NGDC May 29, 2022
近日，在国际核酸序列数据库联盟（INSDC）的支持和美国国家生物信息技术中心（NCBI）的技术协助下，中国科学院北京基因组研究所（国家生物信息中心）国家基因组科学数据中心（CNCB-NGDC）完成NCBI生物项目管理数据库（BioProject）、生物样本管理数据库（BioSample）全部数据及序列片段归档库（Sequence Read Archive, SRA）全部元数据与自主开发数据库的整合，实现了上述数据在NGDC网站的一站式检索与访问，极大提升了国内科研人员查询和获取数据的效率。
CNCB-NGDC 2015年开发的组学原始数据归档库（Genome Sequence Archive, GSA）是中国首个测序数据归档系统，已完成NCBI SRA全部元数据及2022年4月20日起SRA日更新全量数据（元数据和原始序列数据）的整合。截至5月28日，GSA收录460万测序数据集，涵盖近2000万实验数据和2074多万测序反应，测序序列数据量超过13PB。特别指出的是，GSA目前提供NCBI SRA数据库全部数据的检索服务，也提供这些数据在INSDC相关数据库的下载地址以及最新数据的本地化下载地址。研究人员可以通过NGDC的跨库搜索引擎BIG Search系统，快速查找并选择最优的下载路径获取数据。
GSA正在逐步下载整合NCBI SRA中的历史数据，实现全球生命组学测序数据的本地化管理，为国内科研人员提供数据获取便利的同时，也为全球生命组学数据共享贡献力量。