国家基因库生命大数据平台上线

2018 年 10 月 25 日，在华大集团主办的第十三届国际基因组学大会（ICG-13）上，深圳国家基因库在与会嘉宾的共同见证下，正式发布“国家基因库生命大数据平台”（China National GeneBank Database，以下简称“CNGBdb”），成为本届 ICG 大会的一大亮点。

国家基因库 CNGBdb 平台负责人、华大集团大数据中心大数据应用团队负责人魏晓锋对 CNGBdb 进行了介绍。该平台为促进生物大数据的共享和利用而生。与其他数据平台不同，CNGBdb 在大数据和云计算技术的支持下，基于国家基因库、NCBI（美国国立生物技术信息中心）、EBI（欧洲生物信息研究所）、OMIM（在线人类孟德尔遗传数据库）等平台海量数据的整合，贯穿“搜”、“存”、“算”、“用”多重需求，打破领域内数据库分散林立的障碍，以统一门户为用户一站式解决全部需求，因此被称为“基因界的谷歌”。

CNGBdb 具体能做什么？平台负责人魏晓锋介绍称，该平台面向全球科研人员提供数据归档、知识搜索、计算分析、管理授权、可视化等数据服务，覆盖母婴健康、肿瘤、动植物多样性、病原微生物等十几个研究领域，形成一个融合多研究领域、多数据类型、多分析维度的超大型科研数据系统。

CNGBdb 首先为国内科研人员解决了“存”的难题——国内本地化的数据归档空间。它旗下的核酸序列归档系统（CNSA）提供英汉双语界面、1Gb 带宽、批量归档功能，确保用户能轻松上手、快速上传和下载，并加强了我国遗传数据资源的安全性。同时，CNGBdb 赋予每条科学数据一个唯一的“身份证”——DOI（数字对象标识符）标识，方便检索、追踪和引用，提高数据的曝光率和引用率。截至现在，该平台已经支持了近 3000 个项目，归档数据将近 600TB。

据悉，CNGBdb 的另外一大优势，是分布式的、由 AI 驱动的搜索引擎。它同时也是生命科学垂直领域的最大搜索引擎，已实现 30+ 亿索引、10+TB 元信息的互联。文献、变异、基因、蛋白质、序列等 12 个结构的数据彼此联结，检索时关联信息汇集于同一页面，一目了然，使信息搜集和筛选效率翻倍。此外，CNGBdb 搜索引擎不仅达到秒级响应速度，还支持中文关键词和全文检索。

而在“算”方面，CNGBdb 提供一系列数据计算和分析服务，其中 BLAST 是最值得推荐的应用之一，这是一个高性能混合计算池，整合了 NCBI 最新的 nt、nr 库，且拥有 CNGB 独有的千种植物转录组数据集、万种鸟基因组项目数据集、全球最大免疫序列数据集等，方便用户对核酸或蛋白质序列进行搜索对比。

CNGBdb 的发布，可谓生命科学领域的一大盛举，引起国内外与会嘉宾的强烈反响。该平台目前已正式上线，用户可访问 db.cngb.org 体验其各项功能和服务。平台负责人魏晓锋表示，相信 CNGBdb 将为国内外生命科学领域的科研提供巨大便利。国家基因库还将进一步扩充平台的数据存储，结合前沿技术继续加强平台的功能和服务，更好地促进生命多组学大数据的互联互通、开放共享及有效利用，推动生命科学和生物产业的快速发展。

扫码，先睹为快：