基于UbuntuBio的非洲病原体监测:政策约束的基因组数据存储库与机构数据治理

由 root 提交于 周三, 11/18/2026 - 18:47
摘要

负责整理病原体序列队列的研究中心通常面临带宽受限、多机构数据共享协议约束以及严格的生物安全要求。全球公共档案库会永久开放已发布的序列,外部病毒数据门户执行的条款不受本地机构管辖,而标准 Git 大文件存储(LFS)会在不同仓库中重复存储相同的二进制文件,且不对分类学信息或地理信息进行验证。本文介绍 UbuntuBio(v1.0.0),这是一个原生支持 Git、强制执行策略的基因组数据仓库平台,部署于 https://ubuntubio.org,由加纳大学西非传染性病原体细胞生物学中心(WACCBIP)开发。UbuntuBio 在统一的存储根目录下集成了四种机制:(1)使用裸 Git 仓库存储数据集说明卡、样本信息表和约 130 字节的 LFS 指针,其后端为按前缀分片的 SHA-256 内容寻址存储(CAS),并提供以可见性为作用域的传输去重;(2)采用可通过跨平面协调恢复的四阶段提交流水线,在 HTTP 提交和 Git pre-receive 钩子中一致地执行以下校验:依据离线 Natural Earth 多边形核验非洲联盟 55 个国家代码、校验源自 MIxS 的核心字段、拒绝分类单元编号为 9606 的数据,以及执行由服务器密钥控制的靶向人类标记筛查;(3)通过结合数据使用协议(DUA)、有效期为 900 秒且可撤销的 RS256 能力令牌、密钥轮换、可检测篡改的哈希链式日志,以及可在外部锚定的 RS256 审计检查点,实现机构保管控制;(4)内嵌采用 SQLite WAL 和 FTS5 的目录,并按访问级别进行过滤。在单节点评估中,UbuntuBio 在 Python、Git 和 HTTP 路径上对 18/18 个策略边界测试样例给出了一致的分类结果;在 21/22 条 RefSeq 病原体序列上,错误交叉匹配数为 0/265,157(同时交叉匹配在 ENA 粪便测序读段中检测到丰度为 0.113% 的白色念珠菌(Candida albicans)18S rDNA 和绿猴(Chlorocebus sabaeus)Alu 重复序列,证实的是靶向标记物检测,而非经验证的人类 DNA 去污染);与条件均匀分布(n = 2,000;200 个随机种子下,0.01% 水平的收敛率为 19.0%,预期值为 18.13%)及内部区域(n = 1,000)的检测理论相符,同时检出所有添加比例 [≥] 0.5% 的掺入样本(30/30);在总计 613.83 MiB 的尼日利亚大肠杆菌测序运行数据上,将两个存储库的磁盘占用减半;在 10,000 个生物样本上通过全部 27 项结构化筛选正确性检查,并在独立的自由文本 BM25 查询中达到分级 NDCG@10 = 0.920,且无任何私有数据泄露;并在注入的七次阶段转换故障后均顺利恢复。

利用 UbuntuBio 实施面向非洲病原体监测的策略强制执行型基因组数据存储库与机构数据治理 | bioRxiv

跳转至主要内容

首页

关于

投稿

提醒 / RSS

搜索此关键词

高级搜索

最新结果

利用 UbuntuBio 实施面向非洲病原体监测的策略强制执行型基因组数据存储库与机构数据治理

查看 ORCID 个人资料

Addo Stephen

Tetteh

,

查看 ORCID 个人资料

Redeemer Okekale

Salami

,

查看 ORCID 个人资料

Richard Owusu

Ansah

,

查看 ORCID 个人资料

Kwame Boamah

Buabeng

,

查看 ORCID 个人资料

Kwasi

Agyenkwa-Mawuli

,

查看 ORCID 个人资料

Daniel

Baah

,

查看 ORCID 个人资料

Kofi

Sarpong

,

查看 ORCID 个人资料

Anjali

Rathod

,

查看 ORCID 个人资料

Juliet Naa Otua

Hodgson

,

查看 ORCID 个人资料

Rachel Ama Adadziwa

Akorful

,

查看 ORCID 个人资料

Baakwa De-graft

Miah

,

查看 ORCID 个人资料

Adwoa Ayewa

Ayimadu

,

查看 ORCID 个人资料

E. K.

Amoako

,

查看 ORCID 个人资料

Samuel Mawuli

Kumordzi

,

查看 ORCID 个人资料

Arnold

Abakah

,

查看 ORCID 个人资料

Nana Yaw

Tawiah-Yingar

,

查看 ORCID 个人资料

Doreen

Akakpo

,

Rexford

Adade

,

查看 ORCID 个人资料

Elijah Salami

Okekale

,

查看 ORCID 个人资料

Marious T.

Senyo

doi:

https://doi.org/10.64898/2026.11.16.767022

Addo Stephen Tetteh

1

加纳,阿克拉,莱贡,加纳大学西非传染性病原体细胞生物学中心(WACCBIP);

在 Google Scholar 上查找此作者

在 PubMed 上查找此作者

在本站搜索此作者

Addo Stephen Tetteh 的 ORCID 记录

通信联系方式:

stephenaddo201{at}gmail.com

Redeemer Okekale Salami

2

加纳大学

在 Google Scholar 上查找此作者

在 PubMed 上查找此作者

在本站搜索此作者

Redeemer Okekale Salami 的 ORCID 记录

Richard Owusu Ansah

1

加纳大学西非传染性病原体细胞生物学中心(WACCBIP),

加纳阿克拉莱贡;

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本网站上搜索该作者

Richard Owusu Ansah 的 ORCID 记录

Kwame Boamah Buabeng

1

加纳阿克拉莱贡,加纳大学西非传染性病原体细胞生物学中心(WACCBIP);

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本网站上搜索该作者

Kwame Boamah Buabeng 的 ORCID 记录

Kwasi Agyenkwa-Mawuli

1

加纳阿克拉莱贡,加纳大学西非传染性病原体细胞生物学中心(WACCBIP);

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本网站上搜索该作者

Kwasi Agyenkwa-Mawuli 的 ORCID 记录

Daniel Baah

1

加纳阿克拉莱贡,加纳大学西非传染性病原体细胞生物学中心(WACCBIP);

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本网站上搜索该作者

Daniel Baah 的 ORCID 记录

Kofi Sarpong

1

加纳阿克拉莱贡,加纳大学西非传染性病原体细胞生物学中心(WACCBIP);

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本网站上搜索该作者

Kofi Sarpong 的 ORCID 记录

Anjali Rathod

1

加纳阿克拉莱贡,加纳大学西非传染性病原体细胞生物学中心(WACCBIP);

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本网站上搜索该作者

Anjali Rathod 的 ORCID 记录

Juliet Naa Otua Hodgson

1

加纳阿克拉莱贡,加纳大学西非传染性病原体细胞生物学中心(WACCBIP);

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本网站上搜索该作者

Juliet Naa Otua Hodgson 的 ORCID 记录

Rachel Ama Adadziwa Akorful

1

西非

加纳,阿克拉,莱贡,加纳大学,传染性病原体细胞生物学中心(WACCBIP);

在 Google 学术中查找此作者

在 PubMed 中查找此作者

在本站搜索此作者

Rachel Ama Adadziwa Akorful 的 ORCID 记录

Baakwa De-graft Miah

1

加纳,阿克拉,莱贡,加纳大学,西非传染性病原体细胞生物学中心(WACCBIP);

在 Google 学术中查找此作者

在 PubMed 中查找此作者

在本站搜索此作者

Baakwa De-graft Miah 的 ORCID 记录

Adwoa Ayewa Ayimadu

1

加纳,阿克拉,莱贡,加纳大学,西非传染性病原体细胞生物学中心(WACCBIP);

在 Google 学术中查找此作者

在 PubMed 中查找此作者

在本站搜索此作者

Adwoa Ayewa Ayimadu 的 ORCID 记录

E. K. Amoako

1

加纳,阿克拉,莱贡,加纳大学,西非传染性病原体细胞生物学中心(WACCBIP);

在 Google 学术中查找此作者

在 PubMed 中查找此作者

在本站搜索此作者

E. K. Amoako 的 ORCID 记录

Samuel Mawuli Kumordzi

1

加纳,阿克拉,莱贡,加纳大学,西非传染性病原体细胞生物学中心(WACCBIP);

在 Google 学术中查找此作者

在 PubMed 中查找此作者

在本站搜索此作者

Samuel Mawuli Kumordzi 的 ORCID 记录

Arnold Abakah

1

加纳,阿克拉,莱贡,加纳大学,西非传染性病原体细胞生物学中心(WACCBIP);

在 Google 学术中查找此作者

在 PubMed 中查找此作者

在本站搜索此作者

Arnold Abakah 的 ORCID 记录

Nana Yaw Tawiah-Yingar

1

加纳,阿克拉,莱贡,加纳大学,西非传染性病原体细胞生物学中心(WACCBIP);

在 Google 学术中查找此作者

在 PubMed 中查找此作者

搜索此

本站作者

Nana Yaw Tawiah-Yingar 的 ORCID 记录

Doreen Akakpo

1

加纳大学西非传染性病原体细胞生物学中心(WACCBIP),加纳阿克拉莱贡;

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本站搜索该作者

Doreen Akakpo 的 ORCID 记录

Rexford Adade

1

加纳大学西非传染性病原体细胞生物学中心(WACCBIP),加纳阿克拉莱贡;

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本站搜索该作者

Elijah Salami Okekale

1

加纳大学西非传染性病原体细胞生物学中心(WACCBIP),加纳阿克拉莱贡;

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本站搜索该作者

Elijah Salami Okekale 的 ORCID 记录

Marious T. Senyo

1

加纳大学西非传染性病原体细胞生物学中心(WACCBIP),加纳阿克拉莱贡;

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在本站搜索该作者

Marious T. Senyo 的 ORCID 记录

摘要

信息/历史

指标

预览 PDF

摘要

负责整理和维护病原体序列队列数据的研究中心,往往面临带宽受限、多机构数据共享协议约束以及严格的生物安全要求。全球公共档案库使已发布的序列永久公开,外部病毒门户执行的使用条款不受本地机构管控,而标准 Git 大文件存储(LFS)会在不同存储库中重复存储相同的二进制文件,且不对分类学或地理信息进行验证。

我们推出 UbuntuBio(v1.0.0),这是一个原生支持 Git、强制执行策略的基因组数据存储库平台,部署于 https://ubuntubio.org,由西非传染性病原体细胞生物学中心开发

(WACCBIP),加纳大学。UbuntuBio 在单一存储根目录下集成了四种机制:(1)裸 Git 仓库,用于存储数据集卡片、样本表和约 130 字节的 LFS 指针,其后端采用按前缀分片的 SHA-256 内容寻址存储(CAS),并在可见性范围内实施传输去重;(2)可通过跨平面协调恢复的四阶段提交管线,在 HTTP 提交和 Git pre-receive 钩子中一致执行以下检查:依据离线 Natural Earth 多边形校验 55 个非洲联盟国家代码、校验源自 MIxS 的核心字段、拒绝分类单元编号为 9606 的数据,以及使用服务器密钥进行靶向人类标记筛查;(3)机构数据保管控制,结合数据使用协议(DUA)、有效期为 900 秒且可撤销的 RS256 能力令牌、密钥轮换、防篡改哈希链日志,以及可进行外部锚定的 RS256 审计检查点;(4)采用 SQLite 预写式日志(WAL)和 FTS5 的嵌入式目录,并按访问层级进行过滤。在单节点评估中,UbuntuBio 在 Python、Git 和 HTTP 路径中对 18/18 个策略边界测试样例均给出了一致分类;在 22 条 RefSeq 病原体序列中的 21 条上,错误交叉匹配数为 0/265,157(但对白色念珠菌的 18S rDNA 产生了 0.113% 的交叉匹配,并在 ENA 粪便样本测序读段中交叉匹配到绿猴的 Alu 重复序列,表明该机制实现的是靶向标记检测,而非经验证的人类 DNA 去污染);结果与条件均匀检测理论(n = 2,000;200 个随机种子下的 0.01% 收敛率为 19.0%,预期值为 18.13%)及内部检测理论(n = 1,000)相符,同时检出了所有掺入比例 ≥ 0.5% 的样本(30/30);对于总计 613.83 MiB 的尼日利亚大肠杆菌测序数据,将两个仓库的磁盘占用减半;在 10,000 个生物样本上通过了 27/27 项结构化过滤正确性检查,并在独立的自由文本 BM25 查询中达到分级 NDCG@10 = 0.920,且未发生任何私有数据泄露;并在七次注入的

相变故障。

利益冲突声明

作者声明不存在利益冲突。

版权

版权所有者已将本预印本置于公有领域。

本预印本不再受版权限制。任何人均可出于任何目的,合法地分享、再利用、混编或改编本材料,无须注明原作者。

返回顶部

上一篇

下一篇

发布于2026年11月17日。

下载PDF

电子邮件

感谢您有意帮助传播bioRxiv上的内容。

注意:索取您的电子邮件地址仅用于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,或用逗号分隔。

您将通过电子邮件发送以下内容

利用UbuntuBio实现面向非洲病原体监测的策略强制执行型基因组数据存储库与机构数据治理

邮件主题

(您的姓名)从bioRxiv向您转发了一个页面

邮件正文

(您的姓名)认为您可能希望查看bioRxiv网站上的此页面。

您的个人留言

验证码

此问题用于验证您是否为人类访客,并防止自动提交垃圾信息。

分享

利用UbuntuBio实现面向非洲病原体监测的策略强制执行型基因组数据存储库与机构数据治理

Addo Stephen

Tetteh

,

Redeemer Okekale

Salami

,

Richard Owusu

Ansah

,

Kwame Boamah

Buabeng

,

Kwasi

Agyenkwa-Mawuli

,

Daniel

Baah

,

Kofi

Sarpong

,

Anjali

Rathod

,

Juliet Naa Otua

Hodgson

,

Rachel Ama Adadziwa

Akorful

,

Baakwa De-graft

Miah

,

Adwoa Ayewa

Ayimadu

,

E. K.

Amoako

,

Samuel Mawuli

Kumordzi

,

Arnold

Abakah

,

Nana Yaw

Tawiah-Yingar

,

Doreen

Akakpo

,

Rexford

Adade

,

Elijah Salami

Okekale

,

Marious T.

Senyo

bioRxiv

2026.11.16.767022;

doi:

https://doi.org/10.64898/2026.11.16.767022

分享本文:

复制

引用工具

基于 UbuntuBio、通过策略强制执行的基因组数据存储库与面向非洲病原体监测的机构数据治理

Addo Stephen

Tetteh

,

Redeemer Okekale

Salami

,

Richard Owusu

Ansah

,

Kwame Boamah

Buabeng

,

Kwasi

Agyenkwa-Mawuli

,

Daniel

Baah

,

Kofi

Sarpong

,

Anjali

Rathod

,

Juliet Naa Otua

Hodgson

,

Rachel Ama Adadziwa

Akorful

,

Baakwa De-graft

Miah

,

Adwoa Ayewa

Ayimadu

,

E. K.

Amoako

,

Samuel Mawuli

Kumordzi

,

Arnold

Abakah

,

Nana Yaw

Tawiah-Yingar

,

Doreen

Akakpo

,

Rexford

Adade

,

Elijah Salami

Okekale

,

Marious T.

Senyo

bioRxiv

2026.11.16.767022;

doi:

https://doi.org/10.64898/2026.11.16.767022

文献管理软件格式

BibTeX

Bookends

EasyBib

EndNote(带标签格式)

EndNote 8(XML)

Medlars

Mendeley

Papers

RefWorks 带标签格式

Ref Manager

RIS

Zotero

推文小工具

Facebook 点赞

Google Plus +1

学科领域

生物信息学

学科领域

所有文章

动物行为与认知

(8164)

生物化学

(19027)

生物工程

(15171)

生物信息学

(46071)

生物物理学

(22958)

癌症生物学

(20341)

细胞生物学

(27627)

临床试验

(138)

发育生物学

(14286)

生态学

(21622)

流行病学

(2067)

进化生物学

(26038)

遗传学

(16481)

基因组学

(24087)

免疫学

(19265)

微生物学

(43690)

分子生物学

(18573)

神经科学

(96252)

古生物学

(718)

病理学

(3078)

药理学与毒理学

(5281)

生理学

(8380)

植物生物学

(16455)

科学传播与教育

(2126)

合成生物学

(4697)

系统生物学

(10488)

动物学

(2443)

关键词:病原体基因组监测 · 基因组数据存储库 · 机构数据治理 · 策略驱动访问控制 · 内容寻址存储 · 生物安全筛查

原文链接:https://www.biorxiv.org/content/10.64898/2026.11.16.767022v1?rss=1