CNGBdb：国家基因库生命大数据平台

国家基因库生命大数据平台(China National GeneBank DataBase, CNGBdb)是一个致力于生命科学多组学数据归档和开放共享的数据库平台,是深圳国家基因库的核心功能"三库两平台"中生物信息数据库的对外服务平台,拥有深圳国家基因库丰富的样本资源、数据资源、合作项目资源和强大的数据计算和分析能力等优势。生命科学研究已经进入到了一个以高通量多组学数据为基础的大数据时代,迫切需要加强国际合作和信息共享。随着中国经济的发展和在生命科学研究领域的研究项目投入力度的加大,需要建立相关的生命大数据归档和共享的平台,来促进我国生命科学研究项目中生成的基因组学数据的系统管理、开放共享与合理利用。目前,CNGBdb主要提供生命科学研究相关的数据归档、知识搜索、数据管理、数据计算和数据服务等服务。其归档和共享的数据类型,主要包括项目、样本、实验、测序、组装、变异、序列等。截止2020年5月22号,CNGBdb已接受了全球生命科学科研工作者提交的研究项目达2176个,归档的基因组学数据量超过2221TB。未来,CNGBdb将继续推动生命科学研究多组学数据的开放共享和产业应用,完善基因组学数据的归档和共享功能,提升其服务生命科学数据开放共享的能力。CNGBdb的网址是:https://db.cngb.org/。     

生命科学信息工程设施以及在中国的实现

以组学数据为代表的生命科学数据呈指数增长.与高能物理、气象、地质、地理和环境科学等其他数据密集型学科一样,现代生命科学已经进入了高度信息化的时代——第四范式时代.国家跨组学信息工程大设施(China Information Engineering Infrastructure for Pan-Omics Studies,CIEIPOS)已经成为推动中国生命科学进一步发展、并使海量数据转化成知识与应用的必不可少的国家生命科学基础设施.本文介绍国内外生物数据收集、管理与利用的现状,提出建设CIEIPOS生物信息"集散地"的重要性与迫切性,阐述实现数据整合、搜索与可视化的挑战与可能方案.CIEIPOS的另外一个重要功能是支持对组学数据的管理、分析、挖掘与利用,这使得CIEIPOS不同于传统的国际生物信息中心,如美国国家生物信息技术中心(National Center for Biotechnology Information)与欧洲生物信息学研究所(European Bioinformatics Institute).本文以质谱平台产出的高通量蛋白质组数据为例,说明组学数据分析的复杂性.通过对跨组学数据在不同时空的模拟分析,进一步说明CIEIPOS的实际应用对计算机硬件与网络的要求.     

上海生科院(人口健康领域)生物医学大数据中心工程师招聘启事

正为了契合国家关于精准医学大数据的战略需求,提升我国生物医学大数据科学研究和应用开发能力,推动国家生物医学大数据基础设施建设,上海生命科学研究院(人口健康领域)整合各方资源,成立生物医学大数据中心,该中心聚焦于提升生物与医学大数据存储、管理、挖掘能力,立足上海生科院,服务上海、辐射全国。中心的主要任务包括:(1)为中科院上海生科院、上海地区乃至全国提供全方位的生物大数据产生、管理和分析     

国家级生物大数据中心展望

大数据时代下,科学大数据已经成为科技创新和社会经济发展的新动力。我国是生物数据生产大国,生命大数据是人口健康和国家安全的重要战略资源。面对我国生物数据因存储零散、缺乏系统监管而大量丢失和流失,以及严重依赖国际生物组学大数据中心的局面,亟需从国家层面建设我国自己的生命大数据保存和管理体系。本文以美国NCBI为例介绍了国际生物大数据中心的发展历程及现状,阐明我国建立国家级生物大数据中心的重要性、迫切性、当前历史机遇和发展前景。中国科学院北京基因组研究所生命与健康大数据中心为此做了大量努力,并在数据存储、汇交和转化应用上取得了阶段性成果,以期推进我国生物大数据中心的建设,提高生命科学研究的国际竞争力和影响力。     

生物数据库专栏导读北大核心CSCD

近年来,随着生物科技和信息科技的迅猛发展,基于生命组学的大数据积累和应用均已达到了前所未有的程度。多元的生物数据库资源,特别是急剧增长的生物学大数据在生物化学与分子生物学研究中得到了广泛应用,对生物学、生物医学的基础研究和转化应用起到了助推器的作用。但是,由于专业的局限性和研究者的着重点不同,部分从事生物学和生物医学的研究者对数据库资源的了解,对大数据的分析、处理和整合能力存在不足,制约了他们对已有数据资源的充分和有效的利用。为此,本期专栏选择了近年来的一些热门研究领域,特邀长期活跃在相关研究领域的一线科研工作者,结合他们自己的相关工作,分别就抗体信息数据库、细胞外囊泡数据库、蛋白质相互作用数据库、细菌sRNA数据库和RNA二级结构数据库的现状、特点和应用进行了较为系统的综述。下面对各篇文章内容给予简单介绍。     

全球大数据与健康管理的研究热点聚类分析

揭示全球该领域的研究热点。采用文献计量学和双向聚类分析方法。发现全球大数据与健康管理现已达到年均发文量1000篇以上;全球有89个国家和地区都进行了该方面的研究,其中欧洲地区的国家合作交流频繁;该领域中重要出版物有Stud Health Technol Inform、PloS one等;目前研究热点主要聚焦为：蛋白质等生物大分子网络作用的信息挖掘、数据挖掘在药物数据库及电子健康档案的应用、基因组序列数据挖掘在疾病预测中的应用、药物生物信息学的数据挖掘、生物医学大型数据库的数据挖掘、系统生物学的数据挖掘和医疗卫生服务中的数据挖掘等7个方面。     

GSA:组学原始数据归档库

生命科学的发展已进入组学大数据时代,然而我国至今尚未形成公共数据库存储体系。为弥补国内空白,组学原始数据归档库(Genome Sequence Archive, GSA, http://bigd.big.ac.cn/gsa)系统遵循国际核苷酸序列数据联盟(International Nucleotide Sequence Database Collaboration,INSDC)相关数据库建设标准,广泛收集各类生命组学原始数据。自2015年底上线运行以来,已获得了包括Cell、Nature、PNAS、GPB等30余个国内外期刊的认可,收录的数据量呈显著增长趋势,提供的数据服务受到国内外广大科研人员的认可。GSA有效缓解了当前我国生命组学数据汇交、存储与共享困难的问题,为我国国家生物信息中心的建设奠定了坚实基础。本文对目前GSA数据汇交、审核、发布与管理等机制进行了深入阐述,以方便用户了解GSA的各项功能,提供更高效的数据服务。     

大数据时代的大型人群队列

大数据技术推动了生命组学数据的爆炸式增长，生命科学研究进入大数据时代。大型人群队列研究依托大数据技术获得了重要突破，为生命科学和精准医学研究提供了宝贵资源，推动着预防医学模式发生革命性变化。以大数据技术为导向，人群队列研究规模空前扩大、学科交叉创新层出不穷，如何充分高效地利用人群队列资源、实现队列间的互联互通与共享，也是队列研究亟待解决的难题。该文将重点分析大数据时代特征下国内大型人群队列研究的发展特点，并提出其未来发展趋势及面临的挑战。     

国家微生物科学数据中心——国家微生物资源大数据体系建设

国家微生物科学数据中心成立于2019年，以中国科学院微生物研究所作为依托单位。中心数据资源总量超过6 PB，数据记录数超过52亿条，数据内容完整覆盖微生物资源、微生物及交叉技术方法、研究过程及工程、微生物组学、微生物技术以及微生物文献、专利、专家、成果等微生物研究的全生命周期。国家微生物科学数据中心通过建设一系列重点数据库构建系统全面的国家微生物大数据体系，涉及全球微生物菌种分类及研究领域、病原微生物研究领域、微生物组研究方面及真菌研究领域，为全球微生物学相关的工作者提供信息服务和交流平台。在新冠疫情期间，中心开发新型冠状病毒国家科技资源服务系统，第一时间建立了全球科学数据发布及共享平台。研发的新型冠状病毒变异评估和预警系统(New Coronavirus Variation Evaluation and Early Warning System, VarEPS)，是全球首个对SARS-CoV-2基因组已知变异及虚拟变异进行多维度风险评估和预警的系统。中心以世界微生物数据中心(World Data Center for Microorganisms,WDCM)为平台，倡导全球微生物菌种...     

建立在系统生物学基础上的精准医学

面对生命复杂性的巨大挑战,研究者提出了整合基因组、蛋白质组和代谢组等多组学数据,以及整合从分子到生理病理表型数据的系统生物学研究策略,利用该策略建立以个体为中心的多层级人类疾病知识整合数据库,并在此基础上形成可用于疾病精确分类的生物医学知识网络,进而发展出未来能够为每个个体提供最好医疗护理的精准医学。     

药用植物资源的整合信息数据标准规范探讨

从药用植物资源可持续利用对科学数据的需求出发,分析了药用植物资源信息数据的现状,阐明了在科研信息化环境下建立具有参考型数据库性质的药用植物资源整合信息数据库的必要性,探索了药用植物资源数据的规范与框架,开发了面向药用植物资源可持续利用的信息需求和共享交换的数据元标准,为建设共享、集成的药用植物信息系统提供了统一的数据接口,以期促进药用植物资源共享集成信息平台的建设.     

2019新型冠状病毒信息库

2019年12月在中国武汉开始爆发的新型肺炎已造成全球25个国家/地区的31516人感染、638人死亡(截止2020年2月7日16时),引起该肺炎的病毒被世界卫生组织命名为2019新型冠状病毒(2019-nCoV)。为促进2019-nCoV数据共享应用并及时向全球公众提供病毒的相关信息,国家生物信息中心(CNCB)/国家基因组科学数据中心(NGDC)建立了2019新型冠状病毒信息库(2019nCoVR,https://bigd.big.ac.cn/ncov)。该信息库整合了来自德国全球流感病毒数据库、美国国家生物技术信息中心、深圳(国家)基因库、国家微生物科学数据中心及CNCB/NGDC等机构公开发布的2019-nCoV核苷酸和蛋白质序列数据、元信息、学术文献、新闻动态、科普文章等信息,开展了不同冠状病毒株的基因组序列变异分析并提供可视化展示。同时,2019nCoVR无缝对接CNCB/NGDC的相关数据库,提供新测序病毒株系的基因组原始测序数据、组装后序列的在线汇交、管理与共享、国际数据库同步发布等数据服务。本文对2019nCoVR数据汇交、管理、发布及使用等进行全面阐述,以方便用户了解该信息库各项功能及数据状况,为加速开展病毒的分类溯源、变异演化、快速检测、药物研发以及新型肺炎的精准预防与治疗等研究提供重要基础。     

利用语义网技术实现的分布式异构食品微生物数据整合

随着高通量测序技术的迅速发展和食品微生物研究的逐步深入,产生了大量的数据和知识,且以不同的数据格式分布在各种数据库中。为了更好地支持食品微生物的相关研究,从各种分布式、异构的数据和知识中,进行数据提取与转换,并形成一个整合的数据平台显得尤为重要。FoodMicrobes数据库利用语义网技术,建立了一个食品微生物的整合型数据平台。该平台从各种开放的公共数据库,提取了与食品微生物相关的基因、基因组、基因功能、蛋白质序列与结构、代谢途径、文献、专利等信息,利用RDF的方法,对数据进行转换,并建立了数据之间的关联,实现了数据整合,是目前在食品微生物领域以语义网方式建立的第一个数据库。在该平台中,实现了将食品微生物的物种、菌株层面的宏观信息与基因组、蛋白质、代谢与功能等微观层面信息的贯通,并通过友好的数据检索界面,为用户进行食品微生物研究提供了重要的工具。     

四膜虫功能基因组数据库增量更新2016:生活史和减数分裂转录组及磷酸化蛋白组资源建设

原生动物嗜热四膜虫是一种优良单细胞真核模式生物,以其作为研究对象在基础生物学领域的研究已经取得了一系列突破性的成果。2006年,其大核基因组测序完成并发表,标志着四膜虫的研究进入了功能基因组时代。2013年基于基因芯片、基因网络和转录组数据,我们构建了四膜虫功能基因组数据库,其目前已成为模式生物嗜热四膜虫研究的两个重要数据库之一。在过去几年里,随着对四膜虫功能基因组学研究的深入,相关组学数据也实现了一定积累,对这些数据的整合也非常迫切。基于此,我们对四膜虫功能基因组数据库进行了增量更新。更新内容主要包括三个方面:(1)四膜虫生活史不同时期转录组数据;(2)四膜虫接合生殖减数分裂过程转录组数据;(3)磷酸化蛋白组数据。此次增量更新进一步提升和完善了四膜虫功能基因组数据库的内容和功能,对以四膜虫为对象的相关研究工作具有重要作用。     

作物组学数据库的比较和应用

组学研究是生命科学研究的重要组成部分,是从整体角度研究全部组分及其相互关系的学科。组学数据库收集整理了与组学研究相关的所有信息,为组学研究提供了全面的数据基础。其中,作物组学数据库主要是以作物为对象建立的组学数据库,尤其是几大主要粮食作物的组学测序及信息挖掘,提升了作物科学的基础研发和生产水平,使我国粮食储备迈上一个新的台阶。本文以水稻、玉米和小麦为代表,通过搜集它们在组学研究中常用的数据库,概述了作物基因组学、转录组学、蛋白质组学、代谢组学及表型组学的主要研究内容,阐述了作物组学数据库在作物科学研究中的发展现状,揭示了在高通量信息时代下多种组学数据库的交叉及综合利用已经成为作物科学研究发展的重要方向和手段。     

多组学大数据共享平台研究进展

高通量检测技术的快速发展催生了海量的多组学数据，数据驱动型研究规模正逐步超越传统假设型研究。不同层次组学数据的组合，通过对系统生物学和疾病发展更深入和全面的解读，持续改变生物医学研究方式。同时，多组学数据庞大的数据规模、异质的数据特性，以及强烈的数据共享内源性需求，都推动组学数据向规模化、平台化、标准化共享的方向发展。该文首先介绍了代表性的多组学平台和各组学数据的特点，接着以多维组学数据百科全书NODE为例，从多组学数据融合和多组学数据安全共享两方面对相应的方法和技术进行了细致的阐述，并展望了多组学数据平台未来的发展方向。     

中国微生物资源研究现状及未来发展态势分析

[目的]微生物资源由于其对于生命科学基础研究和生物经济的重要价值,一直是全球生物技术竞争的战略重点。中国目前已经成为在生命科学研究领域最有影响力的国家之一,每年发表的论文数量居全球第二位。通过微生物资源的保藏和利用的分析能够一定程度反映我国微生物研究的整体状况和进展,并进一步反映生命科学研究和生物产业的发展趋势。[方法]本文通过分析我国微生物资源保藏、文献、专利等数据,阐述了我国微生物资源的保藏和利用现状,并同相关国家进行了比较,基于此分析,为我国微生物资源挖掘与利用提供战略方向和建议。[结论]近年来,我国建立了微生物资源国家平台,每年发表论文数量居全球第二位,申请和授权专利数量居全球第一位,充分反映了我国微生物资源研究及其在生物产业的应用现状。我国正在形成一个微生物资源保藏、研究和应用的完整体系,为我国乃至全球的生物经济的发展提供支撑。     

中国微生物资源研究现状及未来发展态势分析（英文）

【目的】微生物资源由于其对于生命科学基础研究和生物经济的重要价值,一直是全球生物技术竞争的战略重点。中国目前已经成为在生命科学研究领域最有影响力的国家之一,每年发表的论文数量居全球第二位。通过微生物资源的保藏和利用的分析能够一定程度反映我国微生物研究的整体状况和进展,并进一步反映生命科学研究和生物产业的发展趋势。【方法】本文通过分析我国微生物资源保藏、文献、专利等数据,阐述了我国微生物资源的保藏和利用现状,并同相关国家进行了比较,基于此分析,为我国微生物资源挖掘与利用提供战略方向和建议。【结论】近年来,我国建立了微生物资源国家平台,每年发表论文数量居全球第二位,申请和授权专利数量居全球第一位,充分反映了我国微生物资源研究及其在生物产业的应用现状。我国正在形成一个微生物资源保藏、研究和应用的完整体系,为我国乃至全球的生物经济的发展提供支撑。     

中国人类遗传资源共享利用的标准化研究

中国人类遗传资源平台是国家自然资源科技共享平台的一部分。为规范我国人类遗传资源的收集、整理、整合、保存及共享利用, 在我国相关法律法规的支持下, 作者参照国内外资源整合成功的经验, 对我国人类遗传资源的整理整合及共享利用的标准化进行了研究, 文中简要报道人类遗传资源整理整合、数据库建设及共享利用的标准化研究结果。     

生物数据库专栏导读

近年来,随着生物科技和信息科技的迅猛发展,基于生命组学的大数据积累和应用均已达到了前所未有的程度。多元的生物数据库资源,特别是急剧增长的生物学大数据在生物化学与分子生物学研究中得到了广泛应用,对生物学、生物医学的基础研究和转化应用起到了助推器的作用。但是,由于专业的局限性和研究者的着重点不同,部分从事生物学和生物医学的研究者对数据库资源的了解,对大数据的分析、处理和整合能力存在不足,制约了他们对已有数据资源的充分和有效的利用。为此,本期专栏选择了近年来的一些热门研究领域,特邀长期活跃在相关研究领域的一线科研工作者,结合他们自己的相关工作,分别就抗体信息数据库、细胞外囊泡数据库、蛋白质相互作用数据库、细菌sRNA数据库和RNA二级结构数据库的现状、特点和应用进行了较为系统的综述。下面对各篇文章内容给予简单介绍。 抗体不仅是机体的重要免疫分子,也是生物学研究的主要工具分子之一,并且做为疾病诊断和治疗的抗体分子在临床上得到了越来越广泛的应用,治疗性抗体已经成为生物制药产业的龙头。冯健男等的“抗体信息数据库”一文,系统地介绍了有“免疫遗传门户数据库”之称的国际免疫遗传信息系统IMGT、Kabat数据库、抗体在线分析系统abYsis和服务于免疫相关实验的抗体在线目录等特色数据库。细胞外囊泡是近年来的研究热点,特别是细胞外囊泡在细胞信息传递和疾病的诊断方面的研究进展迅速。丁勇等的“细胞外囊泡及细胞外囊泡数据库”一文,系统地介绍了目前收录数据比较全面、具有影响力的细胞外囊泡数据库ExoCarta、Vesiclepedia和Evpedia数据库和数据库特点,并对不同数据库进行了比较。蛋白质相互作用是蛋白质研究的重要内容,是认识生命过程和疾病防治的重要基础之一,王建的“蛋白质相互作用数据库”一文,分别对综合蛋白质相互作用数据库、特定物种的蛋白质相互作用数据库和信号通路数据库的特点进行了系统介绍。无论真核细胞还是原核细胞普遍存在大量的功能小RNA分子,小RNA研究对揭示生命的基本规律具有重要意义。李伍举等的“细菌sRNA数据库”一文,分别对细菌sRNA的综合数据库、细菌sRNA的专业数据库进行了详细的综述,将对拟开展细菌sRNA生物信息学和功能研究人员构建细菌sRNA及其靶标预测模型提供帮助。RNA功能与RNA结构密切相关,RNA结构研究已经成为RNA研究的热点之一。刘涛等的“RNA二级结构数据库”一文,对常用的基于三维测定结构证据的RNA二级结构数据库进行了介绍,以便于研究人员从中可以获得相对准确的数据构建结构预测模型。 生物化学和分子生物学研究不仅是生物数据库资源的产出者,同时也是生物数据库资源的使用者,希望本专栏能够对相关研究人员有所裨益。