国家基因组科学数据中心：中国生命科学的数据基石与全球科研新枢纽

NGDC概况：从追赶者到引领者的蜕变

成立背景

国际依赖之痛：长期以来，全世界科学家产生的组学数据都要提交给三大数据库——美国国立生物技术信息中心（NCBI）、欧洲生物信息学研究所（EBI）、日本核酸数据库（DDBJ）。我国科学家需要在发表论文时通过互联网将数据提交到这些数据库，而做科研时则需要将数据从这些数据库下载下来，科研效率经常遭遇国际带宽瓶颈的约束。同时，我国科学基金项目和重点研发计划产生的大量基因组科学数据，分散在不同研究单位和实验室，本土数据形成 “孤岛”。

战略机****遇窗口：2019年，科技部批准成立NGDC，由中国科学院北京基因组研究所牵头，联合顶尖科研机构，构建属于中国的生命科学数据高地。

核心定位

三大核心目标

• 数据汇交存储：建立符合国际标准的原始组学数据归档库

• 整合挖掘创新：构建多组学数据整合与知识发现体系

• 转化应用赋能：支撑精准医学、生物安全等国家战略需求

三大重点方向

• 中国人群精准医学信息库（构建本土遗传变异图谱）

• 原始组学数据共享平台（对标国际的 GSA 数据库）

• 战略生物资源数据库（覆盖病原、动植物等多领域）

基础设施

计算存储能力

• 3720万亿次/秒计算速度

• 16,576个计算核心（含2600个NPU）

• 108PB存储资源（相当于存储2700万部高清电影）

• 2.7Gbps国际网络带宽

数据管理体系

建立覆盖数据提交、存储、分析、共享的全生命周期管理系统，保障数据安全与合规。

图1：NGDC计算存储能力

应对挑战：美国数据封锁下的中国方案

封锁影响与危机

2025年4月起，美国NIH禁止中国机构访问其受控数据库，导致75% 癌症研究受阻，药企研发损失超20亿元；罕见病诊断、疫苗研发等医疗领域面临倒退风险；全球科研合作面临割裂，数据主权争夺加剧。

图2：NIH数据库

NGDC的破局之路

短期应对

• 加速本土数据整合：推动医院、科研机构数据汇交，2024年新增20PB数据

• 优化数据治理：建立符合GDPR的跨境数据传输机制

• 拓展国际合作：与“一带一路”12国28机构建立数据共享网络

长期战略

• 制定国际标准：主导《多组学数据汇交规范》等行业标准

• 技术自主创新：开发国产BLAST算法、单细胞分析工具等

• 构建生态****联盟：联合高校、企业成立“中国生命科学数据联盟”

数据资源：全球领先的多组学数据宝藏

数据资源全景图谱

NGDC部署的数据库资源包括原始数据、基因组和变异、基因表达、非编码RNA、表观基因组、单细胞组学、生物多样性和生物合成、健康与疾病、文献和教育9大类112个。其中GSA用于生命科学组学数据的汇交、存储与共享，并且该数据库得到国际认可，2023年入选全球核心生物数据资源（GCBR），是中国唯一入选的数据库。

NGDC 整合了丰富的数据库资源，涵盖了基因组学、转录组学、表观基因组学、单细胞组学、健康与疾病、植物及动物多样性等多个领域。这些数据库为全球研究人员提供了宝贵的数据支持，促进了基础科学研究和应用研究的深度融合。

通过多组学数据的整合，NGDC不仅推动了个体化医疗、疾病机制研究、作物育种和动物健康等方面的突破，还为药物开发、疾病预防和精准医疗提供了强有力的基础。特别是在健康与疾病、基因组变异分析、癌症研究以及衰老和长寿等领域，NGDC 数据库的应用极大地加速了科研成果的转化与应用。

此外，NGDC的开放数据和可视化工具进一步促进了跨学科、跨领域的合作与交流，为全球生命科学研究提供了重要的资源平台，推动了科学创新与技术进步。

图3：不同类别的NGDC 核心数据库资源

数据规模与影响力

截至 2024 年底：

• 支持25,000 +科技项目，汇交数据量达60PB

• 数据被4,300 +篇SCI论文引用，发表于《自然》《科学》等顶刊

• 全球1,200 +机构、8,000 +用户使用，覆盖90 +国家和地区

国际认可：GSA 数据编号被 Cell、Nature 等顶级出版社认可，实现“一次提交，全球通用”。

图4：向CNCB-NGDC提交的数据统计数据

科研利器：NGDC 实用功能全解析

组学数据提交

组学原始数据归档库（Genome Sequence Archive，GSA）是组学原始数据汇交、储、管理与共享系统 。GSA遵循INSDC数据库系统的数据标准和数据结构，主要汇交实验信息（Experiment Metadata）、测序反应信息（Run Metadata）信息以及归档测序文件数据（Sequence Data file）。

GSA 用户可通过大数据中心生物数据统一汇交入口——生物数据递交系统（BIGSubmission，BIG Sub）完成一站式数据递交。

上传步骤

• 注册账号：使用实验室公共邮箱在BIG Sub系统注册

• 创建项目：填写BioProject（项目信息）与BioSample（样本信息）

• 上传数据：支持FTP/Aspera高速传输，超大文件（>30TB）可申请专属通道

文字版详情

视频版详情

NCBI 镜像数据快速下载

NGDC提供了NCBI等国际数据库的镜像数据，可以加快国内用户的下载速度。

SRA下载

GSA是中国首个测序数据归档系统，已完成NCBI SRA全部元数据及2022年4月20日起 SRA日更新全量数据（元数据和原始序列数据）的整合。GSA目前提供NCBI SRA数据库全部数据的检索服务，也提供这些数据在INSDC相关数据库的下载地址以及最新数据的本地化下载地址。

1）进入GSA页面

方法1：直接打开链接： https://ngdc.cncb.ac.cn/gsa

方法2：在首页“All Databases”中选择 “NGDC Databases” 下拉菜单中的 “GSA” 。

2）数据下载

搜索对应的GSA编号，如：“CRA009876”，可以找到对应的原始数据的详细信息，数据下载框点击下载链接进行下载。

GeneBank下载

GenBase对标美国国家生物信息中心NCBI的GenBank数据库，是一个存储、管理、共享所有物种基因序列、注释信息及其编码蛋白质序列的公共资源库，可为基因序列数据的汇交、存储、发布和共享提供一系列 Web 服务。GenBase还整合了INSDC发布的核酸和蛋白序列，提高国内科研人员查询和获取数据的效率。

1）进入 GenBase 页面

方法1：直接打开链接： https://ngdc.cncb.ac.cn/genbase/

方法2：在首页 “All Databases” 中选择 “NGDC Databases” 下拉菜单中的 “Genbase Nucleotide” 或 “Genbase Protein” 。

2）数据下载

通过输入基因名称或accession编号来搜索核酸或蛋白质序列。

根据搜索结果下载单个核酸或蛋白质序列

根据搜索结果下载多个核酸或蛋白质序列

文献搜索

OpenLB开放生物科学图书馆提供对海量文献文本的开放访问，以及CNCB-NGDC相关资源的友好链接。OpenLB的文献文本来源于NCBI PubMed、 bioRxiv 和 medRxiv，包括标题、摘要、作者、期刊、参考文献等。

1）进入OpenLB页面

方法1：首页找到 “数据资源” 板块，“文献和教育” 分类中找到 “OpenLB” 并点击进入。

方法2：直接访问：https://ngdc.cncb.ac.cn/openlb/home，进入 Open LB 页面。

2）搜索

Search

在搜索框输入文章题目/作者名/杂志名/关键词等，点击 “Search” 搜索即可跳转至结果页面，在结果页面可以设定限制条件，只展示符合条件的结果；点击任一文章标题，可查看该文章摘要等基本信息。

Advanced Search

点击搜索框右侧 “Advance Search” 进入高级搜索界面，可以输入多个关键词进行搜索。

BLAST快速分析

NGDC建立面向我国重要物种的349个参考库，实现NCBI核心数据与功能的全覆盖，提供本地化BLAST序列比对现在服务。

1）进入BLAST页面

方法1：首页找到“序列搜索比”板块，点击进入BLAST页面。

方法2：直接访问：https://ngdc.cncb.ac.cn/blast/help/blast_search.html，进入BLAST页面。

2）比对

选择合适的 BLAST 程序进入：其中，核苷酸 BLAST （blastn）使用核苷酸查询搜索核苷酸数据库，protein BLAST（blastp）使用蛋白质查询搜索蛋白质数据库，blastx 使用翻译核苷酸查询搜索蛋白质数据库，tblastn 使用蛋白质查询搜索翻译的核苷酸数据库。

使用逻辑与NCBI的BLAST相似。

提供计算资源

国际合作：NGDC 通过 “一带一路” 国际科学组织联盟（ANSO），与12个国家28个机构建立数据共享合作，用户可申请联合研究项目。

定制化分析：针对大型科研项目，可联系 NGDC 团队获取数据存储、计算资源调度等专项支持。

展望

NGDC 围绕我国生命科学战略需求，构建了数据全链条生态，具备强大计算存储能力，部署 112 个数据库，其中 GSA 入选全球核心生物数据资源，截至2024 年汇交数据 60PB，支撑超 2.5 万科技项目，并在应对外部数据封锁中通过本土整合与技术创新破局。展望未来，中国生物数据库继续聚焦科研实际需求，持续完善本土数据整合（如中国人群精准医学信息库），优化数据工具本地化服务，强化数据安全管理体系；同时在数据主权层面，推动多组学数据汇交国际标准制定，逐步形成自主可控的数据生态，为科研工作者提供高效支撑的同时，保障国家生物数据安全与主权独立。

THE END