10月29日,《核酸研究(Nucleic AcidsResearch)》在线发表了国家微生物科学数据中心(中国科学院微生物研究所微生物资源与大数据中心、世界微生物数据中心)团队关于全球模式微生物基因组数据库gcType的文章。gcType是由我国牵头的全球模式微生物基因组测序计划的重要成果。

https://doi.org/10.1093/nar/gkaa957

模式菌株(type strains)是在给微生物定名、分类记载和发表时,以纯菌状态所保存的菌种,是微生物分类学的标准参考物质,也是理想的生物技术研究工具,具有重要的科研和产业价值。模式菌株长期以来分散在全球各国超过100余个保藏中心,是各个保藏中心甚为珍贵的资源。2018年,微生物所牵头组织发起了全球模式微生物基因组测序计划,从全球微生物资源保藏中心选择目前未进行测序的模式微生物菌株(包括细菌、古菌和可培养真菌),预计5年内完成超过10,000种的细菌、真菌、古菌模式菌株基因组测序,建立全球微生物模式菌株基因组测序合作网络,现已有来自美国的ATCC、日本JCM和NBRC、韩国的KCTC等超过12个国家的26个微生物资源保藏中心正式加入该计划并形成了重要了阶段性成果。

目前,国家微生物数据中心(世界微生物数据中心)已经形成了国际引领的微生物大数据平台体系。其中全球微生物菌种目录(Global Catalogue of Microorganism, GCM)集成了来自全球50个国家133个微生物资源中心46万微生物菌种资源数据(Nucleic AcidsRes. 2016),是目前最大的微生物实物资源数据平台。全球模式微生物基因组数据库(Global Catalogue of Type Strain, gcType)整合了16701个有效发表的原核生物的超过13 944个基因组数据(Nucleic Acids Res. 2020),是目前在模式微生物基因组方面数据最为全面,功能最为完善的数据平台,为用户提供一站式的数据管理和基因组注释、新种鉴定等分析。全球微生物组数据库(The Global Catalogue of Metagenomics, gcMeta)整合了超过200TB宏基因组相关数据和超过100个在线数据分析工具及整合的工作流(Nucleic Acids Res. 2019)。国家微生物科学数据中心持续为超过90个国家的用户提供高质量的数据服务,致力于建立国际一流的微生物数据中心。

国家微生物科学数据中心史文聿博士和孙清岚博士为文章共同第一作者,中心马俊才研究员与吴林寰研究员为共同通讯作者,国内外22个团队共同参与了文章的相关工作。衷心感谢中国科学院国际大科学培育专项计划、科技部国家微生物科学数据中心、中国科学院微生物学科数据中心、中国科学院地球大数据A类先导专项、中国科学院战略生物资源网络计划等项目的长期支持。

论文链接:

https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkaa957/5943199

猜你喜欢

10000+:菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

系列教程:微生物组入门 Biostar 微生物组  宏基因组

专业技能:学术图表 高分文章 生信宝典 不可或缺的人

一文读懂:宏基因组 寄生虫益处 进化树

必备技能:提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析:图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具:16S预测培养基 生信绘图

科研经验:云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘

写在后面

为鼓励读者交流、快速解决科研困难,我们建立了“宏基因组”专业讨论群,目前己有国内外5000+ 一线科研人员加入。参与讨论,获得专业解答,欢迎分享此文至朋友圈,并扫码加主编好友带你入群,务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份,另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助,首先阅读《如何优雅的提问》学习解决问题思路,仍未解决群内讨论,问题不私聊,帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战,关注“宏基因组”

点击阅读原文,跳转最新文章目录阅读

NAR:中科院微生物所发布全球模式微生物基因组测序计划进展相关推荐

  1. Nature:拟南芥微生物组功能研究2细菌基因组测序和分析

    本网对Markdown排版支持较差,请跳转植物微生物组公众号阅读 背景介绍 Bai, Y., et al. (2015). "Functional overlap of the Arabid ...

  2. 微生物分类学研究利器:模式微生物基因组数据库

    由国家微生物科学数据中心(世界微生物数据中心)建立的模式微生物基因组数据库(gcType)http://gctype.wdcm.org/,是为分类学家进行基因组研究.新种鉴定的一个非常有价值的工具平台 ...

  3. mSystems:苏晓泉、徐健等发布全球微生物组结构和功能搜索平台2.0

    Microbiome Search Engine 2 第二代微生物组搜索引擎:全球微生物组结构和功能搜索的平台 Microbiome Search Engine 2: a Platform for T ...

  4. Nature Microbiology:微生物与海洋全球变化

    本文由RR编译,董小橙.江舜尧编辑."微生太"原创微文,转载已获授权 导读 驱动海洋生物地球化学循环的真核和原核微生物正面临着前所未有的人为活动的影响.目前,几乎所有海洋微生物生理 ...

  5. 30亿参数,华为云发布全球最大预训练模型,开启工业化AI开发新模式

    本文分享自华为云社区<HDC.Cloud 2021 | 华为云发布全球最大预训练模型,开启工业化AI开发新模式>,原文作者:技术火炬手 . 4月25日,华为云发布盘古系列超大规模预训练模型 ...

  6. Nature:基于宏基因组测序构建人类肠道微生物组参考基因集

    文章目录 基于宏基因组测序构建人类肠道微生物组参考基因集 文章影响 作者简介 热心肠日报 摘要 正文 宏基因组测序肠道微生物组 图1. 人类肠道微生物组的覆盖度 人类肠道微生物组的基因集 图2. 预测 ...

  7. MPB:微生物所蔡磊组-​​基于二代测序的真菌基因组组装和注释

    为进一步提高<微生物组实验手册>稿件质量,本项目新增大众评审环节.文章在通过同行评审后,采用公众号推送方式分享全文,任何人均可在线提交修改意见.公众号格式显示略有问题,建议电脑端点击文末阅 ...

  8. 每日新闻丨英伟达发布全球最小边缘AI超级计算机;IBM开发出全球首个金融服务就绪公有云...

    趋势洞察 百度CTO王海峰:人工智能已经进入到工业大生产阶段 百度首席技术官(CTO)王海峰在第二届中国国际进口博览会上表示,人工智能已经不仅仅是新的生产力,已经进入到工业大生产阶段.他介绍,百度人工 ...

  9. 中国率先发布全球首份车路协同技术白皮书!清华百度联手,突破自动驾驶规模落地瓶颈...

    鱼羊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 如果抛出这样一个问题:在自动驾驶领域,中国有啥与众不同? 不少业内人士都会给出这样一个答案:车路协同. 你若尚不了解这是怎样的技术,现在,一 ...

最新文章

  1. php中条件查询语句,thinkphp3.2框架中where条件查询用法总结
  2. hibernate+mysql时,会出现事物不管用
  3. 在鹅厂面试5轮后扑街!微服务架构,我拿什么拯救你!
  4. i红枣:在没有暴露链接地址的C#情况下
  5. 6002.mavlink通过xml生成自定义消息
  6. 机房部署环境和划分多vlan的好处
  7. WP7实例篇之土豆搜索器(2)
  8. 为什么我会觉得SegmentFault做得越来越力不从心了?
  9. Python破解验证码,只要15分钟就够了!
  10. cocos2d-html5 sprite打印宽高都为0的问题
  11. c语言编写生日祝福语大全,生日祝福语(精选50句)
  12. 从PROXMOX群集中安全删除节点
  13. Hibernate入门简介----张冬
  14. 前端技术之:Prisma Demo服务部署过程记录
  15. netty系列之IO基础
  16. WebRTC 音视频同步分析
  17. 电脑我的世界服务器怎么按键显示,我的世界功能按键大全 操作按键全介绍
  18. android 获取通话记录对应卡槽,短信记录对应卡槽
  19. window10企业版永久密钥激活
  20. 调试经验——让Oracle的中文提示修改为英文提示

热门文章

  1. 万字长文带你还原进程和线程
  2. 98页PPT,看懂阿里、小米、京东、美团的组织架构和战略变迁!
  3. 服务器性能优化的正确姿势
  4. 初探性能优化--2个月到4小时的性能提升!
  5. 淘宝高可用高伸缩高性能框架之实现
  6. Leangoo敏捷工具如何升级至企业版
  7. 第3关:4位快速加法器设计
  8. 23Command(命令)模式
  9. 04JavaScript中的运算符
  10. TensorFlow中的RNNCell基本单元使用