GSA - 组学测序原始数据库【国家生物信息中心】

• 组学原始数据归档库（Genome Sequence Archive, GSA）是面向组学领域的原始数据采集、存储、管理与共享的重要基础设施。GSA严格遵循国际核酸序列数据库联盟（INSDC）的数据规范和架构，主要接收和归档实验元数据（Experiment Metadata）、测序文库与反应元数据（Run Metadata），以及高通量测序产生的原始数据文件（Sequence Data files）。
• 国际核酸序列数据库联盟（INSDC，全称International Nucleotide Sequence Database Collaboration）是由日本DNA数据库（DDBJ）、欧洲核酸序列数据库（ENA）、美国国家生物信息中心（NCBI GenBank）三大数据库共同组成的全球核酸序列数据管理与共享网络体系。

简单来说，你可以在这个数据库中搜索并下载测序原始数据。这次依旧从使用层面来聊这个数据库。

数据结构

各类数据之间采用线性、一对多的模式进行关联，从而形成“金字塔”式的信息组织与管理模式。在实验中，生物学重复归类为2个不同Sample；技术重复则视为2个Experiment。

搜索

因此呢，GSA 数据库只是一个储存测序序列的数据库，因此，如果要查看项目的详细信息，还是在 BioProject 或者 BioSample 中查看。但是目前我测试发现 BioProject 搜索系统有点 bug，所以先简单聊聊。

BioProject ：(https://ngdc.cncb.ac.cn/bioproject/)

搜索关键词词条就可以查看项目信息和进行数据筛选过滤了。

点击进去就是下一级别 BioSample.

在这些面板中就可以查看项目的基本信息了，但是下载原始数据还是在 GSA 数据库中。如果明确了编号可以直接编号搜索，当然也可以通过关键词搜索

通过左边的选项卡可以进一步筛选，比如我想看来自国家基因组科学数据中心（NGDC）的转录组数据。

下载

CRX 页面下载

在 CRX 页面就可以看到一个或者多个测序编号，点击进去可以看到下载链接，官方推荐使用 FTP 客户端（比如 FileZilla Client）下载数据。

根据编号下载

在 GSA 页面可以根据编号一级一级的查找下载。

碎碎念

目前中国自己的数据库体系也在逐渐发展起来，对比原来常用的 SRA 数据库，国产 GSA 数据库既有自己独有的数据也会定期整合 SRA 的数据源，作为我们数据挖掘的数据来源之一，也是一个不错的选择。但是，个人来看，比较之下，觉得还有待开发和维护，也推荐大家多多使用和提交数据，让数据库“活”起来。