藥的主要原因之一。 對(duì)這些藥物靶點(diǎn)突變的充分了解將有助于設(shè)計(jì)有效的個(gè)性化治療。 CancerDR是一種針對(duì)癌癥治療的個(gè)性化藥物的嘗試。 CancerDR 收集了148種抗癌藥物以及它們?cè)?52種細(xì)胞系中的藥理狀況。

7.2 CancerResource [34]
CancerResource 通過(guò)文獻(xiàn)挖掘以及整合多種數(shù)據(jù)源的方式收集并發(fā)現(xiàn)了大量化合物及其靶點(diǎn)的信息。 通過(guò)CancerResource數(shù)據(jù)庫(kù),你可以得到包含化合物與靶標(biāo)的詳細(xì)信息、表達(dá)圖譜及相關(guān)數(shù)據(jù)來(lái)源鏈接等。
\

7.3 canSAR [35] 
canSAR 整合ArrayExpress、UniProt、COSMIC等11種數(shù)據(jù)源的數(shù)據(jù)。 它是一個(gè)支持癌癥轉(zhuǎn)化研究和藥物發(fā)現(xiàn)的公共癌癥綜合知識(shí)庫(kù)。 該數(shù)據(jù)庫(kù)包含了包括生物學(xué)、藥理學(xué)、化學(xué)、結(jié)構(gòu)生物學(xué)和蛋白質(zhì)相互作用網(wǎng)絡(luò)等多種類型的數(shù)據(jù)。

 

 

 

7.4 Genomics of Drug Sensitivity inCancer (GDSC) [36]
GDSC 是關(guān)于癌癥細(xì)胞藥物敏感性和藥物反應(yīng)分子標(biāo)記的數(shù)據(jù)庫(kù),GDSC提供了一個(gè)獨(dú)特的資源,結(jié)合了大的藥物敏感性和基因組數(shù)據(jù)集,以促進(jìn)發(fā)現(xiàn)新的治療生物標(biāo)志物的癌癥治療。 該數(shù)據(jù)庫(kù)中的癌基因組突變信息包括癌基因點(diǎn)突變、基因擴(kuò)增與丟失、組織類型以及表達(dá)譜等。

7.5 Platinum [37]  
Platinum 是一個(gè)廣泛收集耐藥性信息的數(shù)據(jù)庫(kù),是為了研究和理解錯(cuò)義突變對(duì)配體與蛋白質(zhì)組相互作用的影響而開(kāi)發(fā)的。 該數(shù)據(jù)庫(kù)包含超過(guò)1000種蛋白配體復(fù)合物的三維結(jié)構(gòu)突變,以及這些突變對(duì)其親和力的影響。 Platinum數(shù)據(jù)庫(kù)將蛋白質(zhì)結(jié)構(gòu)突變與配體的親和力關(guān)聯(lián)起來(lái),有助于研究由突變引起的疾病耐藥性。

 

 

 

參考文獻(xiàn)

[1] Samur M K, Yan Z, Wang X, et al. canEvolve: A Web Portal for Integrative Oncogenomics [J]. PLOS ONE, 2013, 8.

[2] Gao J, Aksoy B A, Dogrusoz U, et al. Integrative Analysis of Complex Cancer Genomics and Clinical Profiles Using the cBioPortal [J]. Science Signaling, 2013, 6(269): pl1-pl1.

[3] Strausberg R L, Buetow K H, Emmert-Buck M R, et al. The Cancer Genome Anatomy Project: building an annotated gene index [J]. Trends in Genetics Tig, 2000, 16(3): 103-106.

[4] Wilks C, Cline M S, Weiler E, et al. The Cancer Genomics Hub (CGHub): overcoming cancer through the power of torrential data [J]. Database, 2014.

[5] Zhang J, Finney R P, Rowe W, et al. Systematic analysis of genetic alterations in tumors using Cancer Genome WorkBench (CGWB) [J]. Genome Research, 2007, 17(7): 1111-1117.

[6] Forbes S A, Beare D, Gunasekaran P, et al. COSMIC: exploring the world’s knowledge of somatic mutations in human cancer [J]. Nucleic Acids Research, 2015, 43(D1): D805-D811.

[7] Banks R, LopezOtín, Carlos. International network of cancer genome projects [J]. Nature, 2010, 464(7291): 993-998.

[8] Chang K, Creighton C J, Davis C, et al. The Cancer Genome Atlas Pan-Cancer analysis project [J]. Nature Genetics, 2013, 45(10): 1113-1120.

[9] Benz S C, Craft B, Szeto C, et al. The UCSC Cancer Genomics Browser: update 2011 [J]. Nucleic Acids Research, 2013, 43(Database issue): 812-7.

[10] Cai H, Gupta S, Rath P, et al. ArrayMap 2014: An updated cancer genome resource [J]. Nucleic Acids Research, 2014, 43(D1).

[11] Wu T J, Shamsaddini A, Pan Y, et al. A framework for organizing cancer-related variations from existing databases, publications and NGS data using a High-performance Integrated Virtual Environment (HIVE) [J]. Database, 2014, 2014: bau022-bau022.

[12] Scheinin I, Myllykangas S, Borze I, et al. CanGEM: mining gene copy number changes in cancer [J]. Nucleic Acids Research, 2007, 36(Database): D830-D835.

[13] Cao Q, Zhou M, Wang X, et al. CaSNP: a database for interrogating copy number alterations of cancer genome from SNP array data [J]. Nucleic Acids Research, 2011, 39(Database issue): D968.

[14] Timms B. Cancer genome project to start [J]. European Journal of Cancer, 2000, 36(6): 687.

[15] Lv J, Liu H, Su J, et al. DiseaseMeth: a human disease methylation database [J]. Nucleic Acids Research, 2012, 40(Databaseissue): 1030-5.

[16] Baek S J, Yang S, Kang T W, et al. MENT: Methylation and expression database of normal and tumor tissues [J]. Gene, 2013, 518(1): 194-200.

[17] Huang W Y, Hsu S D, Huang H Y, et al. MethHC: a database of DNA methylation and gene expression in human cancer [J]. Nucleic Acids Research, 2015, 43(D1): D856-D861.

[18] He X, Chang S, Zhang J, et al. MethyCancer: the database of human DNA methylation and cancer [J]. Nucleic Acids Research, 2008, 36(Database issue): D836-841.

[19] Kolesnikov N, Hastings E, Keays M, et al. ArrayExpress update--simplifying data submissions [J]. Nucleic Acids Research, 2015, 43(D1): D1113-D1116.

[20] Frenkel-Morgenstern M, Gorohovski A, Vucenovic D, et al. ChiTaRS 2.1--an improved database of the chimeric transcripts and RNA-seq data with novel sense-antisense chimeric RNA transcripts [J]. Nucleic Acids Research, 2015, 43(D1): D68-D75.

[21] Barrett T, Troup D B, Wilhite S E, et al. NCBI GEO: archive for functional genomics data sets - 10years on [J]. Nucleic Acids Research, 2012, 39(D1).

[22] Xie B, Ding Q, Han H, et al. miRCancer: a microRNA-cancer association database constructed by text mining on literature [J]. Bioinformatics, 2013, 29(5): 638-644.

[23] Rhodes D R, Kalyana-Sundaram S, Mahavisno V, et al. Oncomine 3.0: Genes, Pathways, and Networks in a Collection of 18,000 Cancer Gene Expression Profiles [J]. Neoplasia, 2007, 9(2): 166-180.

[24] Wang D, Gu J, Wang T, et al. OncomiRDB: a database for the experimentally verified oncogenic and tumor-suppressive microRNAs [J]. Bioinformatics, 2014, 30(15): 2237-2238.

[25] Bhattacharya A, Ziebarth J D, Cui Y. SomamiR: A database for somatic mutations impacting microRNA function in cancer [J]. Nucleic Acids Research, 2012, 41(Database issue).

[26] Porta-Pardo E, Hrabe T, Godzik A. Cancer3D: understanding cancer mutations through protein structures [J]. Nucleic Acids Research, 2015, 43(D1): D968-D973.

[27] Tyagi A, Tuknait A, Anand P, et al. CancerPPD: a database of anticancer peptides and proteins [J]. Nucleic Acids Research, 2015, 43(D1): D837-D843.

[28] Li J, Duncan D T, Zhang B. CanProVar: a human cancer proteome variation database [J]. Human Mutation, 2010, 31(3): 219-228.

[29] Ellis M J, Gillette M, Carr S A, et al. Connecting genomic alterations to cancer biology with proteomics: The NCI clinical proteomic tumor analysis consortium [J]. Cancer Discovery, 2013, 3(10): 1108-1112.

[30] He Y, Zhang M, Ju Y, et al. dbDEPC 2.0: updated database of differentially expressed proteins in human cancers [J]. Nucleic Acids Research, 2012, 40(D1): D964-D971.

[31] An O, Pendino V, D’Antonio M, et al. NCG 4.0: the network of cancer genes in the era of massive mutational screenings of cancer genomes [J]. Database, 2014, 2014: bau015-bau015.

[32] Leroy B, Fournier J L, Ishioka C, et al. The TP53 website: an integrative resource centre for the TP53 mutation database and TP53 mutant analysis [J]. Nucleic Acids Research, 2013, 41(Database issue): D962.

[33] Kumar R, Chaudhary K, Gupta S, et al. CancerDR: Cancer Drug Resistance Database [J]. Scientific Reports, 2013, 3: 1445.

[34] Ahmed J, Meinel T, Dunkel M, et al. CancerResource: a comprehensive database of cancer-relevant proteins and compound interactions supported by experimental knowledge [J]. Nucleic Acids Research, 2011, 39(Database issue): 960-7.

[35] Bulusu K C, Tym J E, Coker E A, et al. canSAR: updated cancer research and drug discovery knowledgebase [J]. Nucleic Acids Research, 2014, 42(D1): D1040-D1047.

[36] Yang W, Soares J, Greninger P, et al. Genomics of Drug Sensitivity in Cancer (GDSC): a resource for therapeutic biomarker discovery in cancer cells [J]. Nucleic Acids Research, 2013, 41(Database issue): D955.

[37] Pires D E V, Blundell T L, Ascher D B. Platinum: A database of experimentally measured effects of mutations on structurally defined protein-ligand complexes [J]. Nucleic Acids Research, 2014, 43(D1).

 

 

腫瘤數(shù)據(jù)庫(kù)合輯(附網(wǎng)址)EXCEL免費(fèi)下載,

關(guān)注“武漢華美生物”官方微信,后臺(tái)回復(fù): “腫瘤數(shù)據(jù)庫(kù)”

  

—END—

——華美生物·讓科研變得有溫度! ——

 

●●●
收藏|高分SCI論文必備指南
收藏|15個(gè)論文必備網(wǎng)站匯總
資源|這幾個(gè)下載文獻(xiàn)資料的網(wǎng)站,非常強(qiáng)大!
工具|科研人都pick的小工具,計(jì)算3秒搞定!
Nature重磅: 獵殺癌細(xì)胞基因名單發(fā)布! 揭秘628個(gè)抗癌藥物靶點(diǎn)

必讀|神刊CA(IF=244.59)再次發(fā)文-2019美國(guó)癌癥數(shù)據(jù)速讀

必讀|影響因子排名第一(IF244.59)神刊CA-2018全球癌癥最新統(tǒng)計(jì)數(shù)據(jù)

必讀|WHO發(fā)布最新預(yù)防癡呆癥指南-如何早預(yù)防?

央視報(bào)道|華中地區(qū)首個(gè)膜蛋白諾貝爾獎(jiǎng)工作站落戶武漢華美生物

新品推介|高活性EGFR重組蛋白

新品推介|新興治療靶點(diǎn)BCMA