数据目录

BioQ 可检索的全部数据

目前已有 22 个数据集上线,10 个正在建立索引,另有 25 个在我们的存档中排队等候。新的数据层一旦通过与源数据的比对验证,即刻上线。

22目前已上线的数据集
5.74B最大数据表的记录数
10正在建立索引
162026-10-20 以来新增的数据层

已上线的数据集

UniProt TrEMBL

UniProt Consortium (EMBL-EBI / SIB / PIR)

已上线

按登录号获取任意未经审阅的 UniProt 条目(首次查询可能需要约一分钟),或统计某种生物的蛋白质数量。

149,430,635 个蛋白质条目,来自 215,741 种生物 40.6 GB 压缩 FASTA,原位读取
/lookup/organism/whereis
2026-10-20 起上线

UniProtKB/Swiss-Prot

UniProt Consortium (EMBL-EBI / SIB / PIR)

已上线

粘贴蛋白质序列,查找相似的已审阅蛋白质,并给出 E-value 和序列一致性百分比。

575,748 条已审阅蛋白质序列 93.8 MB 压缩 FASTA;2.94 GB 检索索引
/search/search/result/whereis
2026-10-21 起上线

MGnify protein database

EMBL-EBI (MGnify) · 2026_07

已上线

获取任意 MGnify 蛋白质(MGYP ID)及其序列,包括聚类代表序列以外的蛋白质。

5,739,566,171 条宏基因组来源的蛋白质序列 1.11 TB Parquet,原位读取
/lookup/whereis
2026-10-20 起上线

MGnify cluster representatives (30% identity)

EMBL-EBI (MGnify) · 2026_07

已上线

按 ID 查询宏基因组代表蛋白质;未命中时转查完整 MGnify 数据集,而不是直接报告不存在。

128,674,267 条多成员聚类的代表序列 14.2 GB 压缩 FASTA;24.33 GB 查询存储
/lookup/whereis
2026-10-20 起上线

MGnify biome annotations

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

已上线

查询在土壤、人体肠道或其他任一生物群系(含其子群系)中发现了多少蛋白质聚类。

1,661,142,385 个蛋白质聚类,覆盖 187 个生物群系类别 20.8 GB 压缩源数据表
/biome
2026-10-22 起上线

MGnify protein co-occurrence index

BioQ, built from EMBL-EBI MGnify · 2026_07

已上线

查找与目标聚类出现在相同宏基因组组装中的蛋白质聚类,并给出其生境。

5,739,566,171 条蛋白质–组装对应记录 26.17 GB 索引
/cooccur/neighbourhood
2026-10-20 起上线

MGnify gene neighbourhoods (contig positions)

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

已上线

查看宏基因组蛋白质所在重叠群(contig)上的相邻基因,包括坐标、链方向和间隔长度。

来自 51,037 个组装的重叠群上的 177,896,636 个基因定位 7.84 GB 索引
/synteny
2026-10-22 起上线

Pfam domain annotations of MGnify proteins

EMBL-EBI (MGnify, Pfam) · 2026_07

已上线

列出宏基因组蛋白质的 Pfam 结构域,或携带指定结构域(如 PF00078)的所有蛋白质。

2,985,942,516 个含结构域的蛋白质;4,616,539,559 个蛋白质–结构域对;27,048 个 Pfam 家族 116.79 GB 源数据表;18.47 GB + 9.55 GB 索引
/domains/domain
2026-10-21 起上线

Unannotated MGnify protein families

BioQ, built from EMBL-EBI MGnify · 2026_07

已上线

查找无已知结构域的大型蛋白质家族,按生物群系和规模筛选,并查看与其共现的已注释家族。

5,890,193 个含 5 个及以上成员且无 Pfam 结构域的聚类 1.33 GB 数据表(精简版 0.21 GB)
/unexplored/unexplored_with_known
2026-10-20 起上线

Protein Data Bank (PDB)

wwPDB / RCSB PDB

已上线

通过四字符代码获取任意 PDB 条目的实验方法、分辨率、标题和序列。

260,621 个实验结构(其中 181,708 个含蛋白质序列) 92.62 GB mmCIF 归档;0.13 GB 元数据索引
/structure/whereis
2026-10-20 起上线

AlphaFold Protein Structure Database (Swiss-Prot set)

Google DeepMind / EMBL-EBI · v4

已上线

查看某个 Swiss-Prot 蛋白质是否有 AlphaFold 模型及其预测置信度。

542,378 个预测模型,附各模型置信度(pLDDT) 28.24 GB 模型归档
/structure
2026-10-20 起上线

ChEMBL

EMBL-EBI · 37

已上线

列出靶标基因或药物的 IC50、Ki、Kd 或 EC50 实测值,不同单位类别分开呈现,每行标注测定类型。

5,113,551 条效价和亲和力测定值(IC50、Ki、EC50、Kd 及相关指标) 30.5 GB 源数据库
/affinity
2026-10-21 起上线

DrugCentral

DrugCentral (University of New Mexico)

已上线

查找已批准药物对某一靶标的活性值,并与 ChEMBL 和 GtoPdb 并列对照。

20,685 条药物–靶标活性值 0.96 MB 药物–靶标表
/affinity
2026-10-21 起上线

IUPHAR/BPS Guide to Pharmacology (GtoPdb)

IUPHAR / BPS

已上线

按基因或配体查看受体、离子通道和酶的专家审编亲和力数据。

19,290 条经审编的配体–靶标亲和力值(pKi、pKd、pIC50、pEC50) 7.6 MB 相互作用表
/affinity
2026-10-21 起上线

ClinVar

NCBI

已上线

列出某基因或基因组区间内的变异,筛选致病变异并查看审核状态;意义未明的变异绝不会被升级归类。

4,594,764 个变异,含临床意义和审核状态 200.4 MB 压缩 VCF
/variant/gene
2026-10-20 起上线

STRING

STRING consortium · v12.0

已上线

按蛋白质名称(人类蛋白也可用 UniProt 登录号)列出已知和预测的相互作用伙伴及 STRING 综合评分。

21 个物种的 162,725,618 行带评分的相互作用数据(约 8,140万 个蛋白质对) 0.95 GB 源文件;1.19 GB 索引
/interaction
2026-10-22 起上线

BioGRID

BioGRID · 4.4.248

已上线

查找某基因经实验报道的物理和遗传相互作用,附实验系统和 PubMed ID。

2,804,534 条相互作用记录(物理 1,917,989 条,遗传 886,545 条) 压缩后 174.7 MB(解压后 1.50 GB)
/interaction
2026-10-22 起上线

DepMap CRISPR gene effect

Broad Institute (DepMap) · 24Q4

已上线

查询哪些癌症谱系依赖某个基因,或某个谱系依赖哪些基因,并结合突变背景。

17,916 个基因 × 30 个谱系中的 1,178 个癌细胞系(Chronos),另含 70,738 个高影响突变 428.7 MB 源矩阵;0.10 GB 索引
/depmap
2026-10-22 起上线

DepMap expression and copy number

Broad Institute (DepMap) · 24Q4

已上线

比较某基因在不同癌细胞系和谱系中的表达量或拷贝数。

表达:19,193 个基因 × 1,673 个细胞系;拷贝数:36,700 个基因 × 1,607 个细胞系 506.6 MB + 238.8 MB 源矩阵;0.45 GB 索引
/omics
2026-10-22 起上线

Human reference genome GRCh38

Genome Reference Consortium (Ensembl primary assembly) · GRCh38

已上线

读取人类任意区域的精确 DNA 序列,例如 chr11:1000000-1000100。

194 条序列,3,099,750,718 个碱基 882 MB 压缩 FASTA
/dna
2026-10-20 起上线

NCBI RefSeq genomes

NCBI

已上线

按登录号和坐标读取古菌、真菌、原生生物、线粒体或病毒 RefSeq 序列的任意区域。

546,296 条序列,368.2亿 个碱基(古菌、真菌、线粒体、原生动物、病毒);与小鼠基因组合并提供,共 544,891 个唯一登录号 11.10 GB 压缩 FASTA;12.18 GB 坐标索引(与小鼠基因组共用)
/dna
2026-10-22 起上线

Mouse reference genome GRCm39

Genome Reference Consortium (Ensembl) · GRCm39

已上线

读取小鼠任意基因组区域的 DNA 序列。

61 条序列,2,728,222,451 个碱基 806 MB 压缩 FASTA
/dna
2026-10-22 起上线

每周都在增加

每个数据层都必须先答对一个答案已知的真实问题,并与源数据一致,才会上线。

最近新增

BioQ 在 bioq.bio 面向公众开放,22 个引擎层中已有 20 个可响应查询。

UniProt TrEMBL 查询实现全覆盖:全部 149,430,635 个条目。

DNA 区域读取扩展至 NCBI RefSeq 基因组(古菌、真菌、线粒体、原生动物、病毒)及小鼠基因组 GRCm39。

MGnify 重叠群基因邻域上线(1.78亿 个基因定位)。

DepMap 24Q4 基因依赖性、表达和拷贝数查询上线。

STRING v12.0 和 BioGRID 4.4.248 相互作用查询上线。

29.9亿 个 MGnify 蛋白质的蛋白质到结构域查询上线。

UniProt TrEMBL 按物种计数与 MGnify 生物群系计数上线。

覆盖 ChEMBL 37、DrugCentral 和 GtoPdb 的结合亲和力检索上线(515万 条测定值)。

UniProt Swiss-Prot 序列相似性检索上线。

基于 MGnify 蛋白质 Pfam 注释的结构域到蛋白质检索上线。

MGnify 共现索引构建完成并投入服务:57.4亿 条记录。

ClinVar 变异查询和未注释蛋白质家族目录上线。

人类基因组 GRCh38 区域读取上线。

PDB 和 AlphaFold 结构查询上线。

首个引擎:MGnify 蛋白质及代表序列查询,以及 UniProt TrEMBL ID 查询。

需要我们还没有的数据集?

告诉我们您需要什么。研究团队的请求决定我们下一步为哪些数据建立索引。

正在建立索引

已构建或部分构建,尚未开放查询。每一项都会在验证后上线。

Genomics of Drug Sensitivity in Cancer (GDSC1 and GDSC2)

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

建立索引中

按 GDSC 数据集查询癌细胞系对某药物的敏感性(ln IC50,单位 uM;AUC)。

575,197 条拟合剂量–反应曲线,涵盖 978 个细胞系和 542 种药物 2.99 GB 源文件
2026-10-22 起上线

Exact-sequence index of MGnify representatives

BioQ, built from EMBL-EBI MGnify · 2026_07

建立索引中

检查某条蛋白质序列是否已以完全相同的形式存在于 MGnify 代表序列中。

128,674,267 个序列指纹 2.06 GB 索引
2026-10-22 起上线

Cross-kingdom protein search set

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

建立索引中

在细菌、古菌、植物、真菌和动物中查找蛋白质的同源物,范围超出 Swiss-Prot。

约 3,345万 条蛋白质序列 18.90 GB 检索数据库
2026-10-20 起上线

UniRef90

UniProt Consortium (EMBL-EBI / SIB / PIR)

建立索引中

在 90% 去冗余的全部 UniProt 中检索蛋白质序列。

121,494,192 个 90% 一致性序列聚类 32.11 GB 压缩 FASTA;70.21 GB 检索数据库
2026-10-20 起上线

ChEMBL 37 affinity extension

EMBL-EBI · 37

建立索引中

新增以 ug/mL 报告的 ChEMBL 结合值(按各化合物分子量换算),以及被 ChEMBL 标记为非标准的记录。

扩展索引中的 5,254,446 条测定值(比在线版本多 100,920 条)
2026-10-22 起上线

ChEMBL 37 molecule-target map

EMBL-EBI · 37

建立索引中

列出某个 ChEMBL 分子具有活性的所有靶标,或在某靶标上测试过的所有分子。

14,341,736 条分子–靶标关联(2,815,609 个分子,18,552 个靶标) 2.41 GB 索引
2026-10-20 起上线

InterPro-Pfam mapping

EMBL-EBI (InterPro)

建立索引中

将 Pfam 结构域命中结果转换为 InterPro 条目及其描述。

映射到 Pfam 家族的 InterPro 条目(数量未记录) 0.02 GB 索引(43.2 MB InterPro XML 源文件)
2026-10-22 起上线

MGnify biome-to-cluster lists

BioQ, built from EMBL-EBI MGnify · 2026_07

建立索引中

返回某生物群系中发现的全部聚类 ID 列表,而不只是部分样本。

部分构建 0.01 GB(部分)
2026-10-20 起上线

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

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

建立索引中

通过嵌入相似度查找比对检索遗漏的远缘同源物。

575,748 条序列 × 1,280 维 1.47 GB 向量
2026-10-23 起上线

DepMap cell-line expression embedding (pilot)

BioQ, computed from DepMap 24Q4 expression · 24Q4

建立索引中

查找表达谱与指定细胞系最接近的癌细胞系。

1,673 个细胞系 × 50 维 167 KB 向量
2026-10-23 起上线

已在存档中,等待排期

均已下载并完成校验和核对。建立索引的顺序依研究人员的需求而定。

BindingDB

BindingDB · 202610

存档中

将为亲和力查询新增约 159万 条 ChEMBL 以外的结合测定值。

3,243,660 条配体–靶标记录(Ki、IC50、Kd、EC50) 0.59 GB(压缩)

LINCS L1000 (CMap)

LINCS / Broad Institute · GEO GSE92742 + GSE70138

存档中

暂不可检索;未来可查询哪些化合物能逆转或模拟某一表达特征。

591,697 个共识特征(473,647 + 118,050),覆盖 12,328 个基因 94.07 GB

GTEx

GTEx Consortium · v10

存档中

暂不可检索;未来可回答某基因在健康人体的哪些部位表达。

人体各组织的基因和转录本表达、剪接连接及 QTL 数据集 23.14 GB

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

NCI TCGA via UCSC Xena

存档中

暂不可检索;未来可比较某基因在不同肿瘤类型中的表达。

基因 × 肿瘤样本表达矩阵(RSEM,HUGO 标准化计数) 0.94 GB(压缩)

DepMap somatic mutations (full table)

Broad Institute (DepMap) · 24Q4

存档中

暂不可完整检索;未来可列出某细胞系或基因中的全部突变。

718,369 行变异 × 70 列 339 MB

PRISM Repurposing screen

Broad Institute · 19Q4

存档中

暂不可检索;未来可显示某种非肿瘤药物能杀伤哪些癌细胞系。

初筛 log 倍数变化矩阵及复筛剂量–反应曲线参数 0.31 GB

Cancer Therapeutics Response Portal (CTRP)

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

存档中

暂不可检索;未来可与 GDSC 和 PRISM 比较药物敏感性。

细胞系小分子敏感性数据的四个已发布版本 0.62 GB

NCI-60 (DTP and CellMiner)

NCI Developmental Therapeutics Program

存档中

暂不可检索;未来可显示某化合物的 NCI-60 活性谱。

生长抑制剂量–反应、化合物结构和细胞系表达数据 1.75 GB

PubChem compound identifiers

NCBI

存档中

暂不可检索;未来可把化合物名称和结构解析为 PubChem ID。

CID 对应的 InChIKey、SMILES、同义名、IUPAC 名称和专利 27.24 GB

MGnify cluster representatives (90% identity)

EMBL-EBI (MGnify) · 2026_07

存档中

暂不可按序列相似性检索。

约 16.6亿 条代表序列 168.16 GB 压缩 FASTA

UniRef50

UniProt Consortium (EMBL-EBI / SIB / PIR)

存档中

暂不可检索。

按 50% 一致性聚类的 UniProt 8.78 GB 压缩 FASTA

Ensembl and Ensembl Genomes

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

存档中

暂不可单独检索(部分数据已并入正在建索引的跨界检索集)。

1,881 种生物的肽序列集,另含六种模式物种的注释 18.14 GB

ClinicalTrials.gov

U.S. National Library of Medicine

存档中

暂不可检索;未来可列出某药物或靶标的临床试验。

607,349 项注册研究 2.17 GB

Open Targets (drug subset)

Open Targets

存档中

暂不可检索;未来可给出药物的作用机制。

药物分子、作用机制和化学探针 7.2 MB

Tibetan Plateau microbial genomes (TPMC)

TPMC authors (Nature Communications, 2024)

存档中

暂不可检索。

32,355 个宏基因组组装基因组 24.78 GB

Oral phage database (OPD)

China National GeneBank (CNGB)

存档中

暂不可检索。

189,859 条噬菌体序列 2.34 GB

Chinese gut virome catalogue (cnGVC)

cnGVC authors (Zenodo record 14671177) · Zenodo 14671177

存档中

暂不可检索。

93,462 个病毒基因组(vOTUs) 1.06 GB

NCBI RefSeq proteins

NCBI

存档中

暂不可检索。

古菌、真菌、线粒体、原生动物和病毒的蛋白质 FASTA 3.55 GB

GENCODE

GENCODE consortium · v47

存档中

暂不可检索。

人类转录本序列及 GRCh38 主组装 0.95 GB

Pfam-A HMM library

EMBL-EBI (InterPro / Pfam)

存档中

暂不可检索。

Pfam-A 家族的谱 HMM 0.42 GB

eggNOG orthology HMMs

eggNOG

存档中

暂不可检索。

直系同源群谱 HMM 2.97 GB

Human Protein Atlas

Human Protein Atlas

存档中

暂不可检索。

基因水平汇总表 7.5 MB

Cellosaurus

SIB Swiss Institute of Bioinformatics

存档中

暂不可检索。

完整的细胞系知识库 122 MB

Gene Ontology and human GO annotations

Gene Ontology Consortium

存档中

暂不可检索。

GO basic 本体及人类 GOA 注释文件 20 MB

Drug Repurposing Hub

Broad Institute · 2020-03-24

存档中

暂不可检索。

药物和样品注释表 3.0 MB

一个问题,检索全部

免费账户可通过提问、标识符、序列或 API 查询所有已上线的数据集。

免费开始