據(jù)說地球上，地上和周圍的微生物數(shù)量超過了銀河系中的恒星。預計病毒總數(shù)甚至會大大超過計算量。雖然許多病毒仍未知和未經(jīng)培養(yǎng)，但基因組測序和分析方面的進展使研究人員能夠從宏基因組和元轉(zhuǎn)錄組數(shù)據(jù)集中識別出超過750,000個未培養(yǎng)的病毒基因組。在IMG / VR中，由美國能源部(DOE)聯(lián)合基因組研究所(JGI)，美國能源部科學用戶設(shè)施辦公室的研究人員建立和維護的病毒序列數(shù)據(jù)庫，病毒多樣性在一年內(nèi)增加了兩倍。

隨著越來越多的研究人員繼續(xù)組裝未培養(yǎng)病毒的新基因組序列，JGI研究人員領(lǐng)導了社區(qū)努力制定定義病毒數(shù)據(jù)質(zhì)量的指南和最佳實踐。在2018年12月17日發(fā)表在Nature Biotechnology上的一份報告中，JGI與一些病毒專家合作; 以及來自基因組標準聯(lián)盟(GSC)的代表，這是一個開放式會員工作機構(gòu)，讓研究界參與標準制定過程; 國際病毒分類委員會，病毒官方分類的主要權(quán)威，目前正在根據(jù)基于序列的信息重新評估病毒分類。

質(zhì)量和分析指南

“病毒是每個微生物生態(tài)系統(tǒng)的關(guān)鍵組成部分.JGI對開發(fā)病毒基因組標準特別感興趣，因為我們自己生成了大量這些數(shù)據(jù)，”JGI研究科學家和第一作者Simon Roux說。“我們是一小部分研究人員的一部分，他們詳細審查了這些數(shù)據(jù)，已經(jīng)看到指標，并可以提供指導以幫助確定數(shù)據(jù)質(zhì)量。此外，在本文中，我們試圖提供的不僅僅是標準，而是還概述了可以對這些數(shù)據(jù)進行何種類型的分析，以幫助想要描述他們自己的新型病毒特征的研究人員。“

培養(yǎng)的病毒已經(jīng)有了自己的數(shù)據(jù)質(zhì)量標準，但這些標準不能直接應用于未培養(yǎng)的病毒，這些病毒的序列通常是不完整的，并且某些屬性只能通過計算方法間接預測。

馬里蘭大學醫(yī)學院基因組科學研究所的GSC主席Lynn Schriml說：“未開墾的病毒基因組社區(qū)已經(jīng)共同確定了重要的報告和對研究界有價值的東西。” GSC包括來自國家生物技術(shù)信息中心(NCBI)，歐洲生物信息學研究所和日本DNA數(shù)據(jù)庫(DDBJ)的代表，他們也參與了本文的合作。

病毒基因組質(zhì)量的分類

在該論文中，Roux及其同事概述了未開墾的病毒基因組的最低信息量，包括來源，病毒基因組鑒定方法和數(shù)據(jù)質(zhì)量。JGI先前已經(jīng)開發(fā)了用于報告的最小元數(shù)據(jù)的標準，其中單個擴增的基因組(SAG)和宏基因組裝的基因組(MAG)被提交到公共數(shù)據(jù)庫。

“一般來說，病毒序列數(shù)據(jù)和微生物組數(shù)據(jù)的巨大增長需要強大的標準和數(shù)據(jù)質(zhì)量指標，以便研究界能夠利用這些數(shù)據(jù)進行比較分析，”JGI Metagenome計劃負責人兼研究高級作者Emiley Eloe-Fadrosh表示。“通過建立和推廣' 最佳實踐 '，研究界有機會打破數(shù)據(jù)可訪問性和可重用性的障礙，從而在最初的項目范圍之外擴大研究范圍。”

該團隊提出了三類基因組質(zhì)量。“基因組片段”由單個或多個片段組成，預測其完整性小于90%，或者沒有估計的基因組大小，并且被最小程度地注釋。估計“高質(zhì)量草案基因組”代表完整預期基因組序列的90%或更多，在片段中任何間隙跨越大多數(shù)重復區(qū)域。最后，“完成的基因組”將包括由沒有間隙的單個連續(xù)序列組成的完整基因組和廣泛的注釋。

“如果你要建立一個標準，”Schriml指出，“必須討論應該與研究界，分類學家和數(shù)據(jù)庫提供者展示什么，并將這些數(shù)據(jù)需求整合到標準中。” Schriml補充說，期刊也開始支持GSC的“關(guān)于任何(X)序列的最低信息量(MIxS)”指南的應用，該指南是未開墾的病毒 基因組的保護傘。標準和其他類似的社區(qū)努力。GSC使用上傳到BioSample數(shù)據(jù)庫的記錄跟蹤過去十年中開發(fā)的這些標準的采用情況。這些記錄反映了收集，測序和注釋的單個樣本，Schriml表示目前有近450,000份BioSample記錄參考了MIxS指南，而春季追蹤的記錄為326,000。