国家微生物科学数据中心数据资源服务与应用

作为解决生命领域复杂科学问题的关键要素以及驱动科学发现与决策的基础资源,微生物科学数据资源已成为国家的重要战略资源。国家微生物科学数据中心(https://nmdc.cn/)的建设使得海量微生物数据资源可以得到有效的整理整合和开放共享,这对于微生物资源的研究、利用和可持续发展都起着至关重要的作用。本文从核心资源、服务内容、功能特色等多方面总结了国家微生物科学数据中心平台的建设进展,并提出了面向微生物领域科研及产业用户的应用实践。     

人类遗传资源与生物大数据

正人类遗传资源是指含有人体基因组、基因及其产物(RNA和蛋白质)的器官、组织、细胞、血液、制备物、DNA构建体等人类遗传资源材料及利用人类遗传资源材料产生的数据等人类遗传资源信息。中国人类遗传资源是国家自然科技资源的重要组成部分,是维护公众健康、国家安全和社会公共利益的重要战略资源。2019年3月20日,《中华人民共和国人类遗传资源管理条例》在国务院第41次常务会议上通过,自2019年7月1日起开始施行。中国人类遗传资源在人类进化、种族溯源、法医学和生物医学研究中发挥着不可或缺的重大作用。     

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.     

野生稻种质资源描述规范和数据标准应用

论述了野生稻种质资源描述规范、数据标准和数据质量控制规范编制原则、适用范围及应用策略,对于促进全国野生稻种质资源的整合、规范鉴定评价,以及信息与实物共享机制与体系的建立,推动野生稻优异种质的研究与利用,变资源优势为经济优势都具有重要的现实意义。     

农作物种质资源调查数据标准制定与共享

系统提取并分析了农作物种质资源普查数据、调查数据、评价数据和保存数据等数据信息,采用基于数据元技术方法制定了农作物种质资源调查数据标准和数据元目录;定义了种质资源调查数据集以及对象和属性的映射关系;给出了基于XML数据标准存储及交换策略。标准的制定使农作物种质资源调查在"数据层"上达到统一,规范了数据库构建,促进了农作物种质资源调查数据的整合和共享。     

基于本体论的植物遗传资源数据整合研究

随着现代生物学的发展,全球范围内建立了大量的生物学数据共享中心,同时,在生物学发展的带动下,植物遗传资源数据变得更为复杂、异构化和海量。本文在分析国内外几大著名的数据整合共享中心的基础上,简要介绍了本体论的概念及其在生物学领域中的研究现状,提出了基于生物本体论将植物遗传数据、数据挖掘工具、科技文献和科技交流进行整合的设想,并对数据整合需要考虑的几个问题进行了讨论。     

生物多样性信息资源.Ⅱ.环境类型数据

环境类型数据是研究生物多样性分布格局、多样性形成与维持机制、物种保育等很多重要生态学问题的基础。近年来,随着环境监测网络在全球范围内的不断扩张与新监测手段的不断涌现,区域和全球尺度上的不同类型的环境数据呈爆炸式增长。然而,这些海量的数据零散地分布在互联网的各个角落,给生物多样性研究人员了解数据信息、高效选择和利用数据等带来了挑战。面对环境数据来源广、分布零散的现状,本文从气候、地形地貌土壤与生境异质性、土地覆盖、水文和其他等5个方面对环境数据进行整理,并且选取其中一些使用频率较高的数据集,从它们的数据来源、数据结构、数据获取方式、数据精度以及数据使用情况等方面举例介绍。本文共介绍了45个不同类型的数据集,既包括WorldClim气候数据、HWSD(Harmonized World Soil Database)土壤数据等在生态学中频繁使用的数据集,也包括气候变化速率、EarthEnv生境异质性数据、全球森林覆盖数据、全球光污染数据等最新发布或较少使用的数据集。另外,需要指出的是,这些数据集远不能涵盖目前所能获得并在持续增加的环境类型数据。作者希望本文的不完整总结能够为研究人员高效选择和有效利用这些和其它相似的环境数据提供参考。     

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...     

《芒属种质资源描述规范和数据标准》的制定

目前芒属植物被视为最有前景的木质纤维素能源作物,在中国、美国、日本和欧洲国家得到了广泛研究和利用。但截至目前依然没有统一的芒属植物种质资源描述规范,一定程度上阻碍了其信息的共享与交流。鉴于此,本研究通过开展芒属植物种质资源描述和数据制定技术标准研究,旨在为芒属能源作物品种的选育、审定与推广提供科学规范的依据。本文论述了芒属种质资源描述规范、数据标准与数据质量控制规范的制定原则、方法与内容,对于促进整合全国芒属种质资源,规范芒属种质资源的收集、保存、评价具有指导作用。     

LCI data and data quality

Life cycle inventory (LCI) is becoming an established environmental management tool that quantifies all resource usage and waste generation associated with providing specific goods or services to society. LCIs are increasingly used by industry as well as policy makers to provide a holistic ‘macro’ overview of the environmental profile of a good or service. This information, effectively combined with relevant information obtained from other environmental management tools, is very useful in guiding strategic environmental decision making. LCIs are very data intensive. There is a risk that they imply a level of accuracy that does not exist. This is especially true today, because the availability of accurate LCI data is limited. Also, it is not easy for LCI users, decision-makers and other interested parties to differentiate between ‘good quality’ and ‘poor quality’ LCI data. Several data quality requirements for ‘good’ LCI data can be defined only in relation to the specific study in which they are used. In this paper we show how and why the use of a common LCI database for some of the more commonly used LCI data, together with increased documentation and harmonisation of the data quality features of all LCI data, is key to the further development of LCI as a useful and pragmatic environmental management tool. Initiatives already underway to make this happen are also described.     

Linking data to models: data regression

Mathematical models are an essential tool in systems biology, linking the behaviour of a system to the interactions between its components. Parameters in empirical mathematical models must be determined using experimental data, a process called regression. Because experimental data are noisy and incomplete, diagnostics that test the structural identifiability and validity of models and the significance and determinability of their parameters are needed to ensure that the proposed models are supported by the available data.     

Maintaining data integrity in microarray data management

Gene expression microarrays are a relatively new technology, dating back just a few years, yet they have already become a very widely used tool in biology, and have evolved to a wide range of applications well beyond their original design intent. However, while the use of microarrays has expanded, and the issues of performance optimization have been intensively studied, the fundamental issue of data integrity management has largely been ignored. Now that performance has improved so greatly, the shortcomings of data integrity control methods constitute a greater percent of the stumbling blocks for investigators. Microarray data are cumbersome, and the rule up to this point has mostly been one of hands-on transformations, leading to human errors which often have dramatic consequences. We show in this review that the time lost on such mistakes is enormous and dramatically affects results; therefore, mistakes should be mitigated in any way possible. We outline the scope of the data integrity issue, to survey some of the most common and dangerous data transformations, and their shortcomings. To illustrate, we review some case studies. We then look at the work done by the research community on this issue (which admittedly is meager up to this point). Some data integrity issues are always going to be difficult, while others will become easier-one of our goals is to expedite the use of integrity control methods. Finally, we present some preliminary guidelines and some specific approaches that we believe should be the focus of future research.     

Taming data

A challenge in systems-level investigations of the immune response is the principled integration of disparate data sets for constructing predictive models. InnateDB (Lynn et al., 2008; http://www.innatedb.ca), a publicly available, manually curated database of experimentally verified molecular interactions and pathways involved in innate immunity, is a powerful new resource that facilitates such integrative systems-level analyses.