BIOinformación para BIOtecnología

 BIOinformación para investigación y práctica digital en BIOtecnología

Recientemente hemos recibido un buen número de estudiantes de biotecnología  interesados en realizar su servicio social, su práctica profesional o su tesis en el laboratorio de BIOinformación.

La biotecnología investiga e innova en las aplicaciones técnicas de la biología (Ng & Peh, 2010) es un campo de investigación en evolución que cubre una amplia gama de temas (Yeung et.al., 2019). Para investigar y practicar la biotecnología es indispensable tener habilidades básicas y de conocer los conceptos, teorías y métodos asociados a la bioinformación es necesario aprender competencias como la planeación y la recuperación de bibliografía de manera adecuada, es deseable identificar las principales características de la literatura especializada, conocer los recursos digitales disponibles y adecuados para manejar la literatura (Bauer, 2009), utilizar correctamente las colecciones bibliográficas, gestionar su biblioteca digital (Hull et al., 2008), manejar biodatos, conocer los metadatos,  usar pertinentemente y reconocer los indicadores cienciométricos (Hicks, 2015) más utilizados en el manejo de información, por mencionar los más notables.

Nosotros estamos interesados en entender el ciclo, la estructura y las tendencias de las distintas dimensiones de la información especializada en biociencias, desde los biodatos, la bioliteratura y hasta el bioconocimiento disponible en la Web que es procesable por humanos (lenguaje natural) y mediante tecnologías computaciones (lenguaje máquina). Nos interesan tanto las herramientas sencillas y amigables como las complejas y sofisticadas.

Todos tenemos, generamos y utilizamos información de manera inevitable en la vida cotidiana (Gleik, 2012), pero los científicos además la utilizan como insumo y producto, como medio de comunicación, como evidencia, como objeto de estudio y como herramienta de evaluación (Greenfield & Greener, 2016). Así, la información científica digital es inmensa, diversa y evoluciona constante y exponencialmente (Reuser, 2013). Está sistematizada generalmente en bases de datos, por lo que manejarla en un entorno electrónico es una habilidad indispensable para los científicos del siglo XXI (Landhuis, 2016). La generación, sistematización, análisis y aprovechamiento de la información científica es ubicua, indispensable, estratégica, y sobre todo una tendencia actual en cualquier disciplina científica (Farsexample, 2019). La información generada formalmente por los científicos en su mayoría consta de articulos y datos, los que constituyen el sustento de la ciencia, por ejemplo para biología algunas de la colecciones que permiten dimensionar la cantidad de información existente están en sistemas de información especializada como Taxonomy nodes de PubMed  (NCBI), GenBank and WGS Statistics, Medline  y el Sistema de Integrado de Información Taxonómica. 

El manejo de información científica es la especialidad encargada de investigar, difundir, enseñar y aplicar las teorías, métodos, conceptos, enfoques, herramientas y aplicaciones computacionales relacionadas con gestionar la información insumo y producto de la investigación como un recurso valioso. Implica la planeación, el desarrollo y la ejecución de diseños, arquitecturas, políticas, prácticas y procedimientos para procesar apropiadamente todas las necesidades del ciclo de la información de un individuo, grupo o institución. Es una habilidad indispensable para los científicos expertos y en formación, que debe aprenderse a un nivel de alfabetización desde la educación básica (Yarden et.al., 2001) y media superior (Kararo & McCartney, 2019), especializarse durante la educación superior, a un nivel de literacidad, dominarlo durante los estudios de posgrado, para mantenerse actualizado y vigente durante toda la vida activa de un científico.

El manejo de información en biotecnología se refiere comúnmente a tres entidades: la información en general, la literatura y los datos. para los tres casos las estrategias de búsqueda mas útiles son siete:

Nombre	Descripción breve
1. Uso de tesauros y ontologías	Realizar búsquedas utilizando términos controlados provenientes de los vocabularios asociados a la base de datos
2. Documentos Relacionados	Centrar la búsqueda en los documentos relacionados obtenidos a través de una consulta
3. En revistas y autores seleccionados	Está búsqueda se enfoca en todo lo producido por uno o varios autores o revistas predefinidos
4. Relevancia	Buscar en los documentos más relevantes con base en el algoritmo que utiliza la base de datos
5. Revisiones	Consta de explorar las revisiones de literatura
6.Valoración de los usuarios	Implica navegar en los indicadores bibliométricos y altimétricos como factor de impacto, número de citas, menciones en redes sociales, cantidad de descargas, etc... para seleccionar y encontrar más literatura
7. Examinar  referencias, citas y relacionados	Se seleccionan documentos relevantes y para cada uno se examinan todas las referencias, los documentos citantes y los documentos relacionados. Cuando se localiza algún documento de interés en ese conjunto, se selecciona y se repite el procedimiento sucesivamente. El proceso finaliza en el momento en el que se carece de nuevos documentos de interés.

La recuperación de bioinformación es un proceso ubicuo y obligado en el desarrollo de la investigación científica, está compuesto por varias actividades orientadas a localizar información que responda a una necesidad informativa previamente planteada y definida claramente, entre los que están el diseño del anteproyecto, la ejecución de la investigación, el reporte de los resultados y la difusión de nuevos conocimientos por medio  de los artículos científicos (Sparrow et.al., 2011). Es un proceso que requiere cantidad de tiempo, recursos y esfuerzo considerable porque es la protagonista en la investigación documental, la explotación de los recursos informativos de las universidades e instituciones de investigación, el desarrollo de la capacidad de análisis y síntesis, el uso de fuentes certificadas y el uso de las tecnologías de la información y comunicación actualmente disponibles de forma masiva (Cruz, 2019). Tal es el caso de las revisiones de literatura como Ashley & Roach, 1990 y Teillard-D'eyry et al., 2015, revisiones sistemáticas como Warren et.al., 2017 y Mendoca-Melo et al., 2019, meta-análisis como Pellegrino et al., 2018 y Beckmann et al., 2019 y análisis métricos (cienciometría o bibliometría) como Dalpé, 2002 y Ali & Kumari, 2018 en los que se recupera bibliografía especializada para realizar diversos análisis de literatura tanto en biotecnología como en biodiversidad.

Además, existen cientos de herramientas (ver https://start.me/p/q6x7Nn/infovestigacion), en especial las bases de datos. Una base de datos digital es un conjunto estructurado de información almacenada electrónicamente en un programa que permite guardar, ordenar, mantener, procesar y presentar los datos, está sistematizada en forma de tablas con un orden establecido, por lo que acumula mucha información en poco espacio, permite realizar búsquedas a partir de diferentes criterios, procesar datos de forma cuantitativa y cualitativa, interrelacionar los resultados utilizando distintas variables y actualizar la información fácil y rápidamente. Las bases de datos son compatibles con otras bases de datos, efectúan diversos cálculos por medio de consultas (‘queries’), se extienden por módulos, y se pueden diseñar, almacenar, manejar y analizar en una computadora personal. De todos los tipos de  bases de datos, las relacionales son las más utilizadas, presentan los datos en dos o más tablas (constituidas por registros o renglones y columnas) que están relacionadas entre sí, por medio de la repetición de un atributo. LAs bases de datos biológicas reunen datos producto de investigación son académicas las hay generales y especializadas, libres y restringidas, en diversos idiomas y están disponibles a través de la Web como las que reúne NAR https://www.oxfordjournals.org/nar/database/c/ y Database Commons https://ngdc.cncb.ac.cn/databasecommons/database/id/5721. Las bases de datos biológicas son ubicuas en la investigación en biotecnología cualquier especialista tiene que generar curar, reusar o procesar datos biotecnológicos sistematizados en  base de datos en linea, son insumo y producto constante de la práctica biológica. Siempre es indispensable  reconocer seis características de las bases de datos biológicas abiertas: 1) Las características, 2) Los nombres, enlaces y metadatos, 3) Los directorios de las bases de datos, 4) Cuántas bases de datos existen, 5) Cómo se clasifican, 6) Las revistas que publican sobre bases de datos,  7) Las bases de datos más citadas y las buenas prácticas para usarlas.

Entre las biobases de datos que mas usamos están las bibliográficas como PubMed, Europe PubMed, Open Alex, Open Citations, Semantic Scholar, Lens y Core. Para realizar búsuqedas de literatura en biotecnología primero se determinan los términos, se hacen consultas simples y después se prueban diferentes consultas por medio de la búsqueda avanzada, que puede incluir el examen de referencias, citas, documentos relacionados, autores y revistas para localizar la mayor cantidad de literatura, generalmente es necesario usar más de una para tener buena representación de la información y utilizar recursos electrónicos adecuados para aprovecharla (Carey, 2013), un indicador útil para determinar cuál es la base de datos que reúne más información es saber que tanto se traslapa la literatura consultada en ellas. La selección y la calidad de la literatura son temas decisivos, pero en general se usan los criterios de calidad, impacto, prestigio de la base de datos, la revista, los autores, el editor, la institución, el artículo, el corpus y los comentarios (Abson & Allan, 2016). 

Herramientas en línea para biotecnología más relevantes:

• National Center for Biotechnology Information. National Institutes of Health (NIH) | (.gov) https://www.ncbi.nlm.nih.gov 
• https://guides.library.jhu.edu/biotechnology/resources
• https://www.nature.com/subjects/databases/nbt
• https://www.otago.ac.nz/library/databases/results.php?code=bite&dept=Biotechnology
• https://guides.lib.udel.edu/biotechnology/databases
• https://library.harrisburgu.edu/biotechnology
• https://eric.ed.gov/?q=biotechnology
• https://openalex.org/works?page=1&filter=title_and_abstract.search:Biotechnology
• https://scholia.toolforge.org/topic/Q7108
• https://core.ac.uk/search/?q=biotechnology
• https://doaj.org/search/journals?ref=homepage-box&source=%7B%22query%22%3A%7B%22query_string%22%3A%7B%22query%22%3A%22biotechnology%22%2C%22default_operator%22%3A%22AND%22%7D%7D%2C%22track_total_hits%22%3Atrue%7D
• https://www.scimagojr.com/journalrank.php?category=1305
• https://www.ncbi.nlm.nih.gov/research/bionlp/Tools/
• https://crosstalk.cell.com/blog/a-data-driven-map-of-biotechnology
• https://www.azolifesciences.com/article/Exploring-the-Potential-of-Big-Data-in-Biotechnology.aspx
• https://biotechnology.georgetown.edu/news/the-future-of-artificial-intelligence-and-biotechnology/
• https://www.statista.com/topics/1634/biotechnology-industry/#editorsPicks

Además resulta muy útil conocer los recursos digitales disponibles para procesar literatura especializada sobre biotecnología como las e-bibliotecas y las bases de datos bibliográficas más destacadas (Broughton, 2005). Las bases de datos se han sofisticado y cada vez permiten procesar y analizar la literatura de manera innovadora  y han aparecido recursos asociados para aprovecharlas como Publish or Perish,  Scimago  y Pubmed Reminer, por ejemplo. Cada una de estas herramientas pueden realizar uno o mas procesos en el ciclo de la información biotecnológica.

De tal manera que es necesario promover la enseñanza de todos estos contenidos y fomentar el uso de las herramientas disponibles en línea para hacer investigación, teórica y práctica in silico, existen una gran cantidad de proyectos BIOtecnológicos que se pueden hacer desde la BIOinformación, aquí iré completando una lista con algunas ideas para empezar:

-Cultura científica para biotecnólogos.

-El ciclo de la información especializada en Biotecnología.

-Tipos de artículos Biotecnológicos.

-Sistemas de organización del conocimiento (glosarios, tesauros y ontologías para biotecnología.

-Las revisiones de literatura en la Biotecnología.

-Análisis bibliométrico para biotecnología.

-Metadatos para tecnología.

-Bases de datos para biotecnología.

-Ciencia abierta y biotecnología.

-Análisis de citas sobre biotecnología.

-Herramientas informáticas para procesar literatura biotecnológica.

-Recursos académicos en línea para la práctica biotecnológica.

-Fuentes de calidad para la investigación digital en biotecnología.

-Datos ligados, web semántica y mapas de conocimiento para biotecnología.

-Metaciencia y biotecnología.

-Tecnologías digitales para la enseñanza de la biotecnología.

-Fediverso para biotecnología.

-Biocuración de datos biotecnológicos.

-Visualización de datos en biotecnología.

Estaremos publicando mas novedades sobre este tópico.

Bibliografía

1. Acharya, K., Kasliwal, G., & Haridas, H. 2008. A comparative analysis of 21 literature search engines. Nature Precedings. doi:10.1038/npre.2008.2101.1
2. Ashley, N. V, & Roach, D. J. 1990. Review of biotechnology applications to nuclear waste treatment. Journal of Chemical Technology and Biotechnology. 49(4), 381–394. Obtenido de: http://www.ncbi.nlm.nih.gov/pubmed/1366968 
3. Bajpai, A., Davuluri, S., Haridas, H., Kasliwal, G., H, Deepti, et.al. 2011. In search of the right literature search engine(s). Nature Precedings. doi:10.1038/npre.2011.2101.3
4. Blake, J. (2004). Bio-ontologies—Fast and furious. Nature Biotechnology, 22(6), 773–774. https://doi.org/10.1038/nbt0604-773Bauer, D. 2009. Ten Simple Rules for Searching and Organizing the Scientific Literature. Nature Precedings. doi:10.1038/npre.2009.3867.1
5. Baxevanis, A. D. 2002. Information Retrieval from Biological Databases. In: Baxevanis A. D. & Ouellette F. B. F. (Eds.), Methods of Biochemical Analysis Vol. 43, pp. 155–185. doi:10.1002/0471223921.ch7
6. Beckmann, M., Gerstner, K., Akin-Fajiye, M., Ceaușu, S., Kambach, S., et.al. 2019. Conventional land-use intensification reduces species richness and increases production: A global meta-analysis. Global Change Biology. 25(6), 1941–1956. doi:10.1111/gcb.14606
7. Biblioteca y Archivo UAM. 2025. Citas y elaboración de bibliografía: el plagio y el uso ético de la información: Gestores bibliográficos. Obtenido de: http://biblioguias.uam.es/citar/gestores_bibliograficos 
8. Broughton, V. 2005. How to Find Information: A Guide for Researchers. Reference Reviews. 19(7), 12–12. doi:10.1108/09504120510622553
9. CAB International. 2025. CAB Direct. Obtenido de: https://www.cabdirect.org/ 
10. Carey, J. 2013. Scientific Communication Before and After Networked Science. Information & Culture. 48(3), 344–367. doi:10.7560/ic48303
11. Casas, J. G., & Salazar, E. Red de Bibliotecas TEC: Literatura: Home. Obtenido de: https://biblioteca.tec.mx/c.php?g=117182&p=762634 .
12. Crossref. 2025. Crossref. Obtenido de: https://www.crossref.org/ .
13. Cruz, M., Dintzner, N., Dunning, A., van der Kuil, A., Plomp, E., et.al. 2019. Policy Needs to Go Hand in Hand with Practice: The Learning and Listening 
14. Approach to Data Management. Data Science Journal. 18(1), 45. doi:10.5334/dsj-2019-045
15. Dalpé, R. 2002. Bibliometric analysis of biotechnology. Scientometrics. 55(2), 189–213. doi:10.1023/A:1019663607103
16. Date, C. J. 2000. An introduction to database systems. 7 ed. Pearson Education, Singapore Obtenido de: https://openlibrary.org/books/OL26274306M/An_introduction_to_database_systems 
17. DOAJ. 2025. Directory of Open Access Journals. Obtenido de: https://doaj.org/
18. Duke, C. S., & Porter, J. H. 2013. The Ethics of Data Sharing and Reuse in Biology. BioScience. 63(6), 483–489. doi:10.1525/bio.2013.63.6.10
19. EBSCO Industries Inc. 2019a. Biology & Life Sciences Research Databases. Obtenido de: https://www.ebsco.com/academic-libraries/subjects/biology-life-sciences (consultado Septiembre 26, 2019).
20. EBSCO Industries Inc. 2019b. Biotechnology Source | EBSCO. Obtenido de: https://www.ebsco.com/products/research-databases/biotechnology-source (consultado Septiembre 26, 2019).
21. Elsevier. 2025. Scopus. Obtenido de: https://www2.scopus.com .
22. Elsevier. 2025. ScienceDirect.com | Science, health and medical journals, full text articles and books. Obtenido de: https://www.sciencedirect.com/ 
23. Eric W Sayers, Evan E Bolton, J Rodney Brister, Kathi Canese, Jessica Chan, Donald C Comeau, Ryan Connor, Kathryn Funk, Chris Kelly, Sunghwan Kim, Tom Madej, Aron Marchler-Bauer, Christopher Lanczycki, Stacy Lathrop, Zhiyong Lu, Francoise Thibaud-Nissen, Terence Murphy, Lon Phan, Yuri Skripchenko, Tony Tse, Jiyao Wang, Rebecca Williams, Barton W Trawick, Kim D Pruitt, Stephen T Sherry, Database resources of the national center for biotechnology information, Nucleic Acids Research, Volume 50, Issue D1, 7 January 2022, Pages D20–D26, https://doi.org/10.1093/nar/gkab1112
24. FAO. 2019. AGRIS. Obtenido de: http://agris.fao.org/agris-search/index.do (consultado Septiembre 26, 2019).
25. FarsExample. Functions to deal with FARS data. 2025. Obtenido de: https://raw.githubusercontent.com/hoxo-m/gepuro-task-views-copy/master/package_list.txt 
26. Fismer, K. L., & Pilkington, K. 2012. Lavender and sleep: A systematic review of the evidence. European Journal of Integrative Medicine. 4(4), e436–e447. doi:10.1016/J.EUJIM.2012.08.001
27. Gasparyan, A. Y., Ayvazyan, L., & Kitas, G. D. 2013. Multidisciplinary bibliographic databases. Journal of Korean Medical Science. 28(9), 1270–1275. doi:10.3346/jkms.2013.28.9.1270
28. Gasparyan, A. Y., Yessirkepov, M., Voronov, A. A., Trukhachev, V. I., Kostyukova, E. I., Gerasimov, A. N., & Kitas, G. D. 2016. Specialist bibliographic databases. Journal of Korean Medical Science. 31(5), 660–673. doi:10.3346/jkms.2016.31.5.660
29. GEN. 2025. Literature Review. Obtenido de: https://www.genengnews.com/category/literature-review/.
30. Gleick, J. 2012. The information : a history, a theory, a flood. Vintage Books.
31. Gomes, A., Gonçalves, B., Inglês, B., Silvério, S., Pinto, C. A., & Saraiva, J. A. (2024). Potential impacts of artificial intelligence (Ai) in biotechnology. Applied Sciences, 14(24), 11801. https://doi.org/10.3390/app142411801Google. 2019. Google Académico. Obtenido de: https://scholar.google.com/ (consultado Septiembre 26, 2019).
32. Heaven, D. 2019. Bitcoin for the biological literature. Nature. 566(7742), 141–142. doi:10.1038/d41586-019-00447-9
33. Hicks, D., Wouters, P., Waltman, L., de Rijcke, S., & Rafols, I. 2015. Bibliometrics: The Leiden Manifesto for research metrics. Nature. 520(7548), 429–431. doi:10.1038/520429a
34. Holzinger, A., Keiblinger, K., Holub, P., Zatloukal, K., & Müller, H. (2023). AI for life: Trends in artificial intelligence for biotechnology. New Biotechnology, 74, 16–24. https://doi.org/10.1016/j.nbt.2023.02.001
35. Hull, D., Pettifer, S. R., & Kell, D. B. 2008. Defrosting the Digital Library: Bibliographic Tools for the Next Generation Web. PLoS Computational Biology. 4(10), e1000204. doi:10.1371/journal.pcbi.1000204
36. Hypothesis Project. 2025. Hypothesis – The Internet, peer reviewed. Obtenido de: https://web.hypothes.is/ (consultado Septiembre 27, 2019).
37. ITIS. 2025. Integrated taxonomic information system. Obtenido de: https://www.itis.gov/ 
38. Jensen, L. J., Saric, J., & Bork, P. 2006. Literature mining for the biologist: from information retrieval to biological discovery. Nature Reviews Genetics. 7(2), 119–129. doi:10.1038/nrg1768
39. Kararo, M., & McCartney, M. 2019. Annotated primary scientific literature: A pedagogical tool for undergraduate courses. PLoS Biology. 17(1). doi:10.1371/journal.pbio.3000103
40. Koehler, J. (2005). Editorial. Briefings in Bioinformatics, 6(3), 220–221. https://doi.org/10.1093/bib/6.3.220Krallinger, M., & Valencia, A. 2005. Text-mining and information-retrieval services for molecular biology. Genome Biology. 6(7). doi:10.1186/gb-2005-6-7-224
41. Landhuis, E. 2016. Scientific literature: Information overload. Nature. 535(7612), 457–458. doi:10.1038/nj7612-457a
42. Ma, L., Zou, D., Liu, L., Shireen, H., Abbasi, A. A., Bateman, A., Xiao, J., Zhao, W., Bao, Y., & Zhang, Z. (2023). Database commons: A catalog of worldwide biological databases. Genomics, Proteomics & Bioinformatics, 21(5), 1054–1058. https://doi.org/10.1016/j.gpb.2022.12.004
43. Maikola, H. 2025b. Guide to information retrieval: Home. Obtenido de: https://libguides.aalto.fi/informationretrieval
44. Mendonca-Melo, V., Ribeiro, M. J. B., Carvalho, R. S., Vasconcelos, J. R., Da Silva, G. J. F., & Dos Santos, M. J. C. 2019. The Technological Indicators and Plant Biodiversity. International Journal for Innovation Education and Research. 7(1), 105–120. doi:10.31686/ijier.vol7.iss1.1289
45. Mousavi Kani, K., Mirzania, Z., Mirhaghjoo, F., Mousavi nezhad, R., Akbarzadeh, S., & Jafari, M. (2019). The Effect of Aromatherapy (with Lavender) on Dysmenorrhea: A Systematic Review and Meta –Analysis. International Journal of Pediatrics. 7(7), 9657–9666. doi:10.22038/IJP.2019.39624.3378
46. Müller-Wille, S., & Charmantier, I. 2012. Natural history and information overload: The case of Linnaeus. Studies in History and Philosophy of Science Part C :Studies in History and 
47. Philosophy of Biological and Biomedical Sciences. 43(1), 4–15. doi:10.1016/j.shpsc.2011.10.021
48. Natarajan, J., Berrar, D., Hack, C. J., & Dubitzky, W. (2005). Knowledge discovery in biology and biotechnology texts: A review of techniques, evaluation strategies, and applications. Critical Reviews in Biotechnology, 25(1–2), 31–52. https://doi.org/10.1080/07388550590935571NCBI. 2025. GenBank and WGS Statistics. Obtenido de: https://www.ncbi.nlm.nih.gov/genbank/statistics/ 
49. NCBI. 2025. Pubmed. Obtenido de: https://www.ncbi.nlm.nih.gov/pubmed/ 
50. chapter=STATISTICS&uncultured=hide&unspecified=hide (consultado Septiembre 27, 2019).
51. Neufeld, M. L., & Cornog, M. 1986. Database history: From dinosaurs to compact discs. Journal of the American Society for Information Science. 37(4), 183–190. doi:10.1002/(SICI)1097-4571(198607)37:4<183::AID-ASI2>3.0.CO;2-W
52. Ng, K. H., & Peh, W. C. 2010. Getting to know journal bibliographic databases. Singapore Medical Journal. 51(10), 757–761. Obtenido de: http://www.ncbi.nlm.nih.gov/pubmed/21103809 
53. NLM. 2025. MEDLINE PubMed Production Statistics. Obtenido de: https://www.nlm.nih.gov/bsd/medline_pubmed_production_stats.html .
54. OAN. Open Access in biology. Obtenido de: https://open-access.net/en/open-access-in-individual-disciplines/biology.
55. Oliveira A. L. (2019). Biotechnology, Big Data and Artificial Intelligence. Biotechnology journal, 14(8), e1800613. https://doi.org/10.1002/biot.201800613
56. Page, R. 2019. Text-mining BHL: towards new interfaces to the biodiversity literature. Biodiversity Information Science and Standards. 3. doi:10.3897/biss.3.35013
57. Pain, E. 2016. How to keep up with the scientific literature. Science. doi:10.1126/science.caredit.a1600159
58. Pautasso, M. 2013. Ten Simple Rules for Writing a Literature Review. PLoS Computational Biology. 9(7), e1003149. doi:10.1371/journal.pcbi.1003149
59. Pellegrino, E., Bedini, S., Nuti, M., & Ercoli, L. 2018. Impact of genetically engineered maize on agronomic, environmental and toxicological traits: A meta-analysis of 21 years of field data. Scientific Reports. 8(1), 3113. doi:10.1038/s41598-018-21284-2
60. Piwowar, H., Priem, J., Larivière, V., Alperin, J. P., Matthias, et.al. 2018. The state of OA: a large-scale analysis of the prevalence and impact of Open Access articles. PeerJ. 6(2), e4375. doi:10.7717/peerj.4375
61. PubMed. 2025. PubMed PubReMiner: a tool for PubMed query building and literature mining. Obtenido de: https://hgserver2.amc.nl/cgi-bin/miner/miner2.cgi .
62. Reuser, A. H. P. 2013. Trends in the current information landscape and their significance for researchers. Online Searcher. 37(1), 51–55. Obtenido de: http://connection.ebscohost.com/c/articles/85845752/trends-current-information-landscape-their-significance-researchers 
63. Sayers, E. W., Bolton, E. E., Brister, J. R., Canese, K., Chan, J., Comeau, D. C., Farrell, C. M., Feldgarden, M., Fine, A. M., Funk, K., Hatcher, E., Kannan, S., Kelly, C., Kim, S., Klimke, W., Landrum, M. J., Lathrop, S., Lu, Z., Madden, T. L., … Sherry, S. T. (2023). Database resources of the national center for biotechnology information in 2023. Nucleic Acids Research, 51(D1), D29–D38. https://doi.org/10.1093/nar/gkac1032Schmidt, D. 2014. Using the biological literature : a practical guide. 4 ed. CRC Press, Boca Ratón, Florida.
64. Scimago Lab. 2019. Scimago Journal & Country Rank. Obtenido de: https://www.scimagojr.com/ (consultado Septiembre 27, 2019).
65. Sinn, R. N. 1998. Library instruction for biology courses: A literature review and survey. Research Strategies. Vol. 16, pp. 103–115. doi:10.1016/S0734-3310(98)90013-1
66. Soergel, D. 2002. A framework for digital library research: Broadening the vision. D-Lib Magazine. 8(12). doi:10.1045/december2002-soergel
67. Sparrow, B., Liu, J., & Wegner, D. M. 2011. Google Effects on Memory: Cognitive Consequences of Having Information at Our Fingertips. Science. 333(6043), 776–778. doi:10.1126/science.1207745
68. Suber, P. 2002. Open access to the scientific journal literature. Journal of Biology. 1(1), 3. doi:doi:10.1186/1475-4924-1-3
69. Teillard-D’eyry, F., Anton, A., Dumont, B., Finn, J., Henry, B., Maia de Souza, D., … White, S. 2015. A review of indicators and methods to assess biodiversity. Application to livestock production at global scale. FAO;Food and Agricultural Organization of the United Nations. Obtenido de: http://agris.fao.org/agris-search/search.do?recordID=FR2016226131 
70. Trawick, B. W., & McEntyre, J. R. 2004. Bibliographic databases. In Sansom C. E. & Horton R. M. (Eds.) The Internet for Molecular Biologists. A practical Approach. Oxford University Press pp. 1–16. 
71. Trei, K. 2025. Biotechnology Literature Guide: Home. Obtenido de:  https://guides.library.illinois.edu/biotechnology.
72. UNAM. 2025. Latindex. Obtenido de: https://www.latindex.org/ .
73. UNAM. 2025. Periódica. Obtenido de: http://periodica.unam.mx.
74. UNAM. 2025. SciELO - Scientific Electronic Library Online. Obtenido de: http://www.scielo.org.mx/scielo.php 
75. USDA. 2019. NAL Online Catalog - AGRICOLA. Obtenido de: https://agricola.nal.usda.gov/ (consultado Septiembre 26, 2019).
76. Warren, R. J., King, J. R., Tarsa, C., Haas, B., & Henderson, J. 2017. A systematic review of context bias in invasion biology. PLOS ONE. 12(8), e0182502. doi:10.1371/journal.pone.0182502
77. Yarden, A., Brill, G., & Falk, H. 2001. Primary literature as a basis for a high-school biology curriculum. Journal of Biological Education. 35(4), 190–195. doi:10.1080/00219266.2001.9655776
78. Yeung, A. W. K., Tzvetkov, N. T., Gupta, V. K., Gupta, S. C., Orive, G., et.al. 2019. Current research in biotechnology: Exploring the biotech forefront. Current Research in Biotechnology. doi:10.1016/j.crbiot.2019.08.003