編者按

　　5 月 27 日，生命大數據高峰論壇暨第四屆基因組云計算技術開發者峰會（GCTA 4）在貴陽隆重舉行。作為 2019 數博會的重要組成部分，會議聚焦“閱讀、管理、理解、計算生命大數據”，分享前沿學術報告，解讀***政策及行業動態，為生命大數據的研究與應用再添新動力。

　　圍繞如何搭建生命應用大平臺，魏曉鋒分享了國家基因庫生命大數據平臺（CNGBdb）的設計思路及服務優勢，并展示了 CNGBdb 在助力生命大數據研究與應用方面取得的成果。以下是內容詳情。

　　生命大數據，挖掘種質資源

　　生命就是大數據，其載體可能是動物、植物，也有可能是細胞，甚至磁盤或磁帶。這里涉及一個關鍵詞：種質（編者注：種質是指生物體親代傳遞給子代的遺傳物質，往往存在于特定品種之中。 如古老的地方品種、新培育的推廣品種、重要的遺傳材料以及野生近緣植物，都屬于種質資源的范圍）。

　　哪些種質的應用對經濟有較大價值？中國的種質資源豐富到什么程度？對于豐富的種質資源，應該如何做好信息存儲？

　　另外，每個人都是一個行走的大數據庫。每個人從受精卵成長及至衰老，整個身體里動態維持著 40 多萬億細胞，每個細胞里都有 23 對染色體。IT 領域經常提到一個詞叫量級，提升一個量級需要經常更新方法。而在 BT 領域的難題是，我們每個人有 3G 的基因組數據，通過測序分析會產生數百 GB 甚至 1TB 以上的數據。海量數據對平臺和方法有更嚴苛的要求。

　　搭建數據組織的頂層設計

　　面對龐雜的數據，CNGBdb 團隊把自身的數據和公開的信息進行了整合。那么，如何在上層構建一個新的載體以組織連接？魏曉鋒認為，在這個平臺上，需要做三件事情：數據、系統、網絡。

　　具體到數據。CNGBdb 構建了一個數據倉庫，整合了內外部的數據，建立標準流程，所有的數據都以節點的形式來承載。

　　此外還有數據挖掘。整個平臺被分成數據層、平臺層、應用層。未來，用戶如需創建數據應用，只需一個按鈕，就能像做選擇題一樣選擇相關模塊。

　　對應到網絡，作為一個平臺，并不是一個孤獨的數據點。CNGBdb 整合了全球的公開生命數據資源，覆蓋母嬰健康、腫瘤、動植物多樣性、病原微生物等十幾個研究領域，形成一個超大型的科研數據系統。

　　CNGBdb，打造基因界的谷歌

CNGBdb 的主頁界面

　　魏曉鋒介紹，CNGBdb 目前已經建立覆蓋健康與疾病、生物多樣性、微生物等領域的十大專有數據庫，專精專用；支撐數十篇科研成果發表，被《Cell》《Nature Genetics 》《Nucleic Acids Research》等國際期刊引用；并通過樣本信息共享平臺（E-BioBank）對外共享相關信息，而且配有對應的標本照片。

　　可以說，CNGBdb 以統一門戶的形式，為用戶一站式解決搜、存、算、用全部需求，且對用戶免費開放，努力打造“基因界的谷歌”。

CNGBdb 一站式解決搜、存、算、用全部需求

　　此外，依托國家基因庫對生物數據的“存”、“讀”、“寫”聯動，CNGBdb 將樣本元數據與生物樣本甚至活體信息相關聯，因此數據可以在“生物活體——生物樣本——生物信息數據”全過程中進行追溯，實現綜合數據的全貫穿。

　　魏曉鋒稱，從開始的“載體”到“連接”，再到***以“平臺”的形式展示，CNGBdb 作為一個對外的窗口，展示了數據的可能性。另外，就服務體驗而言，CNGBdb 更希望做成一本字典，讓所有人通過這個字典都可以方便快捷地了解到更多更豐富的信息。

　　未來，CNGBdb 將持續促進生命大數據的共享與利用，使生物信息數據在生命科學與生物產業發展中創造更大價值。