ncbi高通量测序数据库sra介绍

《ncbi高通量测序数据库sra介绍》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《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—05NCBI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

2、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

3、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

4、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

5、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SRSNCBI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／sr

6、a．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。DRX，ERX或SRX开头。实验是SRA数据库的最基本收稿日期：20l0—06—20单元，就像PubMed数据库的每一篇文献是PubMed上海工程技术大学科技发展基金项目(A一2500—10—01005)数据库的基本单元一样。一个实验隶属于某个研究资助课题，对一个或多个样本进行测序，产生的测序数作者简介：熊筱晶(1979一)，女，硕士，讲师，通讯作

7、者，E—mail：luzifer．1imm@gmail．com据以runs的形式存储于SRA。实验信息可以通过960·《生命的化学》2010年3O卷6期·●TechniqueandMethodCHEMISTRYOFLIFE2010，30(6)http：／／www．ncbi．nlm．nih．gov／sites／entrez?db=sra&实现人类个体的全基因组测序。report=full&term=xxx(xxx为样本的检索号)来查询。目前SRA数据库已涵盖了超过1500种物种的测1．2序列数据序数据，表1列举l『排名前15位的物

8、种。人、果蝇、包括序列及其质量信息等，在SRA数据库中以小鼠、线虫、酵母、拟南芥和水稻等传统模式生物run为单元存储。run的检索号以前缀DRR，ERR或仍然是研究的热点，此外，宏基因组学研究也占了SRR开头。一个实验可以包含一个或多个rtlns。run测序研究