• 合成生物学:开启生命科学“会聚”研究新时代

    分类: 其他 >> 综合 提交时间: 2023-03-19 合作期刊: 《中国科学院院刊》

    摘要: 自然科学各学科的研究对象在时空尺度上的差别与相连,既决定了学科间的差别,也决定了学科间的交叉。生物学在发展到以机理研究为主的“生命科学”阶段后,得益于学科交叉和技术创新,在20世纪“分子生物学”和“基因组学”革命基础上,通过引入工程学理念,形成了“合成生物学”,并迅速形成“会聚研究”的第三次革命。文章在阐述合成生物学的内涵并回顾其学科发展历程与取得成果的基础上,特别提出了合成生物学的科技支撑与社会治理问题,期望引起科学界、社会公众与政府管理层面的关注。

  • 中国微生物组计划:机遇与挑战

    分类: 其他 >> 综合 提交时间: 2017-03-22 合作期刊: 《中国科学院院刊》

    摘要: 微生物组是指一个特定环境或者生态系统中全部微生物及其遗传信息,包括其细胞群体和数量、全部遗传物质(基因组),它界定了涵盖微生物群及其全部遗传与生理功能,其内涵包括了微生物与其环境和宿主的相互作用。微生物组学是一个崭新的学科,微生物组研究取得的成果,必将为国家经济社会发展、人类生活质量改善提供源源不断的创新活力。因此,微生物组学也是一个世界各国争相发展的战略性科技领域,美国、日本等发达国家已经部署了支持微生物组研究的国家计划。在分析国内发展现状的基础上,结合我国发展过程中的国家需求,文章分析了我国微生物组研究面临的机遇和挑战,提出了部署中国微生物组计划“国家需求导向、科学假设驱动、技术创新支撑”的基本原则。建议设立中国微生物组计划国家重点研发计划;探讨了中国微生物组计划的重点领域和内容,涉及健康、环境、工农业和海洋等领域。希望通过中国微生物组计划的实施,主导国际大科学计划并强化我国在相应领域的话语权,显著提升我国科技创新和科技成果转化能力,催生一批基于颠覆性技术的战略性新兴产业,为我国经济社会发展和人类文明进步作出应有的贡献。

  • 生物医学大数据发展的新挑战与趋势

    分类: 其他 >> 综合 提交时间: 2023-03-19 合作期刊: 《中国科学院院刊》

    摘要: 生物医学数据从PB量级的组学时代进入到EB量级的多维度大数据时代,引发了生物医学研究向数据密集型的第四科学范式的深刻变革。如何将临床数据与研究数据进行高维度多层次的汇交共享,实现从“组学”到临床与健康人群数据的生物医学大数据的综合管理利用,从而使大数据迅速转化为新知识,成为生物医学大数据所面临的挑战。发展以递交为基础、以整合为导向的数据存储技术,以主题为基础、以交互为导向的数据共享技术,以及以传统信息技术为基础、以前沿信息技术为导向的数据分析挖掘技术,并同时开展标准质控相关研究,是生物医学大数据存储、共享和转化的新思路,也是构建新一代生物医学大数据研究中心的技术关键和未来趋势。

  • 雨生红球藻低覆盖度基因组草图分析

    分类: 生物学 >> 生物工程 提交时间: 2018-05-23 合作期刊: 《中国生物工程杂志》

    摘要: 开展雨生红球藻基因组测序研究,对于解读绿藻起源与进化及生物逆境胁迫响应机理,及推动雨生红球藻产业发展都具有重要意义。利用Illumina Hiseq 2500对雨生红球藻(Haematococcus pluvialis)进行高通量测序,获得低覆盖度全基因组草图。通过计算k-mer分布预测该基因组草图大小约为547 Mbp,GC含量为59.2 %,为纯合或单倍体。共得到11,059个预测基因,平均基因长度为1,711 bp,平均CDS长度为681 bp;平均每个基因包含3.2个外显子,外显子平均长度为353 bp。代谢通路分析表明,具有完整的糖酵解、三羧酸循环、磷酸戊糖途径、嘌呤和嘧啶合成等基本代谢通路。

  • 建设微生物组大数据中心 发挥长期科学影响

    分类: 其他 >> 综合 提交时间: 2017-03-22 合作期刊: 《中国科学院院刊》

    摘要: 宏基因组研究的思想与技术推动了微生物组的兴起,积累了丰富的微生物基因组以及健康、动植物和环境相关的微生物宏基因组数据,形成了具备一定规模和影响力的数据库、标准化方法与分析工具。大多数平台聚焦于为项目或特定类型的微生物菌群提供数据支撑,难以满足更深入全面的微生物生物学研究需求。文章建议采用综合聚焦微生物分类单元总和的微生物系统组与聚焦特定生态位微生物种群总和的微生物组的思路,建设综合性的微生物组数据仓库,整合微生物分类、进化、生态以及相关“组学”数据与信息。在此基础上,进一步综合生命科学基础研究和系统合成生物学研究的数据,支撑经高水平质控的综合性参考数据库、标准化的拼接与注释以及一流的数据汇交、搜索分享、深度学习和分析挖掘方法的研究开发。由此,亦将进一步集成大型微生物组项目的元数据及数据,形成数据综合完整、管理安全高效,服务功能完备的微生物组大数据中心。