科技日報記者 劉霞
瑞士蘇黎世聯邦理工學院科學家在最新一期《自然》雜志上發表論文稱，他們開發出一款名為MetaGraph的DNA搜索引擎，能快速、高效地檢索公共生物學數據庫中的海量信息，為研究生命科學提供了強大的專業工具。
MetaGraph的研發，源于科學界對日益龐大的基因測序數據“用不好、找不著”的現實困境。過去幾十年來，各類生物學數據庫規模呈爆炸式增長，然而原始測序數據往往碎片化、噪聲多、體量龐大，科學家難以直接從中高效提取有用信息。
MetaGraph的核心突破在于采用數學中的“圖結構”，將相互重疊的DNA片段智能聯結。其原理類似于圖書索引中將含有相同關鍵詞的句子關聯起來，形成知識網絡。研究團隊整合了7個公共資助數據庫，構建出一個跨越病毒、細菌、真菌、植物、動物乃至人類的生命全譜系索引。該索引共涵蓋1880萬個獨特的DNA與RNA序列集，以及2100億個氨基酸序列集。
基于這一龐大索引，團隊開發出了可直接通過文本提示檢索原始數據檔案的搜索引擎。團隊表示，這是一種與生物學數據交互的全新方式——數據被高度壓縮，卻可隨時調取。MetaGraph使研究人員能直接對“序列讀取檔案”（SRA）等存儲庫提出生物學問題，該數據庫本身包含超過1億個DNA字母。
為驗證其實用性，團隊利用MetaGraph掃描了24萬多個人類腸道微生物組樣本，搜尋抗生素耐藥性的遺傳標記。僅用一臺高性能計算機，約一小時便得出結果，展現出強大的分析效率。
法國巴斯德研究所生物計算專家拉揚·希基評價稱，這是一項“重大突破”，為分析DNA、RNA及蛋白質序列等原始生物學數據設立了新標準。這些數據庫規模驚人，可達“拍字節”（PB）級別，其條目數量甚至超過谷歌索引中的所有網頁。
