Genomdatenbanken

Genomdatenbanken sind digitale Repositorien, die genetische Sequenzen, Genom-Annotationen und zugehörige Metadaten speichern. Sie dienen der Archivierung, dem Zugriff, dem Vergleich und der Interpretation genetischer Informationen und unterstützen Forschung, Medizin und Biotechnologie. Die Daten entstehen durch Sequenzierungsprojekte, Publikationen und Forschungsinitiativen und werden regelmäßig aktualisiert.

Zu den zentralen Kategorien gehören allgemeine Sequenzdatenbanken wie GenBank (NCBI), European Nucleotide Archive (ENA) und DDBJ, die über das International Nucleotide Sequence Database Collaboration (INSDC) synchronisiert werden. Genome- und Genombrowser- bzw. Annotationsressourcen wie Ensembl, der UCSC Genome Browser und NCBI Genome Data Viewer ermöglichen Navigation, Annotation und Vergleichsgener. Weitere wichtige Gruppen umfassen Varianten- und Phänotypendatenbanken wie ClinVar, dbSNP und gnomAD; Population Genomics-Ressourcen wie 1000 Genomes und GTEx; Modellorganismen-Plattformen wie WormBase und FlyBase; sowie Biodiversitäts- und Umweltdatenbanken wie MG-RAST, IMG/M und BOLD.

Datenformate und Standards spielen eine zentrale Rolle. Typische Formate umfassen FASTA/FASTQ für Sequenzen, VCF für Varianten, GFF/GTF für Annotationen und BAM/CRAM für Ausgabedateien. Metadata-Standards wie MIxS, sowie interoperable Schnittstellen und APIs nach GA4GH-Festlegungen fördern Austausch und Recherchen. Die Submission erfolgt in den jeweiligen Repositorien, wobei offene Zugänge üblich sind; bei humanen Genomdaten gelten oft eingeschränkte Zugänge und strenge Datenschutzvorgaben.

Herausforderungen umfassen die zunehmende Datenmenge, Qualitätssicherung, Konsistenz der Annotationen, Langzeitarchivierung und Datenschutz. Zukünftige Entwicklungen orientieren sich an FAIR-Prinzipien, cloudbasierten Lösungen, verbesserter Interoperabilität und Reproduzierbarkeit wissenschaftlicher Ergebnisse.