科技日報記者 劉霞
瑞士蘇黎世聯(lián)邦理工學(xué)院科學(xué)家在最新一期《自然》雜志上發(fā)表論文稱，他們開發(fā)出一款名為MetaGraph的DNA搜索引擎，能快速、高效地檢索公共生物學(xué)數(shù)據(jù)庫中的海量信息，為研究生命科學(xué)提供了強(qiáng)大的專業(yè)工具。
MetaGraph的研發(fā)，源于科學(xué)界對日益龐大的基因測序數(shù)據(jù)“用不好、找不著”的現(xiàn)實困境。過去幾十年來，各類生物學(xué)數(shù)據(jù)庫規(guī)模呈爆炸式增長，然而原始測序數(shù)據(jù)往往碎片化、噪聲多、體量龐大，科學(xué)家難以直接從中高效提取有用信息。
MetaGraph的核心突破在于采用數(shù)學(xué)中的“圖結(jié)構(gòu)”，將相互重疊的DNA片段智能聯(lián)結(jié)。其原理類似于圖書索引中將含有相同關(guān)鍵詞的句子關(guān)聯(lián)起來，形成知識網(wǎng)絡(luò)。研究團(tuán)隊整合了7個公共資助數(shù)據(jù)庫，構(gòu)建出一個跨越病毒、細(xì)菌、真菌、植物、動物乃至人類的生命全譜系索引。該索引共涵蓋1880萬個獨特的DNA與RNA序列集，以及2100億個氨基酸序列集。
基于這一龐大索引，團(tuán)隊開發(fā)出了可直接通過文本提示檢索原始數(shù)據(jù)檔案的搜索引擎。團(tuán)隊表示，這是一種與生物學(xué)數(shù)據(jù)交互的全新方式——數(shù)據(jù)被高度壓縮，卻可隨時調(diào)取。MetaGraph使研究人員能直接對“序列讀取檔案”（SRA）等存儲庫提出生物學(xué)問題，該數(shù)據(jù)庫本身包含超過1億個DNA字母。
為驗證其實用性，團(tuán)隊利用MetaGraph掃描了24萬多個人類腸道微生物組樣本，搜尋抗生素耐藥性的遺傳標(biāo)記。僅用一臺高性能計算機(jī)，約一小時便得出結(jié)果，展現(xiàn)出強(qiáng)大的分析效率。
法國巴斯德研究所生物計算專家拉揚·?；u價稱，這是一項“重大突破”，為分析DNA、RNA及蛋白質(zhì)序列等原始生物學(xué)數(shù)據(jù)設(shè)立了新標(biāo)準(zhǔn)。這些數(shù)據(jù)庫規(guī)模驚人，可達(dá)“拍字節(jié)”（PB）級別，其條目數(shù)量甚至超過谷歌索引中的所有網(wǎng)頁。