8月14日，中國科學(xué)院北京基因組研究所（國家生物信息中心）國家基因組科學(xué)數(shù)據(jù)中心（CNCB-NGDC）在Genomics，Proteomics & Bioinformatics上，在線發(fā)表研究論文The Genome Sequence Archive Family: Toward Explosive Data Growth and Diverse Data Types。GSA數(shù)據(jù)庫體系接受全世界科研工作者的數(shù)據(jù)提交，匯交和管理各類型的數(shù)據(jù)，并對所有公開可用數(shù)據(jù)提供免費(fèi)開放訪問，支撐生命科學(xué)研究。

組學(xué)原始數(shù)據(jù)歸檔庫（GSA）是生命組學(xué)原始測序數(shù)據(jù)管理的公益性數(shù)據(jù)庫，旨在推動全球生命組學(xué)數(shù)據(jù)的共享與應(yīng)用。近年來，隨著組學(xué)數(shù)據(jù)的爆炸性增長和數(shù)據(jù)類型的多樣化，以及人類遺傳資源數(shù)據(jù)管理的特殊需求，CNCB-NGDC對GSA數(shù)據(jù)庫進(jìn)行了更新和擴(kuò)展，形成了GSA數(shù)據(jù)庫體系，包括GSA、GSA-Human和OMIX。

GSA數(shù)據(jù)庫與2017發(fā)布的版本相比，在數(shù)據(jù)模型、系統(tǒng)功能和數(shù)據(jù)提交方式等方面進(jìn)行了更新和功能提升；GSA-Human是存儲人類遺傳資源數(shù)據(jù)的數(shù)據(jù)庫，可實(shí)現(xiàn)人類遺傳資源數(shù)據(jù)的受控訪問，保障人類遺傳資源數(shù)據(jù)的安全性；OMIX數(shù)據(jù)庫存儲非原始測序數(shù)據(jù)，如環(huán)境組、表型組、代謝組等，作為上述兩種數(shù)據(jù)資源庫的重要補(bǔ)充，有效地解決了用戶提交除原始測序數(shù)據(jù)外的其他類型數(shù)據(jù)的需求。

截至2021年8月14日，GSA和GSA-Human已收集的數(shù)據(jù)量達(dá)9.5 PB，OMIX上線不久數(shù)據(jù)量已達(dá)1.6 TB。GSA數(shù)據(jù)庫體系已為全球111個國家/地區(qū)的用戶提供數(shù)據(jù)服務(wù)，平均每天的數(shù)據(jù)下載量達(dá)4 TB，已成為Elsevier、Wiley、Taylor & Francis 、Cell及Springer Nature出版集團(tuán)指定的核酸數(shù)據(jù)歸檔庫，并獲得領(lǐng)域內(nèi)國內(nèi)外主流期刊的認(rèn)可。

研究工作得到國家重點(diǎn)研發(fā)計劃、中科院戰(zhàn)略性先導(dǎo)科技專項(xiàng)、中科院信息化專項(xiàng)等的支持，GSA歸檔數(shù)據(jù)使用的計算機(jī)硬件設(shè)施得到國家財政部修繕購置專項(xiàng)的支持。

論文鏈接

GSA Family數(shù)據(jù)模型

來源： 北京基因組研究所