TFDB
定义
TFDB是英文Transcription Factor DataBase的缩写,意为转录因子数据库,属于专门收录转录因子相关信息的生物信息学资源[1]。转录因子是一类能够与DNA特定序列结合、从而激活或抑制下游靶基因转录的蛋白质,是基因表达调控的关键环节[5]。
在原始用法中,TFDB特指20世纪90年代中期由日本研究者建立并维护的一个具体数据库,它接续了美国国家生物技术信息中心(NCBI)中止更新的TFD,重点保留和扩充转录因子DNA结合序列方面的数据[2]。在更宽泛的用法中,TFDB也用作一类数据库的统称,这类资源通常同时提供转录因子的分类、注释模型以及对其DNA结合特异性的描述,兼具描述与预测两种用途[6]。
原理
TFDB这类数据库的核心是把文献中分散报道的转录因子信息结构化。每个条目通常包含因子标识、因子名称、因子结合的DNA序列(结合位点)、原始文献出处以及文献数据库中的编号等字段,使研究者可以按因子或序列进行检索[7]。
早期TFDB建立在SYBASE System 11数据库系统之上,并配套开发了维护系统。该系统由文献检索、信息抽取和数据登记3个子系统组成:检索子系统从文献摘要库中筛选与转录因子相关的文献,抽取子系统用脚本从摘要中识别因子名称与结合序列的候选,登记子系统则通过网页界面由专业人员人工审读、确认后写入数据库[7][8]。
为保证数据质量,维护团队还制定了登记共识,要求摘要中同时出现该因子被描述为转录因子、被描述为调控某基因转录、以及给出其结合序列这3项条件,才会被收录[9]。检索环节采用基于文本相似度的向量空间模型,结合关键词打分排序,优先处理每年得分较高的一批摘要[8][9]。
发展历程
TFDB的前身是转录因子数据库TFD,由NCBI的David Ghosh从1990年前后开始维护,该库聚焦转录因子及其各项属性,收录规模逐年增长[10][11]。TFD由克隆、结构域、因子、多肽、结合位点、方法、参考文献等多张数据表构成,1993年8月发布的第7.2版中,位点表包含2155条记录,因子表包含523条记录[12]。
NCBI于1993年停止更新TFD后,仍不断有研究者提出更新需求。日本的研究团队遂以TFD的位点表数据为起点,建立了新的数据库TFDB,并明确以阐明转录调控机制为最终目标[10]。同一时期,该团队还建立了人类突变数据库HMDB,两者均处于起步阶段[12]。
1996年至1999年间,该团队陆续报道了TFDB的建立与管理、TFDB维护系统的构建及其运行情况,并着手开发基于万维网的检索界面和结合位点预测功能[2][8][9]。以1990年的文献为例,团队从265249篇摘要中筛出得分最高的2200篇,分析显示其中约5.5%含有带结合序列的新数据[9]。
进入21世纪后,TFDB这一缩写被多个物种或类群专用的转录因子数据库沿用。动物转录因子数据库AnimalTFDB于2012年发表,此后相继更新至2.0、3.0和4.0版[13][3]。植物方面则有植物转录因子数据库PlantTFDB,其5.0版已并入植物转录调控数据与分析平台PlantRegMap[14]。2025年前后,华东理工大学的研究团队又报道了放线菌转录因子数据库Actinobacteria TFDB[4]。
应用
TFDB的首要用途是支持转录调控机制的研究。研究者可以检索特定转录因子,获取其名称、结合序列和文献来源,并据此在待分析的启动子或DNA序列中寻找可能的结合位点。早期团队还提供邮件服务器,用户提交DNA序列后可查询库中是否存在相应转录因子的靶序列[2]。
后续的物种专用数据库进一步扩展了功能。AnimalTFDB对全基因组范围的转录因子、转录辅因子和染色质重塑因子进行分类与注释,提供基因结构、功能结构域、基因本体、通路、蛋白互作、同源基因等注释,并内置序列比对、BLAST检索和转录因子预测工具[15]。其4.0版覆盖183个动物基因组,预测出274633个转录因子基因和150726个转录辅因子基因,并增加了癌症相关变异等注释[16]。
Actinobacteria TFDB整合了25个代表性物种的629个转录因子,涵盖靶基因、配体和翻译后修饰信息,支持按转录因子、配体或物种检索,并可与蛋白质序列数据库和结构数据库建立链接,应用方向包括沉默生物合成基因簇的激活和调控网络的反向工程[4]。
局限
TFDB的数据可靠性在很大程度上依赖人工审读。早期维护流程中,从文献摘要抽取的因子名称和结合序列只是候选,必须由具备转录调控专业知识的研究人员确认后才能入库,这意味着收录速度受人力限制[7][9]。
信息抽取主要针对文献摘要而非全文,只有在摘要中明确写明因子为转录因子、调控某基因转录并给出结合序列时才会被登记,因此摘要写作不规范的研究成果可能被遗漏[9]。早期TFDB维护系统建立时,其性能尚未经过系统分析,团队也把提升系统性能列为后续工作[7]。
各类TFDB普遍受限于所依据的基因组与文献数据的完整性。放线菌转录因子数据库的维护者指出,尽管高通量方法已有进展,放线菌的调控数据仍较为分散,后续计划纳入更多基因组、结合位点分析和网络可视化功能[4]。数据库中的结合位点预测结果也属于计算推断,需结合实验证据判断[17]。
参见
-
AnimalTFDB —— 覆盖多个动物基因组的转录因子数据库,是TFDB缩写在动物研究中的延伸。
-
PlantTFDB —— 面向植物的转录因子数据库,现并入植物转录调控平台。
-
转录因子 —— TFDB收录和注释的核心对象。
-
NCBI —— 早期转录因子数据库TFD的维护机构。
-
生物信息学数据库 —— TFDB所属的资源类别。
参考资料
- GIW96P27 [引用日期2026-10-29]
- jst.go.jp 上的网页 [引用日期2026-10-29]
- Database Commons a catalog of worldwide biological databases [引用日期2026-10-29]
- eurekalert.org 上的网页 [引用日期2026-10-29]
- OpenLB Open Library of Bioscience [引用日期2026-10-29]
- Transcription factor databases [引用日期2026-10-29]
- GIW97P20(PDF) [引用日期2026-10-29]
- GIW98P38(PDF) [引用日期2026-10-29]
- Maintenance of Transcription Factor DataBase TFDB [引用日期2026-10-29]
- GIW96P27(PDF) [引用日期2026-10-29]
- oup.com 上的网页 [引用日期2026-10-29]
- jst.go.jp 上的网页 [引用日期2026-10-29]
- article [引用日期2026-10-29]
- 《实用生物信息技术》 [引用日期2026-10-29]
- AnimalTFDB [引用日期2026-10-29]
- citations [引用日期2026-10-29]
- For beginners [引用日期2026-10-29]