怎么使用ncbi的entrez检索工具

集成信息检索：ENTREZ系统编辑本段回目录检索服务器可以对有目标的检索记录，但它主要的缺陷在于一次只能从一个数据库中检索到记录；想对一批数据库进行检索的用户必须为每一个目标数据库分别发出一次申请。很明显，这些大量的公用数据库之间存在着逻辑联系。例如，MEDLINE中的一篇论文可能描述一个基因的序列，该基因又在GenBank中出现。其核苷酸序列所编码的蛋白质的序列又存放在蛋白质数据库中。这种蛋白质的三维结构可能又是已知的，结构的数据可能出现在结构数据库中。最后，基因可能定位在某条染色体的某个区域，这类信息存放在图谱数据库中。

在这些生物学上的联系的基础上开发了一种方法；可以通过它查询所有与某一特殊的生物学实体有关的所有信息，而不必按次序查询分立的数据库。这就是一个名为Entrez的分子检索系统。它由NCBI开发和维护，Entrez在所有的主要的数据库计算机平台上均可使用，允许对PubMed（MEDINE）的记录，核苷酸和蛋白质的序列数据，三维结构信息，图谱信息进行集成的访问。全部信息只需经过一次查询。Entrez能够通过数据库之间的两种类型联系：相近性和硬连接来提供集成的信息检索。

相近性

相近性联系着一个给定的数据库之内的记录。使用者在查看MEDLINE中某条记录时可以要求Entrez"找出所有类似的论文"，类似的，使用者在查看一个序列的同时可以要求Entrez"找出所有与这个序列类似的序列"。一个数据库之内的相近性关系是建立在对相似性的统计计算上的：

BLAST 序列数据可以用基本局部对比搜索工具（Basic Local Alignment Search Tool,即BLAST）相互比较。这个算法试图找到"高度匹配的片段对"（high-scoring segment pairs,简记为HSPs），即能够无缺口的对齐且达到一定的分数的成对的序列。

VAST 几套坐标数据之间的比较采用一种名为VAST的基于向量的算法。VAST即Vector Alignment Search Tool（Madej等，1995；Gibrat等，1996）。VAST的比较有三个步骤：

1第一，在坐标数据的基础上，标出所有的构成蛋白质的核心部分的α螺旋和β片层。然后根据这些二级结构单位的位置计算向量。以下的步骤使用这些向量来做对比而不是整个一套坐标。

2然后，算法试图最佳的匹配这些向量，寻找类型和相对方位相同的成对的结构单位，并且在这些单位之间还要有同样的连接方式。其目标在于识别高度相似的"核心结构"，这些成对结构的匹配性要比随机的选择蛋白质相互比较得到的高得多。

3最后，在每个残基位置上使用蒙特－卡洛方法对结构的排列进行优化。

使用这个方法有可能找到一些序列相似性不明显的蛋白质之间的结构上的关系（可能在功能上也有关系）。最后的对齐结果不一定是全局的，可能在不同的蛋白质的单独的结构域之间配对。

需要重点注意的是VAST不是确定结构相似性的最好办法，因为还可以利用三维坐标文件中的其它信息来做更进一步的修正，如考虑侧链的位置及侧链之间的相互作用的热力学特点。而把结构压缩成一列矢量必然会导致信息的丢失。然而，考虑到这个问题的数量级－即需要做的成对比较的次数－及采用更高级的方法所需要的计算能力和时间，VAST至少为结构相似性问题提供了一个简单和快速的答案。

NCBI的产生和发展是在美国和全球生物学高速发展，高通量数据急速产生，而缺乏有效的数据分析方法的背景下产生，起初它主要任务是数据的存储和查询。只不过其存储的数据大多以高通量数据为主，例如基因测序，基因组，SNP, 基因芯片,小分子化合物和GWAS数据等。这些数据的共享，极大地促进了生物信息学发展。

按照数据->样式->知识->智慧的发展模式，NCBI主要起到了一个为生物学家提供数据的角色。不过，NCBI目前也不断地在调整自己的角色。例如，生物医学文献。NCBI在从NLM继承过来的pubmed的基础，提供以PMC数据库为核心的全文文献服务。PubMed数据库应该是全球生物学家使用频率最高的数据库。NCBI最近对pubmed的改版，虽然没有实质性的改变，但其按照用户体验进行的修改，足见其对该数据库的重视。

另外，NCBI目前不断地在引入高学历生物学人才对其数据库的质量进行控制。以dbSNP为例，其正在通过与领域专家的合作将突变数据与人类表型数据进行关联。

总得来讲，NCBI的发展是与生物学高通量数据产生密切相关，它以经不在局限于提供数据存储与查询，其未来的发展必将发展为一个大型的、综合的知识库。到那时NCBI会不会免费，就要另当别论了。很显然没有人会将自己的手稿拱手让人。如果真有那么一天，不知道从中会产生多少专利和知识产权。

集成信息检索：ENTREZ系统编辑本段回目录检索服务器可以对有目标的检索记录，但它主要的缺陷在于一次只能从一个数据库中检索到记录；想对一批数据库进行检索的用户必须为每一个目标数据库分别发出一次申请。很明显，这些大量的公用数据库之间存在着逻辑联系。例如，MEDLINE中的一篇论文可能描述一个基因的序列，该基因又在GenBank中出现。其核苷酸序列所编码的蛋白质的序列又存放在蛋白质数据库中。这种蛋白质的三维结构可能又是已知的，结构的数据可能出现在结构数据库中。最后，基因可能定位在某条染色体的某个区域，这类信息存放在图谱数据库中。

在这些生物学上的联系的基础上开发了一种方法；可以通过它查询所有与某一特殊的生物学实体有关的所有信息，而不必按次序查询分立的数据库。这就是一个名为Entrez的分子检索系统。它由NCBI开发和维护，Entrez在所有的主要的数据库计算机平台上均可使用，允许对PubMed（MEDINE）的记录，核苷酸和蛋白质的序列数据，三维结构信息，图谱信息进行集成的访问。全部信息只需经过一次查询。Entrez能够通过数据库之间的两种类型联系：相近性和硬连接来提供集成的信息检索。

NCBI是National Center for Biotechnology Information的缩写，指美国国家生物技术信息中心，建立于1988年。NCBI的初衷是为了给分子生物学家提供一个信息储存和处理的系统，除了建有GenBank核酸序列数据库（该数据库的数据资源来自全球几大DNA数据库，其中包括日本DNA数据库DDBJ、欧洲分子生物学实验室数据库EMBL以及其它几个知名科研机构）之外，NCBI还可以提供众多功能强大的数据检索与分析工具。

Endnote

X2中左下角数据库栏，有个“PubMed(NLM)”

它里面提供远程的搜索，你用次库搜的结果一小部分是免费的。

是有些杂志为吸引读者继续读而故意免费的。

NCBI库很大，它不在Endnote

X2中，但是PubMed是NCBI中最大的一个免费量分支库。

换句话说，你用的PubMed搜的东西已经是NCBI免费的资料了。

楼主，切记，天下没有免费的午餐。。。。。

1、首先GEO数据库是个什么鬼呢？

GEO数据库全称GENE EXPRESSION

OMNIBUS，是由美国国立生物技术信息中心NCBI创建并维护的基因表达数据库。它创建于2000年，收录了世界各国研究机构提交的高通量基因表达数据，也就是说只要是目前已经发表的论文，论文中涉及到的基因表达检测的数据都可以通过这个数据库中找到。

2、那GEO数据库有哪些检索入口呢？

最常用的有两种方式，如果你知道GSE编号可以通过网址>

以上就是关于怎么使用ncbi的entrez检索工具全部的内容，包括:怎么使用ncbi的entrez检索工具、谁用过NCBI的CDD数据库、怎么利用ncbi的entrez检索核酸数据库获得登录号等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！