EzBioCloud: единая база данных с унифицированной таксономией, содержащая последовательности генов 16S рРНК и сборки полных геномов

Развитие технологий секвенирования ДНК позволяет использовать данные секвенирования геномов для более информативной и точной классификации и идентификации бактерий и архей. Поскольку современное определение вида основано на сравнении последовательностей геномов типового и других штаммов данного вида, создание базы геномов с корректной таксономической информацией крайне важно для изучения разнообразия прокариот, выявления новых видов и рутинной идентификации. В этой работе представлена интегрированная база данных EzBioCloud, содержащая таксономическую иерархию бактерий и архей, представленную прошедшими контроль качества последовательностями генов 16S рРНК и геномов. Сборки полных геномов из базы данных NCBI Assembly проверили на низкое качество и обработали с помощью многоэтапного биоинформатического алгоритма идентификации: сначала проводили поиск по генам, затем рассчитывали среднюю нуклеотидную идентичность. В результате база включает 61 700 видов и филотипов, в том числе 13 132 таксона с валидно опубликованными названиями, а также 62 362 сборки полных геномов, таксономически идентифицированные на уровне рода, вида и подвида. Для каждого рода и таксона более высокого ранга рассчитали такие характеристики генома, как его размер и содержание ДНК G+C, а также представленность в данных микробиома человека. Эта единая база таксономических данных, последовательностей генов 16S рРНК и геномов, дополненная биоинформатическими инструментами, должна ускорить классификацию и идентификацию бактерий и архей на основе геномных данных. База данных и связанные с ней инструменты поиска доступны по адресу www.ezbiocloud.net.