生物数据标准化研究进展

随着生物测序技术的快速发展,积累了海量的生物数据。生物数据资源作为生物分析研究及应用的核心和源头,为保证数据的正确性、可用性和安全性,对生物数据资源进行标准化的管理非常重要和迫切。本文综述了目前国内外生物数据标准化研制进展,目前国内外对生物数据缺少一个总体的规划,生物数据语义存在大量的不兼容性,数据格式多种多样,在生物数据收集、处理、存储和共享等方面缺乏统一的标准。国内外生物数据标准化处于起步阶段,但各国生物专家都在努力进行标准研制工作。文章最后从生物数据术语、生物数据资源收集、处理和交换、存储、生物数据库建设和生物数据伦理规范等方面出发,对标准研制工作进行一一探讨,期望能为生物数据标准制定提供一定的参考和依据。     

生命与健康大数据中心资源

生命与健康多组学数据是生命科学研究和生物医学技术发展的重要基础。然而,我国缺乏生物数据管理和共享平台,不但无法满足国内日益增长的生物医学及相关学科领域的研究发展需求,而且严重制约我国生物大数据整合共享与转化利用。鉴于此,中国科学院北京基因组研究所于2016年初成立生命与健康大数据中心(BIG Data Center, BIGD),围绕国家人口健康和重要战略生物资源,建立生物大数据管理平台和多组学数据资源体系。本文重点介绍BIGD的生命与健康大数据资源系统,主要包括组学原始数据归档库、基因组数据库、基因组变异数据库、基因表达数据库、甲基化数据库、生物信息工具库和生命科学维基知识库,提供生物大数据汇交、整合与共享服务,为促进我国生命科学数据管理、推动国家生物信息中心建设奠定重要基础。     

生物元件库国内外研究进展

生物元件库是对元件数据和实物进行收集、整理和共享的重要平台,对合成生物学的研究和应用具有非常重要的支撑作用。本文对国内外生物元件库的研究进展进行了介绍和综述。国外先后出现了标准生物元件登记库等多个元件库,通过制定Open MTA协议实现了元件实物的免费分发共享,并通过制定"合成生物学开放语言"(SBOL)实现了多个元件库之间的数据交换;通过bionet项目对元件数据和实物的去中心化管理作了进一步尝试。近年来我们与国内多家科研单位合作建设了合成生物学元件与数据库(RDBSB,https://www.biosino.org/rdbsb/or https://www.biosino.org/npbiosys/)。在建设过程中,我们首先建立了与SBOL语言兼容的《催化元件数据标准》、多种重要元件的标准功能测试方法以及安全高效的元件提交系统,并在此基础上完成了元件数量最多且信息最为全面的催化元件数据库的构建。目前,收集了30多万个催化元件,包括7万多个具有文献支持功能表征信息的催化元件,并保藏了1万个以上的实物元件和5000个底盘菌株,通过网站实现了数据和实物的公开与共享。上述元件库已经对国内合...     

合成生物学驱动的智能生物制造研究进展

合成生物学的迅猛发展给包括药物和化学品在内的生物制造带来了强劲动力。它助力生物合成关键元件的挖掘,丰富了智能生物制造所必需的基础(催化)元件库;底盘细胞的性能优化为高效生物制造奠定了基石和平台。合成生物学经典的"设计-构建-测试-学习"则是创建高效智能细胞工厂的核心研发内容。天然宿主的系统代谢工程和合成生物学以及无细胞体系的体外合成生物学,是实现高效生物制造和替代底盘细胞体系的可选途径。该文简要综述近年国内外的相关研究进展。     

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/。     

基于Web of Science的合成生物学文献计量分析

合成生物学是一个新兴的交叉学科,近年来得到了广泛关注。本文以1992-2012年期间Web of Science数据库收录的5012篇与合成生物学相关的论文为研究对象,进行年代分布、地域分布、机构分布、研究热点等方面的计量分析,以探究合成生物领域的研究实力分布、研究热点与发展动态。通过文献计量分析发现合成生物学领域近十年来发展迅猛,美国等发达国家占据主动。我国在该领域的论文产出数量可观,但学术影响力有待提高。研究的热点主要集中在基因调控网络构建、基因基因组合成、功能回路设计等方面。     

生物信息处理中心的建立

本文提出了一套生物信息处理中心的建立方案,具有实用、建设成本低廉、构建方便、全面共享和可扩展性强等特点。生物信息处理中心以数据库相似性搜索、数据库资源检索和生物序列分析为主线,建立了软硬件环境和应用程序及数据库,能够满足绝大多数科研人员的生物信息学分析需求。     

物联网环境下,智能医养融合电子平台设计

为缓解"医养融合"发展模式中养老者电子健康档案、电子病历实时传输和不同服务主体间信息共享的难题,本文提出智能医养融合电子平台模型。系统利用使用物联网技术的智能医疗设备采集养老者的生理信息数据,使用Map Reduce挖掘数据,快速有效的完成养老者生理数据的分析和整理。     

构建合成生物学制造厂

合成生物学是一个"自上而下",以设计-构建-测试循环为研究模式、以工程化组装构建为特征的新兴跨学科领域.近年来在此新兴领域的众多研究成果使该研究循环获得了极大的成功,特别是在基于计算机的生物系统设计、DNA从头合成、组装及验证,以及代谢产物分析等方面为建立未来高通量生物系统加工生产线打下了坚实的基础.本文旨在总结当前合成生物学的技术发展水平,并对建立自动化生物产品制造厂需要应对的挑战展开讨论.     

GEO-基因表达综合数据库的应用与数据挖掘

高通量微阵列杂交技术和测序技术的快速发展,产生了大量的基因数据,生物信息迅速膨胀成为数据的海洋。为适应这种高通量基因表达数据的不断增长和人们共享数据的需要,各种数据库应用而生,其中,NCBI（national center for biotechnology information）的基因表达综合数据库（gene expression omnibus,GEO）是世界上最大的储存高通量分子丰度数据的公共数据库,用户可以提交、储存和检索多种形式的数据并免费使用。迄今为止,GEO已收录了300000个样本的数据,涉及16亿个基因表达丰度数据,涵盖500多种生物体,广泛覆盖各种生物学内容。GEO数据库操作简单,数据全面,免费共享的优势为后期数据挖掘和信息推广提供了良好的平台。文章概述了GEO数据库的结构、数据的提交、检索和其在分子生物学领域中的应用前景。登陆GEO数据库的网址为：http：／／www．ncbi．nlm．nih．gov／geo。     

中国科学院水生生物研究所科学数据中心:助推大数据时代水生生物学研究新发展

中国科学院水生生物研究所(以下简称“水生所”)是研究内陆水体生命过程、生态环境保护与生物资源利用的综合性学术机构。自20世纪50年代开始,水生所科研人员率先有计划地针对全国主要水体开展了实地科学考察,产生了大量的水生生物原始生态学数据;随着显微拍照和测序技术的进步,调查还产生了各种浮游生物显微照片和大量的遗传数据。这些数据为水生态监测服务系统和数据库的构建提供了数据支持,有助于推进水生生物学研究的发展。此外,面向国家在水环境保护、渔业可持续发展方面的重大战略需求,中国科学院水生生物研究所科学数据中心(以下简称水生所科学数据中心)(http://sdb.ihb.ac.cn/)聚焦科学数据标准规范、安全可控和开放共享,对上述科学数据进行收集保存、汇交整合、分级管理和分析挖掘,以期为生态环境保护与生物资源保护利用等领域的基础性、战略性和前瞻性的科学研究和技术创新服务。     

泛函连接网络计算软件及其在生物多样性研究中的应用

针对农田生物多样性分析的需要,研制出泛函连接网络（FLANN）计算软件。该软件由7个Java类和1个HTML文件组成,是一种Internet在线计算工具,可运行于多种操作系统和Web浏览器上,并在各种类型的PC及工作站上使用,可读取多种类型的数据库文件。对水稻田昆虫生物多样性的两组取样调查数据Zmar18和Zapr15,用生物多样性工具软件LUMP和非监督分类－离差平方和聚类法进行统计归纳及分类,分别划分为21个和20个功能群,各包含60个样本。以FLANN计算软件对昆虫生物多样性进行了模式分类分析。结果表明,泛函连接网络的模式分类及预测与实际测查结果吻合良好。泛函连接网络Internet在线计算软件的应用可促进生物多样性数据采集和分析的规范化,有利于数据和信息共享,也为形成高度的生物多样性智能分析系统提供了一种工具。     

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。     

四川省生物多样性基础数据库信息系统

生物多样性本底信息是开展生物多样性评价的基础,现有的生物多样性数据分布比较分散,不同的数据掌握在不同的部门,没有得到很好整合。同时,由于缺乏物种分布的空间信息,生物多样性数据很难满足环境影响评价中生物多样性评价的需求,生物多样性评价一般只限于简单的定性分析。为了促使生物多样性评价工作能更深入的开展,切实有效地保护生物多样性资源,以四川省(重点以甘孜州)为研究案例,整合了现有的生物多样性数据资源,主要包括四川省自然保护区生物多样性数据、甘孜州水生和陆生生物多样性数据、四川省环境敏感区数据以及生物多样性现场调查数据等,建立了四川省生物多样性基础数据库,同时通过数据库开发和网络开发,建立了数据库信息系统,实现了生物多样性空间数据库和属性数据库的查询检索、数据显示等功能。     

第四纪主要孢粉数据库评述

基于孢粉数据重建古植被和古环境是地层孢粉学的主要研究内容。孢粉数据库作为收集、存储、整理和分析数据的有效工具得到了蓬勃发展,其类型可大致分为地层和形态两种。本文概述了国内外第四纪地层和形态孢粉数据库的发展历史与现状,并简要介绍了Neotoma和PalDat两大国际主流数据库以及我国的5个代表性孢粉数据库。文中还讨论了当前国内外数据库所面临的资金短缺、信息共享程度低、智能化不够等问题并作出了展望。     

微生物,高智商,大产业——合成生物学助力阿维菌素的高效智能制造

合成生物学研究具有两种属性,即生命本质的认识提升属性与生物制造属性。以阿维菌素产生的生命过程复杂性为例,几乎可用"高智商"来形容。通过系统认知微生物的"智商",从"格物致知"到"建物致用",实现师法自然,让微生物更高效地为人类服务。在人工工业大规模制造时,上述生命本质的认识无疑是有帮助的,但在微生物与生物反应器组成的复杂系统中,如何从基因到代谢的细胞生理状态到胞外的环境影响中,由"格物致知"的因果关系找到可人工操作的生物智能制造(智造),这又是极其困难的科学问题,这就是合成生物学的生物制造属性。因此,必须开展生物过程大数据分析,克服基因、代谢、过程到生产组织中产生的大量互不联系的数据孤岛。近年来,合成生物学的蓬勃发展掀起的技术革命已经彻底颠覆了人们过去对于生物和生物技术的认识。该文以阿维菌素的研究为例,讨论在合成生物学时代如何利用微生物的"智商"来加速实现微生物药物高效智能制造的研发过程,并为其他微生物天然产物药物的智能化生产提供可借鉴的思路和方法。     

iFlora系列进展之一：基于DNA条形码的“国家重点保护野生植物鉴定信息平台”建设完成

新一代植物志iFlora是融入新一代测序技术、DNA条形码、地理信息和计算机信息技术等新元素的智能植物志或智能装备（李德铢等,2012）。由中国科学院昆明植物研究所发起的iFlora计划的阶段性目标是构建中国维管植物和重要大型真菌的开放、共享的数据平台,为我国生物多样性研究、保护和可持续利用提供重要的技术支撑,     

中国半翅目昆虫多样性和地理分布数据集

全球生物多样性逐渐丧失已成为最严重的环境问题之一, 探究各地生物多样性资源及形成机制是生态学和生物地理学领域关注的重要科学问题。生物多样性数据的整合和共享可以为相关研究的开展提供科学依据。昆虫是地球上多样性最高的生物类群, 但是由于目前关于昆虫多样性数据的整理不足, 相关研究较为缺乏。为了促进昆虫类群的多样性数据整理和共享工作的发展, 本研究选取昆虫纲中重要且多样的半翅目作为对象, 通过广泛的数据检索和收集, 系统整理了截至2017年已发表的中国半翅目昆虫的多样性及地理分布信息。数据集中共收集了102科2,090属7,822种半翅目昆虫的分类信息及其39,298条地理分布记录。该数据集可以为今后开展生物多样性格局、生物区系演化和害虫防治等方面的研究工作提供帮助。     

法医遗传学研究和鉴定中的伦理问题

法医遗传学主要以人体生物检材为对象,通过检测遗传信息解决与法律相关的生物检材鉴识问题,为侦查提供线索,为审判提供证据,往往涉及到众多伦理问题。本文提出伦理学在法医遗传学研究和鉴定中的应用基本原则,并对检材/样本收集、法医DNA表型分析、法医遗传系谱学分析、法医DNA数据库建设和应用、亲子鉴定和亲缘鉴定、法医遗传学科研数据交流和共享等方面涉及的伦理问题进行了分析,提示法医遗传学从业人员在研究和鉴定中要充分考虑伦理问题,建议有关部门制定法医遗传学具体的伦理要求,建立伦理审查制度,加强从业人员伦理学培训。     

生物多样性信息资源.Ⅰ.物种分布、编目、系统发育与生活史性状

物种分布、编目、系统发育与生活史性状等是生物多样性研究的数据基础,在物种起源与进化、生物多样性保护等研究中发挥着重要作用。近年来,大量数据共享平台的建设极大地促进了生物多样性信息学的蓬勃发展,但这些海量的、高异构性的数据资源也使得研究人员无从下手。如何高效选择和有效利用这些资源,成为生态学家和保护生物学家面临的一大挑战。针对现有的生物多样性数据零散分布的现状,本文将这些数据从物种分布、编目、系统发育与生活史性状4个方面进行整理,分别选取一些代表性的数据库如:全球生物多样性信息网络(GBIF)、世界植物种名录(The Plant List)、Open Tree of Life、植物性状数据库(TRY),对其数据类型、采集方式、范围、获取方式等进行描述,并对相关研究成果进行简要介绍。在各部分中,针对我国生物多样性数字平台的构建等方面的工作与成果,我们也进行了简要描述。通过这些数据资源的整理,希望为研究人员了解和使用这些数据库提供桥梁和纽带,能够进一步促进国内研究人员对这些数据库的有效利用,并通过科研人员与公众等的参与,促进数据共享平台的构建与完善,进一步推动生物多样性的研究和保护领域的发展。