生物数据的标准化与微生物数据标准的发展

现代生物学不仅是一门实验科学,也是一门数据科学。为了增强生物数据的FAIR(Findable,Accessible,Interoperable,Reusable)特性,使它们能够为人、为机器所用,我们就必须推行数据的标准化。数据的标准化有很多实现手段,但对于生物学数据而言,目前只有对实验结果进行标准化最为可行。存放实验结果的数据库虽然都由数据管理系统、转换层和数据界面这三部分组成,但由于各数据库建立的目的和服务的对象不同,不同数据库的相同部分也常常遵循着不同的标准,这大大降低了数据可以被自动化处理的能力。使用统一的数据元素集建立在学科范围内具有普遍适用性的数据标准可以大大提高数据的可互操作性。本文以微生物的数据标准为例,在生物多样性、菌株资源和序列数据3个不同的层面介绍了相关数据标准并讨论了生物数据标准应达到的目的和应具有的特性,并通过《微生物资源中心数据管理和发布规范ISO 21710:2020》简要说明了建立微生物数据标准的方法。在最后我们列举了当今生物数据标准化所面临的一些困难以及可能的解决途径。

我国战略生物资源大数据及应用

生物资源是国家重要的战略性资源。组学时代的到来催生数据量级的增长将推动生命科学研究向“数据密集型科学”的新范式转变。因此,生物资源的大数据与生物资源本身一样,也已成为国家战略资源,成为国际科技与产业竞争热点和战略制高点。目前,我国亟待加快建设国家级战略生物资源大数据共享平台,建立全面支撑生物资源保存、利用、开发、挖掘和可持续利用的技术体系,形成包括数据质控流程、数据存储中心、数据共享中心和数据转化中心的可对海量数据进行有效管理、高效分析和可用、易用的综合数据系统,支撑我国生物资源前沿领域科学发现和产业创新发展。中国科学院战略生物资源信息平台配合中国科学院战略生物资源服务网络的建设,形成了包括数据管理规范、数据汇集平台、数据门户和数据可视化系统在内的一套完整的数据生态,从而有效地促进了中国科学院战略生物资源数据的集成、共享、挖掘和利用。目前,该平台已经覆盖中国科学院植物园、标本馆、生物遗传资源、实验动物、生物多样性监测网络5类资源的42家单位,集成6981465条数据,且全部数据资源都可以通过数据门户进行共享。

中国HIV基因序列数据管理及分析系统

本文研究制定了HIV基因序列数据管理的标准格式和数据质量控制的要求,并建立数据系统,对公共参考数据和用户提交的个人数据进行统一管理及分析。通过整合国内外HIV的流行病学和基因序列数据,构建了HIV流行毒株分子传播网络和耐药位点监测为主要功能的“中国艾滋病病毒基因序列数据平台”(https://nmdc.cn/hiv/)。平台融合基因序列质量控制、分子分型和分子网络等分析软件,建立了一体化分析流程,不仅能够提供在线分析工具,还利用融合的国内外基因序列数据,通过序列突变位点识别和分子分型分析,定位了全球和中国HIV-1序列的分型、突变位点及其耐药特征,通过结合多维数据综合分析,实现了全球和中国HIV-1毒株的时空分布谱的绘制、耐药突变谱的绘制,为解析全球不同亚型的耐药位点进化与传播规律,基于真实世界数据的HIV防治策略提供重要的数据支持。

数据驱动的公共卫生安全

在现代社会中,数据已成为重要的生产要素和国家基础性战略资源,是维护国家生物安全与社会稳定的利器[1].正确处理和利用数据,有助于我们及时、快速、有效地发现和解决问题,进一步维护社会的和谐稳定发展.在公共卫生安全领域,公共卫生安全事件成为21世纪人类生存面临的非传统安全威胁之一,特别是新发再发传染病对全球公共卫生和社会经济安全构成严重威胁[2,3].

我国植物检疫性菌物数据库平台的建设及应用

近年来,随着我国对外贸易的不断增长,口岸检测样品量巨大,外来检疫性有害生物尤其是病原菌物传入我国的风险日趋增加,正成为我国国门生物安全的重要威胁。加强外来入侵菌物的防御能力建设,有效防范其造成的生物安全威胁迫在眉睫。由于外来入侵菌物各类群的基础研究薄弱,标准参比物质缺乏、基础数据和可检索数据库缺失,大部分物种缺乏准确、高效的鉴定手段,使得现有口岸菌物检疫存在准确性较低、速度较慢、误检漏检率较高等问题。针对上述问题,以我国进境检疫对象及主要进口农林作物上的高频检出但鉴定困难、误检率高的菌物类群为对象,建立了其标准参比物质库、形态特征信息库、多基因序列数据库,并通过整合多个信息库资源实现从检疫样品中初筛到物种精准鉴定的多模块服务平台www.casbrc.org/pqfungi,并开放共享。该数据库平台的应用有望促进我国口岸检疫部门的检测便利化水平大幅提升,在"智能海关"建设、维护国门生物安全及促进农林产品安全贸易中发挥重要作用。