The European Nucleotide Archive (ENA)|生物信息学数据集|核酸序列数据集

www.ebi.ac.uk2024-10-26 收录

生物信息学

核酸序列

下载链接：

https://www.ebi.ac.uk/ena

下载链接

链接失效反馈

资源简介：

The European Nucleotide Archive (ENA) 是一个提供核酸序列数据的综合数据库，涵盖了从基因组到转录组的各种数据类型。它包括原始测序数据、注释信息和元数据，支持生物信息学研究和数据共享。

提供机构：

www.ebi.ac.uk

AI搜集汇总

数据集介绍

构建方式

欧洲核酸数据库（ENA）的构建基于全球科研机构提交的核酸序列数据，这些数据涵盖了从基因组到转录组的广泛范围。ENA通过一个复杂的系统，自动处理和整合来自不同来源的数据，确保数据的高质量和一致性。其构建过程包括数据接收、格式标准化、质量控制和元数据注释，最终形成一个全面且易于访问的核酸序列数据库。

使用方法

使用ENA数据集时，用户可以通过其直观的网页界面或编程接口（API）进行数据检索和下载。用户可以根据基因名称、样本类型、实验条件等多种参数进行精确搜索，获取所需数据集。此外，ENA还提供了数据分析工具和教程，帮助用户进行数据处理和分析。对于高级用户，ENA的API允许进行自动化数据获取和集成，极大地提高了数据利用的效率和灵活性。

背景与挑战

背景概述

欧洲核苷酸档案库（The European Nucleotide Archive, ENA）是由欧洲生物信息学研究所（European Bioinformatics Institute, EBI）维护的一个综合性数据库，旨在存储和提供全球范围内的核苷酸序列数据。自2000年代初成立以来，ENA已成为生物信息学领域的重要资源，为基因组学、转录组学和蛋白质组学研究提供了关键的数据支持。ENA不仅收录了来自公共和私人研究项目的序列数据，还通过与国际合作，如与美国国家生物技术信息中心（NCBI）的合作，确保了数据的全球可访问性和互操作性。

当前挑战

尽管ENA在生物信息学领域取得了显著成就，但其构建和维护过程中仍面临诸多挑战。首先，数据量的快速增长要求ENA不断升级其存储和计算能力，以应对海量数据的处理需求。其次，数据质量的保证是一个持续的挑战，包括数据的准确性、完整性和一致性。此外，随着多组学数据的融合，如何有效地整合和分析不同类型的生物数据，以提供更有价值的生物学见解，也是ENA需要解决的重要问题。最后，数据隐私和安全问题在基因组数据共享中尤为敏感，确保数据的安全性和合规性是ENA面临的另一大挑战。

发展历史

创建时间与更新

The European Nucleotide Archive (ENA) 创建于2000年，由欧洲生物信息学研究所（EBI）主导开发。自创建以来，ENA 持续进行数据更新与扩展，以适应快速增长的基因组学数据需求。

重要里程碑

ENA 的重要里程碑包括2007年与日本DNA数据库（DDBJ）和美国国家生物技术信息中心（NCBI）的序列读取存档（SRA）项目达成合作，实现了全球范围内的数据共享。2011年，ENA 推出了新的数据提交和访问系统，显著提升了数据处理效率和用户友好性。此外，2017年，ENA 引入了对单细胞RNA测序数据的支持，进一步扩展了其数据类型覆盖范围。

当前发展情况

当前，ENA 已成为全球最大的核酸序列数据库之一，涵盖了从微生物到人类的各种生物体的基因组、转录组和元基因组数据。ENA 不仅为基因组学研究提供了基础数据支持，还通过其强大的搜索和分析工具，促进了跨学科的科学发现。其开放的数据政策和持续的技术创新，使得 ENA 在推动生物医学研究和公共卫生领域的发展中发挥了关键作用。

发展历程

欧洲分子生物学实验室（EMBL）启动了欧洲核酸数据库（ENA）项目，旨在整合和提供欧洲范围内的核酸序列数据。
2000年
ENA正式上线，开始向全球科研社区提供核酸序列数据的存储和访问服务。
2003年
ENA与欧洲生物信息学研究所（EBI）的其他数据库整合，形成了一个综合性的生物信息资源平台。
2007年
ENA开始支持高通量测序数据的存储和分析，显著提升了其数据处理能力。
2010年
ENA推出了新的数据提交和访问接口，进一步简化了用户操作流程。
2015年
ENA的数据存储量突破10亿条记录，成为全球最大的核酸序列数据库之一。
2020年

常用场景

经典使用场景

在生物信息学领域，The European Nucleotide Archive (ENA) 数据集被广泛用于存储和分析大规模的核酸序列数据。其经典使用场景包括基因组测序、转录组分析以及微生物多样性研究。通过ENA，研究人员可以访问来自全球各地的基因组数据，进行比对、注释和功能预测，从而推动基因组学和分子生物学的发展。

解决学术问题

ENA数据集解决了基因组学研究中的多个关键学术问题，如基因组序列的标准化存储与共享、大规模数据集的快速检索与分析等。其开放的数据访问模式促进了国际合作，使得研究人员能够共同解决复杂的生物学问题，如疾病基因的鉴定、物种进化分析等。ENA的存在极大地推动了基因组学研究的进展，为生物医学领域提供了宝贵的数据资源。

实际应用

在实际应用中，ENA数据集被广泛用于临床诊断、药物研发和农业改良等领域。例如，通过分析ENA中的基因组数据，研究人员可以快速识别与疾病相关的基因变异，从而开发新的诊断工具和治疗方法。此外，ENA数据还支持农业科学家进行作物基因组改良，提高作物的抗病性和产量。这些应用不仅提升了科学研究的效率，也为社会经济发展带来了实际效益。

数据集最近研究

相关研究论文

1
The European Nucleotide Archive in 2023European Molecular Biology Laboratory - European Bioinformatics Institute (EMBL-EBI) · 2023年
2
The European Nucleotide Archive: towards a comprehensive archive of nucleotide sequence dataEuropean Molecular Biology Laboratory - European Bioinformatics Institute (EMBL-EBI) · 2022年
3
The European Nucleotide Archive: a comprehensive resource for nucleotide sequencing dataEuropean Molecular Biology Laboratory - European Bioinformatics Institute (EMBL-EBI) · 2021年
4
The European Nucleotide Archive: a global resource for nucleotide sequencing dataEuropean Molecular Biology Laboratory - European Bioinformatics Institute (EMBL-EBI) · 2020年
5
The European Nucleotide Archive: a comprehensive resource for nucleotide sequencing dataEuropean Molecular Biology Laboratory - European Bioinformatics Institute (EMBL-EBI) · 2019年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

lmarena-ai/arena-hard-auto-v0.1

--- license: apache-2.0 dataset_info: features: - name: question_id dtype: string - name: category dtype: string - name: cluster dtype: string - name: turns list: - name: content dtype: string splits: - name: train num_bytes: 251691 num_examples: 500 download_size: 154022 dataset_size: 251691 configs: - config_name: default data_files: - split: train path: data/train-* --- ## Arena-Hard-Auto **Arena-Hard-Auto-v0.1** ([See Paper](https://arxiv.org/abs/2406.11939)) is an automatic evaluation tool for instruction-tuned LLMs. It contains 500 challenging user queries sourced from Chatbot Arena. We prompt GPT-4-Turbo as judge to compare the models' responses against a baseline model (default: GPT-4-0314). Notably, Arena-Hard-Auto has the highest *correlation* and *separability* to Chatbot Arena among popular open-ended LLM benchmarks ([See Paper](https://arxiv.org/abs/2406.11939)). If you are curious to see how well your model might perform on Chatbot Arena, we recommend trying Arena-Hard-Auto. Please checkout our GitHub repo on how to evaluate models using Arena-Hard-Auto and more information about the benchmark. If you find this dataset useful, feel free to cite us! ``` @article{li2024crowdsourced, title={From Crowdsourced Data to High-Quality Benchmarks: Arena-Hard and BenchBuilder Pipeline}, author={Li, Tianle and Chiang, Wei-Lin and Frick, Evan and Dunlap, Lisa and Wu, Tianhao and Zhu, Banghua and Gonzalez, Joseph E and Stoica, Ion}, journal={arXiv preprint arXiv:2406.11939}, year={2024} } ```

hugging_face 收录

LIGO Open Science Center Data

LIGO Open Science Center Data 包含来自激光干涉引力波天文台（LIGO）的观测数据，主要用于研究引力波的探测和分析。数据集包括引力波事件的原始数据、处理后的数据以及相关的元数据，适用于天文学、物理学和数据科学领域的研究。

www.gw-openscience.org 收录

ANC

美国国家语料库（American National Corpus，简称ANC）是一个大规模的电子美国英语语料库，包含多种类型文本及口语数据转录，旨在全面反映美国英语的多样性。其开放部分OANC约有1500万字，涵盖多种文体，且进行了自动标注。

anc.org 收录

ShapeNet

ShapeNet 是由斯坦福大学、普林斯顿大学和美国芝加哥丰田技术研究所的研究人员开发的大型 3D CAD 模型存储库。该存储库包含超过 3 亿个模型，其中 220,000 个模型被分类为使用 WordNet 上位词-下位词关系排列的 3,135 个类。 ShapeNet Parts 子集包含 31,693 个网格，分为 16 个常见对象类（即桌子、椅子、平面等）。每个形状基本事实包含 2-5 个部分（总共 50 个部分类）。

OpenDataLab 收录

MeSH

MeSH（医学主题词表）是一个用于索引和检索生物医学文献的标准化词汇表。它包含了大量的医学术语和概念，用于描述医学文献中的主题和内容。MeSH数据集包括主题词、副主题词、树状结构、历史记录等信息，广泛应用于医学文献的分类和检索。