海洋微生物多组学数据集

由华大生命科学研究院、中国科学院等共建单位联合构建的全球海洋微生物基因组目录（GOMC），主要基于24,395个公开海洋宏基因组样本，利用基因组解析宏基因组学、MIMAG高质量基因组筛选标准、GTDB-Tk系统发育分类、深度学习驱动的生物合成基因簇挖掘以及CRISPR-Cas系统精准识别等技术研制，有效克服了以往海洋微生物基因组研究中存在的数据覆盖度不足、新物种代表性差及生物勘探实验验证薄弱等主要问题。The Global Ocean Microbial Genome Catalogue (GOMC) was jointly constructed by BGI Life Sciences Research Institute, Chinese Academy of Sciences and other collaborative institutions. Developed primarily using 24,395 publicly accessible marine metagenomic samples, this catalogue leverages multiple technologies including genome-resolved metagenomics, MIMAG high-quality genome screening criteria, GTDB-Tk phylogenetic classification, deep learning-driven biosynthetic gene cluster mining, and precise CRISPR-Cas system identification. It effectively addresses the core limitations of previous marine microbial genome research, such as insufficient data coverage, underrepresentation of novel species, and weak experimental validation in bioprospecting.

搜集汇总

背景与挑战

背景概述

该数据集是全球海洋微生物基因组目录（GOMC），由华大生命科学研究院、中国科学院等单位基于24,395个公开海洋宏基因组样本构建，利用多组学技术和深度学习方法，有效解决了以往研究在数据覆盖、新物种代表性和实验验证方面的不足。它包含43,191个新重构的宏基因组组装基因组，规模达237 TB，广泛应用于海洋微生物多样性分析、生物活性物质挖掘和环境修复技术开发等领域。