葉綠體是植物把光能轉化為化學能的重要細胞器，具有獨立的基因組。自植物葉綠體基因組被發現以來，其已被廣泛應用于揭示植物系統進化關系、光合作用調控機制研究、葉綠體基因工程等方面。隨著基因測序技術的發展，盡管已發布了海量的植物葉綠體基因組序列，但如何整合應用這些數據目前仍面臨數據命名標準不統一、數據信息不全及較高經濟價值的物種尚未進行測序等諸多問題。

　　近日，中國科學院北京基因組研究所（國家生物信息中心）國家基因組科學數據中心章張、宋述慧團隊聯合中國中醫科學院中藥資源中心袁媛、黃璐琦團隊開發了迄今為止物種數量最多的葉綠體基因組綜合數據庫Chloroplast Genome Information Resource (CGIR)。CGIR收錄了來自11,946個物種的19,388條葉綠體基因組序列，其中包括利用全國第四次中藥資源普查標本自測的718種未發表的葉綠體基因組序列，按照基因組(Genomes)、基因(Genes)、微衛星序列(SSRs)、DNA條形碼(Barcodes)、DNA特征序列(DSSs)五個功能模塊對數據進行組織與管理。研究成果以“Towards comprehensive integration and curation of chloroplast genomes”為題在國際期刊Plant Biotechnology Journal上發表。

　　根據生物物種名錄(The Catalogue of Life)，經過大規模人工審編，CGIR首先對所收錄葉綠體基因組的物種分類信息進行了審編，按照綱、目、科、屬、種不同分類層級進行了整理，并依據權威植物研究機構邱園發布的世界功能植物名錄(World Checklist of Useful Plant Species)對藥用植物、食用植物、環境植物、能源植物、有毒植物、能源植物等進行了標注。同時，CGIR對基因名的不規范命名、異名、錯誤注釋等情況也進行了審編修正。在此基礎上，對各基因組的基因注釋信息進行系統整理，為用戶檢索、瀏覽和信息獲取提供便利。

　　針對分子標記開發這一葉綠體基因組最為常見的應用情景，CGIR使用生物信息學方法計算了所收錄葉綠體基因組的微衛星序列、DNA條形碼和DNA特征序列三種不同類型分子標記信息，且同時開發了相應的樹型視圖方便用戶根據分類層級信息快速尋找目標標記，簡化了研究人員開發分子標記的流程。

　　綜上，CGIR通過自主測序、整合公開基因組資源和人工數據審編向用戶提供了目前為止最全面、物種數量最多的葉綠體基因組數據。經審編的物種分類、物種功能、基因名稱與序列、分子標記等保證了數據的高度可靠，對植物系統發育、物種鑒定、葉綠體基因工程的發展均具有重要意義。

　　該研究由中國中醫科學院中藥資源中心、中科院北京基因組研究所(國家生物信息中心)共同完成。華中一博士研究生、田東梅工程師、蔣超副研究員，宋述慧研究員為本文共同第一作者，袁媛研究員，章張研究員和黃璐琦院士為共同通訊作者。該研究得到了科技基礎資源調查專項、中國中醫科學院科技創新工程項目、中央本級重大增減支項目“名貴中藥資源可持續利用能力建設項目”的資助。

　　論文鏈接

CGIR數據處理示意圖及主要功能模塊的數據統計