从未培养的微生物中定义基因组标准

在工业革命期间，工厂开始依靠机器而不是人来进行大规模生产。在社会变革的过程中，标准化从确保螺母和螺栓的制造方式与保持生产质量完全相同，成为大西洋两岸使用的标准铁路轨距。当标准不存在或不被普遍接受时，标准的重要性得到了极大的体现，例如，Mac，与PC，甚至是磅与公斤。

工业革命后一个多世纪以来，DNA测序技术的进步已经在科学研究中引起了类似的巨大变化，其中一个方面是研究地球的生物多样性。微生物在调节涉及碳，氮和磷的全球循环中发挥着至关重要的作用，但其中许多仍未被培养和未知。更多地了解这种所谓的“微生物暗物质”涉及从单细胞和宏基因组的扩增DNA中提取微生物基因组。随着基因组数据生产在过去二十年中不断增加，并且正在世界各地的各种平台上生成，科学家们共同努力建立诸如“草案组装”和全面适用的数据收集标准等术语的定义。

2017年8月8日在 Nature Biotechnology上发布，由美国能源部联合基因组研究所(DOE JGI)的研究人员领导的国际团队，DOE办公室科学用户设施，已经制定了单个放大器提供的最小元数据标准提交到公共数据库的基因组(SAG)和宏基因组装配的基因组(MAG)。“在过去几年中，单细胞基因组学已成为补充宏基因组学的流行工具，”研究高级作者，DOE JGI 微生物计划负责人Tanja Woyke说。。“从2007年开始，环境细胞的第一个单细胞基因组出现在公共数据库中，它们是数据质量波动的草案集。宏基因组装配的基因组具有类似的质量挑战。对于想要进行比较分析的研究人员来说，了解分析中的内容非常重要。强大的比较基因组学依赖于广泛而正确的元数据。“

基因组质量的分类

在他们的论文中，Woyke和她的同事提出了四类基因组质量。低质量草案的完成率不到50%，对组装的片段进行最少的审查，不到10%的非目标序列污染。中等质量草案将至少完成50%，对组装碎片的审查很少，污染不到10%。由于存在23S，16S和5S rRNA基因，以及至少18个tRNA，污染低于5%，高质量草案将完成90%以上。完成质量类别保留用于没有间隙的单个连续序列，每100,000个碱基对少于1个错误。

在DOE JGI的基因组在线数据库(GOLD)上，DOE JGI已经产生了超过2,800个SAG中的大约80%和超过4,500个MAG。。DOE JGI科学家和研究第一作者鲍勃鲍尔斯说，许多已经在GOLD中的SAG将被视为低质量或中等质量草案。这些是非常有价值的数据集，但出于某些目的，研究人员可能更喜欢使用高质量或完成的数据集。“单细胞和宏基因组数据集的总体质量差异很大。然而，在低质量，零碎的基因组是生命树上新分支的唯一代表的情况下，一些数据优于没有数据，“他补充道。“提出建议的类别将迫使科学家在提交给公共数据库之前仔细考虑基因组质量。”

从提案到社区实施

从印刷提案转向实施需要社区支持。Woyke和Bowers构想了SAG和MAG的最低元数据要求，作为序列数据的现有元数据标准的扩展，称为“MIxS”，由基因组标准联盟开发和实施(GSC)2011年.GSC是一个开放式会员工作机构，确保研究界参与标准制定过程，并包括国家生物技术信息中心(NCBI)和欧洲生物信息学研究所(EBI)的代表。这很重要，因为这些是实现最低元数据要求的主要数据存储库。通过直接与数据提供者合作，GSC可以协助大规模数据提交者和数据库与MIxS标准保持一致并提交合规数据。

“其他重要的公共微生物组数据管理系统，如MG-RAST，IMG和GOLD也已经采用了MIxS标准，” DOE JGI原核生物超级计划和GSC理事会成员Nikos Kyrpides表示。他指出，作为DOE JGI核心使命的一部分，该研究所一直参与组织社区以制定基因组标准。“GSC一直致力于将社区聚集在一起，以制定和实施越来越多的相关标准。事实上，在DOE JGI最近的一次GSC会议上确定了将MIxS扩展到未开垦的生物体的必要性。“

“这些扩展通过定义与描述宏基因组单细胞基因组和基因组的采样和测序相关的关键数据元素，补充了MIxS元数据标准套件，”GSC总裁兼研究共同作者，基因组科学研究所的Lynn Schriml说。在马里兰大学医学院。“这些标准开辟了元数据数据探索的全新领域，因为绝大多数微生物(称为微生物暗物质)目前尚未在MIxS标准中进行描述。”

她将该团体及其使命描述为社区驱动。她说：“我认为制定标准的人是进行研究的人是有帮助的。” “我们对数据有既得利益。研究正在不断发展和扩展，我们必须以严格的方式捕获这些数据。开发这些新颖的元数据标准使研究人员能够持续报告最关键的元数据以进 使用受控词汇表捕获数据有助于数据的一致性，从而使数据库更加丰富和可重复使用。“最后，希望序列数据伴随着商定的元数据标准对于每个想要使用的人来说意味着同样的事情。它。