叶绿体是植物把光能转化为化学能的重要细胞器，具有独立的基因组。自植物叶绿体基因组被发现以来，其已被广泛应用于揭示植物系统进化关系、光合作用调控机制研究、叶绿体基因工程等方面。随着基因测序技术的发展，尽管已发布了海量的植物叶绿体基因组序列，但如何整合应用这些数据目前仍面临数据命名标准不统一、数据信息不全及较高经济价值的物种尚未进行测序等诸多问题。

　　近日，中国科学院北京基因组研究所（国家生物信息中心）国家基因组科学数据中心章张、宋述慧团队联合中国中医科学院中药资源中心袁媛、黄璐琦团队开发了迄今为止物种数量最多的叶绿体基因组综合数据库Chloroplast Genome Information Resource (CGIR)。CGIR收录了来自11,946个物种的19,388条叶绿体基因组序列，其中包括利用全国第四次中药资源普查标本自测的718种未发表的叶绿体基因组序列，按照基因组(Genomes)、基因(Genes)、微卫星序列(SSRs)、DNA条形码(Barcodes)、DNA特征序列(DSSs)五个功能模块对数据进行组织与管理。研究成果以“Towards comprehensive integration and curation of chloroplast genomes”为题在国际期刊Plant Biotechnology Journal上发表。

　　根据生物物种名录(The Catalogue of Life)，经过大规模人工审编，CGIR首先对所收录叶绿体基因组的物种分类信息进行了审编，按照纲、目、科、属、种不同分类层级进行了整理，并依据权威植物研究机构邱园发布的世界功能植物名录(World Checklist of Useful Plant Species)对药用植物、食用植物、环境植物、能源植物、有毒植物、能源植物等进行了标注。同时，CGIR对基因名的不规范命名、异名、错误注释等情况也进行了审编修正。在此基础上，对各基因组的基因注释信息进行系统整理，为用户检索、浏览和信息获取提供便利。

　　针对分子标记开发这一叶绿体基因组最为常见的应用情景，CGIR使用生物信息学方法计算了所收录叶绿体基因组的微卫星序列、DNA条形码和DNA特征序列三种不同类型分子标记信息，且同时开发了相应的树型视图方便用户根据分类层级信息快速寻找目标标记，简化了研究人员开发分子标记的流程。

　　综上，CGIR通过自主测序、整合公开基因组资源和人工数据审编向用户提供了目前为止最全面、物种数量最多的叶绿体基因组数据。经审编的物种分类、物种功能、基因名称与序列、分子标记等保证了数据的高度可靠，对植物系统发育、物种鉴定、叶绿体基因工程的发展均具有重要意义。

　　该研究由中国中医科学院中药资源中心、中科院北京基因组研究所(国家生物信息中心)共同完成。华中一博士研究生、田东梅工程师、蒋超副研究员，宋述慧研究员为本文共同第一作者，袁媛研究员，章张研究员和黄璐琦院士为共同通讯作者。该研究得到了科技基础资源调查专项、中国中医科学院科技创新工程项目、中央本级重大增减支项目“名贵中药资源可持续利用能力建设项目”的资助。

　　论文链接

CGIR数据处理示意图及主要功能模块的数据统计