Archivierung von Genomdaten

Zusammenfassung

Angesichts der zunehmenden Datenflut in der Genomforschung wird ein effizientes Forschungsdatenmanagement, verbunden mit einer sicheren und nachhaltigen Archivierung, auch in diesem Wissenschaftsbereich immer wichtiger. Der letzte von 3 Artikeln der Reihe „Forschungsdatenmanagement von Genomdaten“ beschreibt allgemein den Lebenszyklus von Forschungsdaten – ausgehend von deren Planung, über die Auswahl und Übernahme der Daten für die Speicherung bis hin zu notwendigen Erhaltungsmaßnahmen und dem Zugriff durch Datennutzer. Archive spielen in fast allen Phasen dieses Zyklus eine Rolle und bilden daher eine wichtige Komponente der Verarbeitung von Genomdaten. Beispielhaft werden 3 öffentliche europäische Archive für Genomdaten vorgestellt: die Datenbank des European Molecular Biology Laboratory (EMBL), das Sequence Read Archive und das Trace Archive. Da jede dieser Einrichtungen jedoch auf eine bestimmte Art von Daten spezialisiert ist, bleibt ein Bedarf an zusätzlichen Langzeitarchiven, die flexibel mit verschiedenen Datentypen umgehen bzw. auf zusätzliche Datentypen erweitert werden können. Für solche Archive wird ein generisches Konzept beschrieben und mit Empfehlungen für dessen praktische Umsetzung verbunden.

Abstract

In view of the increasing amount of data arising from genome research, efficient research data management is becoming increasingly important in this domain. The third, and last, article of the series on “Research data management for genome data” describes the general lifecycle of research data—from their planning via the selection and inclusion into storage facilities to preservation measures and final user access. Archives play an important role in nearly all phases of this life cycle, which renders them an important component of genome data processing. Three exemplary public archives for genome data are introduced: the European Molecular Biology Laboratory (EMBL) databank, the Sequence Read Archive, and the Trace Archive. Owing to the high level of specialization of these institutions, however, additional archives are required that allow more generic data storage or, alternatively, easy extension to other genome data types. A generic concept for such archives will be described and recommendations given for their practical implementation.