新一代基因组数据库 IMG/M

说起基因组序列数据库，大多数人耳熟能详的是三巨头

• GenBank

• EBI

• DDBJ

这些数据库在设计之初虽然考虑了基因组存储的需求，但在基因组分析和数据挖掘上的功能设计则比较欠缺。

而 IMG/M 作为新一代基因组数据库的代表，不仅能够完整收录现有数据库的内容，还提供了更完善的数据上传、注释和分析服务，将测序数据储存到 IMG/M 数据库（即将 IMG/M 数据库的登录号填写到文章中）也是被许多顶尖期刊如 Nature Communication 所接受的。

IMG/M 数据库接受上传纯培养测序基因组、宏基因组、宏基因组组装基因组（Metagenome-Assembled Genome，MAG）、单细胞测序基因组数据，而且它们的上传步骤是相似的。

这里我采用并行的方式演示 IMG/M 数据库中各种数据的上传。此外上传到 IMG/M 数据库的宏基因组数据会自动进行分箱（Binning），组装出样品中单菌的基因组。

信息填写

1、首先登录 GOLD 主页：

2、点击 Register，进入登录页面，点击 Create a new Sequencing Project in GOLD（创建一个新测序项目），选择 Organism，为分离物（isolate）或单细胞测序的数据定义一个测序项目。而对于宏基因组数据，则选择 Biome（生物群系）。

3、接着需要定义一个新的研究项目（Study）。

4、按照实际情况填好相关信息，特别是带星号重点标记的信息要认真填写。

5、接着，对于分离物（isolate）或单细胞测序的数据需要根据测序的情况定义一个新的生物（Organism）或者选择创建过的生物。

如果测序的生物未曾创建条目，点击 Add a new Organism to GOLD，然后选择你测序的生物体的类型是纯培养的、未培养的或是合成的。

6、填写取样信息：如果有机体从土壤或水生环境分离，您可以选择选择土壤（Soil package）或水（Water package），其他选择标准（Standard package）并输入分离地相关信息。对于宏基因组的数据，因为不知道具体物种，第一步结束后直接跳到这一步。

对于分离物（isolate）或单细胞测序的数据要求输入测序生物的特定信息，如生物体名称、属、种、株，NCBI 分类学 ID 等。而对于宏基因组数据，则填写生物群落相关的信息。

IMG/M 数据库还会要求上传者输入分离地具体的经纬度，地图会自动匹配到对应的地区。

7、上述信息填写完毕后，接着填写一个测序项目相关信息，必填的包括如测序中心、项目描述、测序技术等。

8、输入所有相关信息后，点击 Create New Sequencing Project 完成测序项目创建。接着用此项目完成一个或多个基因组、宏基因组组装基因组（Metagenome-Assembled Genome，MAG）或单细胞测序基因组的上传及自动注释分析了。

创建分析项目

1、转到主项目提交页面，点击 Create Genome Analysis Project 根据上传的数据类型从下拉菜单中选择新建一个分析项目。

2、接着选择之前创建的特定测序项目。

3、填写基因组组装的软件。

4、成功创建分析项目之后，将看到以下窗口。点击链接进入 IMG/M 进行数据上传。

你会获得一个分析项目编号 AP ID，根据提示选择测序数据的质量（完成图或草图）、拓扑（线型或者环状），并选择上传的 fasta 格式序列文件，最后点击 Summit 提交。

可以查看数据分析的状态，分析结束后会自动返回 IMG/M 数据库专属的登录号，可以插入到你的文章里以方便读者索引。提交到 IMG/M 的数据将保密（不公开）一段时间，对于分离物基因组 18 个月和单细胞测序及宏基因组数据为 24 个月，到期后将自动成公开，上传者也可以选择提前公开。

GOLD 主页：https://gold.jgi.doe.gov/index