第一章 NCBI高通量测序数据库SRA介绍.pdf

生《命的化学 2010年 30卷 6期 ●技术与方法 CHEMISTRYOFLIFE2010，30(6) ·959 · 文章编号： 1000—1336(2010)06—0959—05 NCBI高通量测序数据库SRA介绍 熊筱 晶 上海工程技术大学化学化工学院，上海 201620 摘要：随着新一代测序技术的发展，高通量测序技术的应用越来越广泛，其产生的海量数据的存储、查询需要专 门的数据库辅助，NCBI的SRA(SequenceReadArchive)数据库是高通量测序存储的代表，本文对 SRA数据库的组织 架构，数据 形态作 了综述分析，并对其存贮的数据进 行了总结。 关键词：高通量测序；SRA数据库 中图分类号：Q8l9 以Illumina／Solexa技术、Roche／LS454技术、ABI／ 1．SRA数据库的组织架构 SOLID技术及HELICOS单分子测序技术为代表的新 1．1meta数据 一 代测序技术(next-generationsequencingtechnology) meta数据是指与测序实验及其实验样品相关的 真正实现了高通量测序(massivelyparallelsequencing／ 数据，如实验 目的、实验设计、测序平台、样本数 highthrough—putsequencing)…。随之产生了海量的实 据(物种，菌株，个体表型等)，在SRA数据库中，meta 验数据，单个run产生的数据 以GB乃至数十 GB计， 数据分如下层次来存储 ： 除此之外，实验样本等meta信息也需要与序列数据 (1)研究课题(study)。在SRA数据库中，研究课 整合。高效率的数据存储、提取乃至共享成为高通 题的检索号(accessionnumber)以前缀DRP，ERP或 量测序数据分析必不可少的环节 。 SRP开头。一个研究课题致力于一个特定的研究 目 在美国国立生物技术信息中,I~(NCBI)的诸多数 的，由一个或多个测序 中心来完成，往往是某个基 据库中，传统测序数据(如毛细管电泳产生的测序数 因组计划(genomeproject)的项 目，有特定的研究类型 据)的存储有TraceArchives数据库，但不适合存储 (如全基因组测序，转录组分析，宏基 因组学分析 高通量测序数据；GEO数据库用于存储高通量的芯 等)。包含一个或多个实验。研究课题的详细信息可 片实验数据，在SRA未建立之前，GEO数据库也用 以通过 http：／／www．ncbi．nlm．nih．gov／Traces／sra／sra．cgi? 于存储高通量测序数据，但随着高通量测序数据的 study=xxx(xxx为研究课题的检索号)来查询。(2)样本信 累积，专门用于存储此类数据的需求越来越迫切， 息(sample)。样本的检索号以前缀DRS，ERS或 SRS NCBI在2007年底推出了SRA数据库，用于存储、显 开头。样本信息可 以包括物种信息、菌株(品系)信 示、提取和分析高通量测序数据。SRA数据库，最 息、家系信息、表型数据、临床数据，组织类型等。 初的命名为ShortReadArchive，现已改为Sequence 样本信息可以通过http：／／www．ncbi．nlm．nih．gov／ ReadArchive，自建立之初，序列数据迅速累积，涉 Traces／sra／sra．cgi?sample=xxx(xxx为样本的检索号)来 及多平台，多物种，多种应用的，分层次的SRA数 查询。(3)实验信息(experiment)。实验的检索号以前缀 据库已初具规模。