近期研究表明，对序列读取档案库（Sequence Read Archive，SRA）中的数百万个宏基因组进行系统分析，能够推动突破性的生物学发现。然而，对整个宏基因组开展 SRA 规模的比较分析一直难以实现。本文介绍迄今最全面的资源，用于对所有 SRA 宏基因组进行实验间分析。该资源包括 FracMinHash 草图（470 GB）、hypergen 草图（19 GB）以及全配对 Jaccard 相似度矩阵（90 GB），现已在线发布：https://github.com/RolandFaure/SRA-metagenome-sketches-databases。我们展示了这些资源如何支持多种分析及其应用。首先，我们利用 FracMinHash 草图揭示时间趋势，发现新发现的微生物序列数量仍在持续增长，并未趋于饱和或减少。其次，我们利用支持最近邻搜索的 hypergen 草图识别共组装候选对象，从而提高组装质量。第三，我们利用相似度矩阵分析所有 SRA 宏基因组，识别出重复提交的数据以及超过 5 万个可能需要修正元数据的候选对象。总之，这些资源使前所未有规模的宏基因组数据系统分析成为可能。
pashadag{at}pm.me
摘要
信息/历史
指标
数据/代码
PDF 预览
摘要
近期研究表明，对序列读取档案（Sequence Read Archive，SRA）中的数百万个宏基因组进行系统分析，能够推动突破性的生物学发现。然而，对全体宏基因组进行 SRA 规模的比较一直难以实现。本文介绍迄今最全面的资源，用于对所有 SRA 宏基因组开展实验间分析。该资源包括 FracMinHash sketches（470 GB）、hypergen sketches（19 GB）以及全配对 Jaccard 相似度矩阵（90 GB），现已在线发布于 https://github.com/RolandFaure/SRA-metagenome-sketches-databases。借助这些资源，可以开展多种分析；我们通过若干应用对此进行了展示。首先，我们利用 FracMinHash sketches 揭示时间趋势，发现新发现的微生物序列数量仍在持续增长，而非趋于饱和或减少。其次，我们利用支持近邻搜索的 hypergen sketches 识别共同组装候选对象，从而提高组装质量。第三，我们利用相似度矩阵分析所有 SRA 宏基因组，识别重复提交，并找出超过 5 万个可能需要更正元数据的条目。总之，这些资源使前所未有规模的宏基因组数据系统分析成为可能。
利益冲突声明
作者声明不存在利益冲突。
脚注
https://github.com/RolandFaure/SRA-metagenome-sketches-databases
版权
本预印本的版权归作者/资助方所有；其已授予 bioRxiv 永久展示该预印本的许可。
本文依据 CC-BY 4.0 国际许可协议发布。
返回顶部
上一篇
下一篇
发布于 2026 年 10 月 8 日。
下载 PDF
数据/代码
电子邮件
感谢您对此感兴趣。
分享 bioRxiv 上的文章
注意：我们仅要求提供您的电子邮件地址，以便确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请输入多个电子邮件地址，每行一个，或以逗号分隔。
您将要发送以下文章
《SRA 速写：对 480 万个宏基因组进行实验级相似性搜索》
邮件主题
（您的姓名）向您转发了 bioRxiv 上的一个页面
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这个页面感兴趣。
您的个人留言
验证码
此问题用于确认您是真人访客，并防止自动垃圾信息提交。
分享
《SRA 速写：对 480 万个宏基因组进行实验级相似性搜索》
Roland Faure、Adrita Hossain Nakshi、Md. Hasin Abrar、Rayan Chikhi、Teo Lemane、Mohsen Taheri、Stephanie Won、Haonan Wu、David Koslicki、Paul Medvedev
bioRxiv
2026.10.07.757297；
doi：https://doi.org/10.64898/2026.10.07.757297
分享本文：
复制
引文工具
《SRA 速写：对 480 万个宏基因组进行实验级相似性搜索》
Roland Faure、Adrita Hossain Nakshi、Md. Hasin Abrar、Rayan Chikhi、Teo Lemane、Mohsen Taheri、Stephanie Won、Haonan Wu、David Koslicki、Paul Medvedev
bioRxiv
2026.10.07.757297；
doi：https://doi.org/10.64898/2026.10.07.757297
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote（tagged）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google +1
学科领域
所有文章
动物行为与认知（8100）
生物化学（18915）
生物工程（15076）
生物信息学（44894）
生物物理学（22799）
癌症生物学（19934）
细胞生物学（27142）
临床试验（138）
发育生物学（14065）
生态学（21237）
流行病学
（2067）
进化生物学
（25635）
遗传学
（16270）
基因组学
（23671）
免疫学
（18867）
微生物学
（42873）
分子生物学
（18221）
神经科学
（94372）
古生物学
（708）
病理学
（3011）
药理学与毒理学
（5142）
生理学
（8204）
植物生物学
（16151）
科学传播与教育
（2106）
合成生物学
（4604）
系统生物学
（10323）
动物学
（2405）
关键词：宏基因组 · 序列读取档案库 · 全实验范围相似性检索 · FracMinHash · 元数据质量控制
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.07.757297v1?rss=1