Catálogo

Todo lo que BioQ puede buscar

22 conjuntos de datos ya están disponibles, 10 se están indexando y 25 más esperan en nuestro archivo. Las nuevas capas se activan en cuanto superan la verificación contra su fuente.

22conjuntos de datos disponibles hoy
5.74Bregistros en la tabla más grande
10en indexación
16capas añadidas desde 2026-10-20

Conjuntos de datos disponibles

UniProt TrEMBL

UniProt Consortium (EMBL-EBI / SIB / PIR)

Disponible

Obtén cualquier entrada no revisada de UniProt por su número de acceso (la primera consulta puede tardar cerca de un minuto) o cuenta cuántas proteínas tiene un organismo.

149,430,635 entradas de proteínas de 215,741 organismos 40.6 GB en FASTA comprimido, leído in situ
/lookup/organism/whereis
Disponible desde 2026-10-20

UniProtKB/Swiss-Prot

UniProt Consortium (EMBL-EBI / SIB / PIR)

Disponible

Pega una secuencia de proteína y encuentra proteínas revisadas similares, con E-values y porcentaje de identidad.

575,748 secuencias de proteínas revisadas 93.8 MB en FASTA comprimido; índice de búsqueda de 2.94 GB
/search/search/result/whereis
Disponible desde 2026-10-21

MGnify protein database

EMBL-EBI (MGnify) · 2026_07

Disponible

Recupera cualquier proteína de MGnify (ID MGYP) y su secuencia, incluidas las que no están entre los representantes de clúster.

5,739,566,171 secuencias de proteínas de origen metagenómico 1.11 TB en Parquet, leído in situ
/lookup/whereis
Disponible desde 2026-10-20

MGnify cluster representatives (30% identity)

EMBL-EBI (MGnify) · 2026_07

Disponible

Busca proteínas metagenómicas representativas por ID; si no aparece, la consulta pasa al conjunto completo de MGnify en lugar de informar ausencia.

128,674,267 secuencias representativas de clústeres con varios miembros 14.2 GB en FASTA comprimido; almacén de consulta de 24.33 GB
/lookup/whereis
Disponible desde 2026-10-20

MGnify biome annotations

EMBL-EBI (MGnify); counts indexed by BioQ · 2026_07

Disponible

Pregunta cuántos clústeres de proteínas se encontraron en el suelo, el intestino humano o cualquier otro bioma, incluidos sus subbiomas.

1,661,142,385 clústeres de proteínas en 187 categorías de bioma tabla de origen comprimida de 20.8 GB
/biome
Disponible desde 2026-10-22

MGnify protein co-occurrence index

BioQ, built from EMBL-EBI MGnify · 2026_07

Disponible

Encuentra clústeres de proteínas presentes en los mismos ensamblajes metagenómicos que un clúster de interés, con sus hábitats.

5,739,566,171 registros proteína-ensamblaje índice de 26.17 GB
/cooccur/neighbourhood
Disponible desde 2026-10-20

MGnify gene neighbourhoods (contig positions)

BioQ, built from EMBL-EBI MGnify sequence metadata · 2026_07

Disponible

Descubre qué genes flanquean una proteína metagenómica en su cóntigo, con coordenadas, hebra y distancias entre genes.

177,896,636 posiciones de genes en cóntigos de 51,037 ensamblajes índice de 7.84 GB
/synteny
Disponible desde 2026-10-22

Pfam domain annotations of MGnify proteins

EMBL-EBI (MGnify, Pfam) · 2026_07

Disponible

Lista los dominios Pfam de una proteína metagenómica o todas las proteínas que contienen un dominio concreto, como PF00078.

2,985,942,516 proteínas con dominios; 4,616,539,559 pares proteína-dominio; 27,048 familias Pfam tabla de origen de 116.79 GB; índices de 18.47 GB + 9.55 GB
/domains/domain
Disponible desde 2026-10-21

Unannotated MGnify protein families

BioQ, built from EMBL-EBI MGnify · 2026_07

Disponible

Encuentra familias de proteínas grandes sin dominio conocido, filtra por bioma y tamaño, y consulta las familias anotadas con las que coaparecen.

5,890,193 clústeres con 5 o más miembros y sin dominio Pfam tabla de 1.33 GB (0.21 GB en versión compacta)
/unexplored/unexplored_with_known
Disponible desde 2026-10-20

Protein Data Bank (PDB)

wwPDB / RCSB PDB

Disponible

Obtén el método, la resolución, el título y la secuencia de cualquier entrada del PDB por su código de cuatro caracteres.

260,621 estructuras experimentales (181,708 con secuencia de proteína) archivo mmCIF de 92.62 GB; índice de metadatos de 0.13 GB
/structure/whereis
Disponible desde 2026-10-20

AlphaFold Protein Structure Database (Swiss-Prot set)

Google DeepMind / EMBL-EBI · v4

Disponible

Comprueba si una proteína de Swiss-Prot tiene un modelo de AlphaFold y qué confianza tiene la predicción.

542,378 modelos predichos con confianza por modelo (pLDDT) archivo de modelos de 28.24 GB
/structure
Disponible desde 2026-10-20

ChEMBL

EMBL-EBI · 37

Disponible

Lista los valores medidos de IC50, Ki, Kd o EC50 de un gen diana o un fármaco, sin mezclar clases de unidades y con el tipo de ensayo en cada fila.

5,113,551 mediciones de potencia y afinidad (IC50, Ki, EC50, Kd y afines) base de datos de origen de 30.5 GB
/affinity
Disponible desde 2026-10-21

DrugCentral

DrugCentral (University of New Mexico)

Disponible

Encuentra valores de actividad de fármacos aprobados frente a una diana, junto a los de ChEMBL y GtoPdb.

20,685 valores de actividad fármaco-diana tabla fármaco-diana de 0.96 MB
/affinity
Disponible desde 2026-10-21

IUPHAR/BPS Guide to Pharmacology (GtoPdb)

IUPHAR / BPS

Disponible

Consulta afinidades curadas por expertos de receptores, canales iónicos y enzimas por gen o ligando.

19,290 valores de afinidad ligando-diana curados (pKi, pKd, pIC50, pEC50) tabla de interacciones de 7.6 MB
/affinity
Disponible desde 2026-10-21

ClinVar

NCBI

Disponible

Lista las variantes de un gen o una ventana genómica, filtra las patogénicas y consulta el estado de revisión; las variantes inciertas nunca suben de categoría.

4,594,764 variantes con significado clínico y estado de revisión 200.4 MB en VCF comprimido
/variant/gene
Disponible desde 2026-10-20

STRING

STRING consortium · v12.0

Disponible

Lista los interactores conocidos y predichos de una proteína con la puntuación combinada de STRING, por nombre de proteína o, en humanos, por número de acceso de UniProt.

162,725,618 filas de interacción puntuadas (unos 81.4 millones de pares de proteínas) en 21 especies archivos de origen de 0.95 GB; índice de 1.19 GB
/interaction
Disponible desde 2026-10-22

BioGRID

BioGRID · 4.4.248

Disponible

Encuentra interacciones físicas y genéticas descritas experimentalmente para un gen, con el sistema experimental y el PubMed ID.

2,804,534 registros de interacción (1,917,989 físicas, 886,545 genéticas) 174.7 MB comprimido (1.50 GB sin comprimir)
/interaction
Disponible desde 2026-10-22

DepMap CRISPR gene effect

Broad Institute (DepMap) · 24Q4

Disponible

Pregunta qué linajes tumorales dependen de un gen, o de qué genes depende un linaje, con el contexto mutacional.

17,916 genes × 1,178 líneas celulares tumorales en 30 linajes (Chronos), más 70,738 mutaciones de alto impacto matriz de origen de 428.7 MB; índice de 0.10 GB
/depmap
Disponible desde 2026-10-22

DepMap expression and copy number

Broad Institute (DepMap) · 24Q4

Disponible

Compara la expresión o el número de copias de un gen entre líneas celulares tumorales y linajes.

Expresión: 19,193 genes × 1,673 líneas celulares; número de copias: 36,700 genes × 1,607 líneas celulares matrices de origen de 506.6 MB + 238.8 MB; índice de 0.45 GB
/omics
Disponible desde 2026-10-22

Human reference genome GRCh38

Genome Reference Consortium (Ensembl primary assembly) · GRCh38

Disponible

Lee la secuencia exacta de ADN de cualquier región del genoma humano, por ejemplo chr11:1000000-1000100.

194 secuencias, 3,099,750,718 bases 882 MB en FASTA comprimido
/dna
Disponible desde 2026-10-20

NCBI RefSeq genomes

NCBI

Disponible

Lee cualquier región de una secuencia RefSeq de arqueas, hongos, protistas, mitocondrias o virus por número de acceso y coordenadas.

546,296 secuencias, 36.82 mil millones de bases (arqueas, hongos, mitocondrias, protozoos, virus); servidas junto con el genoma de ratón como 544,891 números de acceso únicos 11.10 GB en FASTA comprimido; índice de coordenadas de 12.18 GB (compartido con el genoma de ratón)
/dna
Disponible desde 2026-10-22

Mouse reference genome GRCm39

Genome Reference Consortium (Ensembl) · GRCm39

Disponible

Lee la secuencia de ADN de cualquier región del genoma de ratón.

61 secuencias, 2,728,222,451 bases 806 MB en FASTA comprimido
/dna
Disponible desde 2026-10-22

Crece cada semana

Cada capa se activa solo después de responder a una pregunta real de respuesta conocida y de coincidir con su fuente.

Recién añadidas

BioQ abre al público en bioq.bio, con 20 de las 22 capas del motor operativas.

Las consultas de UniProt TrEMBL alcanzan cobertura completa: las 149,430,635 entradas.

La lectura de regiones de ADN se amplía a los genomas RefSeq del NCBI (arqueas, hongos, mitocondrias, protozoos, virus) y al genoma de ratón GRCm39.

Ya disponibles los vecindarios génicos en cóntigos de MGnify (177.9 millones de posiciones de genes).

Ya disponibles las consultas de dependencia génica, expresión y número de copias de DepMap 24Q4.

Ya disponibles las consultas de interacciones de STRING v12.0 y BioGRID 4.4.248.

Ya disponible la consulta de proteína a dominio para 2.99 mil millones de proteínas de MGnify.

Ya disponibles los recuentos por organismo en UniProt TrEMBL y por bioma en MGnify.

Ya disponible la búsqueda de afinidad de unión en ChEMBL 37, DrugCentral y GtoPdb (5.15 millones de mediciones).

Ya disponible la búsqueda por similitud de secuencia en UniProt Swiss-Prot.

Ya disponible la búsqueda de dominio a proteína en las anotaciones Pfam de las proteínas de MGnify.

Índice de coocurrencia de MGnify completado y en servicio: 5.74 mil millones de registros.

Ya disponibles la consulta de variantes de ClinVar y el catálogo de familias de proteínas sin anotar.

Ya disponible la lectura de regiones del genoma humano GRCh38.

Ya disponible la consulta de estructuras de PDB y AlphaFold.

Primer motor: consulta de proteínas y secuencias representativas de MGnify, y consulta de IDs de UniProt TrEMBL.

¿Necesitas un conjunto de datos que no tenemos?

Dinos qué necesitas. Las solicitudes de los equipos de investigación deciden qué indexamos después.

En indexación

Construidos total o parcialmente, pero aún sin responder. Cada uno se activa tras la verificación.

Genomics of Drug Sensitivity in Cancer (GDSC1 and GDSC2)

Wellcome Sanger Institute · 8.4 (fitted data dated 24 Jul 2022)

En indexación

Pregunta cuán sensibles son las líneas celulares tumorales a un fármaco (ln IC50 en uM, AUC), por conjunto de datos de GDSC.

575,197 curvas dosis-respuesta ajustadas en 978 líneas celulares y 542 fármacos archivos de origen de 2.99 GB
Disponible desde 2026-10-22

Exact-sequence index of MGnify representatives

BioQ, built from EMBL-EBI MGnify · 2026_07

En indexación

Comprueba si una secuencia de proteína exacta ya está entre los representantes de MGnify.

128,674,267 huellas de secuencia índice de 2.06 GB
Disponible desde 2026-10-22

Cross-kingdom protein search set

BioQ, from UniProt Swiss-Prot, Ensembl / Ensembl Genomes proteomes and MGnify

En indexación

Encuentra homólogos de una proteína en bacterias, arqueas, plantas, hongos y animales, más allá de Swiss-Prot.

unos 33.45 millones de secuencias de proteínas base de datos de búsqueda de 18.90 GB
Disponible desde 2026-10-20

UniRef90

UniProt Consortium (EMBL-EBI / SIB / PIR)

En indexación

Busca una secuencia de proteína en todo UniProt con una redundancia del 90%.

121,494,192 clústeres de secuencias al 90% de identidad 32.11 GB en FASTA comprimido; base de datos de búsqueda de 70.21 GB
Disponible desde 2026-10-20

ChEMBL 37 affinity extension

EMBL-EBI · 37

En indexación

Añade valores de unión de ChEMBL expresados en ug/mL (convertidos con el peso molecular de cada compuesto) y filas que ChEMBL marca como no estándar.

5,254,446 mediciones en el índice ampliado (100,920 más que el índice en servicio)
Disponible desde 2026-10-22

ChEMBL 37 molecule-target map

EMBL-EBI · 37

En indexación

Lista todas las dianas contra las que una molécula de ChEMBL tiene actividad, o todas las moléculas ensayadas en una diana.

14,341,736 vínculos molécula-diana (2,815,609 moléculas, 18,552 dianas) índice de 2.41 GB
Disponible desde 2026-10-20

InterPro-Pfam mapping

EMBL-EBI (InterPro)

En indexación

Convierte las coincidencias de dominios Pfam en entradas de InterPro con sus descripciones.

Entradas de InterPro asignadas a familias Pfam (recuento no registrado) índice de 0.02 GB (origen: XML de InterPro de 43.2 MB)
Disponible desde 2026-10-22

MGnify biome-to-cluster lists

BioQ, built from EMBL-EBI MGnify · 2026_07

En indexación

Devuelve la lista completa de IDs de clúster encontrados en un bioma, no solo una muestra.

compilación parcial 0.01 GB (parcial)
Disponible desde 2026-10-20

Protein language-model embeddings of Swiss-Prot (ESM-2, pilot)

BioQ, computed from UniProt Swiss-Prot with ESM-2 650M

En indexación

Encuentra homólogos remotos que la búsqueda por alineamiento no detecta, por similitud de embeddings.

575,748 secuencias × 1,280 dimensiones vectores de 1.47 GB
Disponible desde 2026-10-23

DepMap cell-line expression embedding (pilot)

BioQ, computed from DepMap 24Q4 expression · 24Q4

En indexación

Encuentra las líneas celulares tumorales cuyo perfil de expresión más se parece al de una línea dada.

1,673 líneas celulares × 50 dimensiones vectores de 167 KB
Disponible desde 2026-10-23

En nuestro archivo, los siguientes en la cola

Ya descargados y con checksum verificado. El orden de indexación sigue lo que piden los investigadores.

BindingDB

BindingDB · 202610

En archivo

Añadirá unos 1.59 millones de mediciones de unión ajenas a ChEMBL a las consultas de afinidad.

3,243,660 registros ligando-diana (Ki, IC50, Kd, EC50) 0.59 GB comprimido

LINCS L1000 (CMap)

LINCS / Broad Institute · GEO GSE92742 + GSE70138

En archivo

Aún no se puede buscar; permitiría preguntar qué compuestos revierten o imitan una firma de expresión.

591,697 firmas consenso (473,647 + 118,050) para 12,328 genes 94.07 GB

GTEx

GTEx Consortium · v10

En archivo

Aún no se puede buscar; respondería en qué parte del cuerpo sano se expresa un gen.

expresión de genes y transcritos, uniones de empalme y conjuntos de QTL en tejidos humanos 23.14 GB

TCGA pan-cancer RNA-seq (Toil/Xena)

NCI TCGA via UCSC Xena

En archivo

Aún no se puede buscar; compararía la expresión de un gen entre tipos tumorales.

matriz de expresión gen × muestra tumoral (RSEM, recuentos normalizados según HUGO) 0.94 GB comprimido

DepMap somatic mutations (full table)

Broad Institute (DepMap) · 24Q4

En archivo

Aún no se puede buscar en su totalidad; listaría todas las mutaciones de una línea celular o un gen.

718,369 filas de variantes × 70 columnas 339 MB

PRISM Repurposing screen

Broad Institute · 19Q4

En archivo

Aún no se puede buscar; mostraría qué líneas tumorales elimina un fármaco no oncológico.

matriz primaria de log-fold-change y parámetros secundarios de curvas dosis-respuesta 0.31 GB

Cancer Therapeutics Response Portal (CTRP)

Broad Institute · v1.0, v2.0, v2.1, v2.2

En archivo

Aún no se puede buscar; compararía la sensibilidad a fármacos con GDSC y PRISM.

cuatro versiones publicadas de sensibilidad de líneas celulares a moléculas pequeñas 0.62 GB

NCI-60 (DTP and CellMiner)

NCI Developmental Therapeutics Program

En archivo

Aún no se puede buscar; mostraría el patrón de actividad NCI-60 de un compuesto.

dosis-respuesta de inhibición del crecimiento, estructuras de compuestos y expresión de líneas celulares 1.75 GB

PubChem compound identifiers

NCBI

En archivo

Aún no se puede buscar; resolvería nombres y estructuras de compuestos a IDs de PubChem.

CID a InChIKey, SMILES, sinónimos, nombres IUPAC y patentes 27.24 GB

MGnify cluster representatives (90% identity)

EMBL-EBI (MGnify) · 2026_07

En archivo

Aún no se puede buscar por similitud de secuencia.

unos 1.66 mil millones de secuencias representativas 168.16 GB en FASTA comprimido

UniRef50

UniProt Consortium (EMBL-EBI / SIB / PIR)

En archivo

Aún no se puede buscar.

UniProt agrupado al 50% de identidad 8.78 GB en FASTA comprimido

Ensembl and Ensembl Genomes

EMBL-EBI (Ensembl) · Ensembl 116; Ensembl Genomes 63

En archivo

Aún no se puede buscar por separado (una parte alimenta el conjunto de búsqueda entre reinos que se está indexando).

conjuntos de péptidos de 1,881 organismos, más anotación de seis especies modelo 18.14 GB

ClinicalTrials.gov

U.S. National Library of Medicine

En archivo

Aún no se puede buscar; listaría los ensayos de un fármaco o una diana.

607,349 estudios registrados 2.17 GB

Open Targets (drug subset)

Open Targets

En archivo

Aún no se puede buscar; daría el mecanismo de acción de un fármaco.

moléculas de fármacos, mecanismos de acción y sondas químicas 7.2 MB

Tibetan Plateau microbial genomes (TPMC)

TPMC authors (Nature Communications, 2024)

En archivo

Aún no se puede buscar.

32,355 genomas ensamblados a partir de metagenomas 24.78 GB

Oral phage database (OPD)

China National GeneBank (CNGB)

En archivo

Aún no se puede buscar.

189,859 secuencias de fagos 2.34 GB

Chinese gut virome catalogue (cnGVC)

cnGVC authors (Zenodo record 14671177) · Zenodo 14671177

En archivo

Aún no se puede buscar.

93,462 genomas virales (vOTUs) 1.06 GB

NCBI RefSeq proteins

NCBI

En archivo

Aún no se puede buscar.

FASTA de proteínas de arqueas, hongos, mitocondrias, protozoos y virus 3.55 GB

GENCODE

GENCODE consortium · v47

En archivo

Aún no se puede buscar.

secuencias de transcritos humanos y el ensamblaje primario GRCh38 0.95 GB

Pfam-A HMM library

EMBL-EBI (InterPro / Pfam)

En archivo

Aún no se puede buscar.

HMM de perfil de las familias Pfam-A 0.42 GB

eggNOG orthology HMMs

eggNOG

En archivo

Aún no se puede buscar.

HMM de perfil de grupos ortólogos 2.97 GB

Human Protein Atlas

Human Protein Atlas

En archivo

Aún no se puede buscar.

tabla resumen a nivel de gen 7.5 MB

Cellosaurus

SIB Swiss Institute of Bioinformatics

En archivo

Aún no se puede buscar.

base de conocimiento completa de líneas celulares 122 MB

Gene Ontology and human GO annotations

Gene Ontology Consortium

En archivo

Aún no se puede buscar.

ontología GO basic y archivo de anotaciones GOA humanas 20 MB

Drug Repurposing Hub

Broad Institute · 2020-03-24

En archivo

Aún no se puede buscar.

tablas de anotación de fármacos y muestras 3.0 MB

Búscalo todo con una sola pregunta

Las cuentas gratuitas pueden consultar todos los conjuntos de datos disponibles, por pregunta, identificador, secuencia o API.

Empezar gratis