6月数据库汇总（截止6.21）（下）
写在前面
整个5-6月份发表了近100篇数据库文章。进一步去掉一些其他物种的以及植物方面的数据库。
这次的数据库我们分成了六个方面。(1) 疾病相关数据库；(2) DNA相关数据库；(3) RNA相关数据库；(4) 蛋白相关数据库；(5) 组学分析流程数据库；(6) 微生物和老鼠相关数据库；(7) 其他数据库。
由于这个月发表的数据库比较多，所以我们分上、中、下来介绍这些新发表的数据库。今天我们把剩下的两个部分的数据库蛋白数据库和组学分析流程数据库来介绍一下。
以下是所有这个月数据库的汇总，如果想要pdf格式的文件。可以直接后台回复:"2006"。
1. PINOT http://www.reading.ac.uk/bioinf/PINOT/PINOT_form.html
蛋白相互作用数据库：至于这个数据库和一些经典的STRING/BIOGREAD有什么区别，这个就可能需要再详细的看文章了。
2. RaacLogo http://bioinfor.imu.edu.cn/raaclogo
蛋白motif分析的在线软件
3. PPAI http://39.96.85.9/PPAI
蛋白质和适体预测数据库：通过输入目标蛋白/具体序列来预测其相互作用。
4. CapsNet-SSP http://www.csbg-jlu.info/CapsNet-SSP/
人类唾液分泌蛋白预测：通过输入蛋白的fa序列通过深度学习的算法来预测目标序列是不是唾液分泌蛋白。
5. TopMatch-web https://topmatch.services.came.sbg.ac.at
三维蛋白质和核酸链成对匹配数据库
6. mCSM-membrane http://biosig.unimelb.edu.au/mcsm_membrane
突变对跨膜蛋白稳定性的影响以及它们与疾病相关的可能性的数据库
7. PaCRISPR http://pacrispr.erc.monash.edu/
预测和可视化抗CRISPR蛋白数据库：通过输入fa序列来预测抗CRISPAR蛋白。
8. FATCAT 2.0 http://fatcat.godziklab.org/
蛋白结构预测数据库：利用新的算法来更好的预测蛋白结构的多样性。
9. SCLpred-EMS http://distilldeep.ucd.ie/SCLpred2/
蛋白质亚细胞定位：主要预测输入的蛋白是不是内膜系统和分泌途径的蛋白。
10. Leitmotif https://leitmotif.irb.hr
蛋白质motif检索数据库：通过输入目标蛋白序列以及想要检索的motif，查看目标蛋白是否存在motif。
11. ProCaff http://web.iitm.ac.in/bioinfo2/procaff/
蛋白质-碳水化合物复合物结合亲和力预测数据库
12. Scop3P https://iomics.ugent.be/scop3p
蛋白质磷酸化位点预测数据库
13. HomolWat http://lmc.uab.es/homolwat
G蛋白偶联受体内部水分子预测数据库：内部水分子在包括G蛋白偶联受体（GPCR）在内的膜蛋白的结构和功能中起着至关重要的作用。数据库使用从高分辨率结构获得的同源水分子模板进行建模，进而预测水分子在GPCR结构当中的位置。
这个模块提供了组学方面数据分析流程的在线数据库。这类的数据库，可以来分析一些组学方面的原始数据，但是对于分析的速度，这个就不好说了。
1. CSI NGS Portal https://csibioinfo.nus.edu.sg/csingsportal
NGS数据的在线分析平台：通过上传NGS的原始数据，来进行流程化分析。
2. CReSCENT https://crescent.cloud
单细胞测序分析平台：通过上传自己的单细胞测序数据，来进行一站式分析的数据库，同时数据库也提供了一些目前公开的单细胞测序的数据。如果想要使用某一个测序数据的话，倒是可以看一下这里有没有。
3. M2IA http://m2ia.met-bioinformatics.cn
4. NAguideR http://www.omicsolution.org/wukong/NAguideR/
蛋白组学数据缺失值处理数据库：在做蛋白质组的时候会遇到有缺失值的情况，这个时候就可以使用这个数据库来进行缺失值填补。
5. MetaFS https://idrblab.org/metafs/
蛋白质组差异表达分析数据库：通过上传原始的蛋白质组数据，多种方法来分析差异表达的蛋白。
6. piNET http://pinet-server.org
蛋白质组下游分析及可视化数据库：通过提交蛋白相关数据来进行注释以下游分析。
以上就是6月份发表的所有数据库了。总的来说，从目前发表的数据库来看，还是在mRNA方面以及蛋白方面相对来说多一些。数据库的发表其实也代表新的研究热点是什么，利用数据库的发表情况来寻找研究热点其实也是一种方式吧！