Erforschung und Abruf von Sequenzen und Metadaten für Arten im gesamten Baum des Lebens mit NCBI Datasets

Um komplexe biologische Fragen zu erkunden, ist es oft notwendig, auf verschiedene Datentypen aus öffentlichen Datenrepositories zuzugreifen. Mit dem Wachstum des Volumens und der Komplexität biologischer Sequenzdaten stehen öffentliche Repositories vor erheblichen Herausforderungen, um sicherzustellen, dass die Daten von der biologischen Forschungscommunity leicht auffindbar und nutzbar sind. Um diese Herausforderungen zu bewältigen, hat das National Center for Biotechnology Information (NCBI) die NCBI Datasets erstellt. Diese Ressource bietet einen klaren, umfassenden und skalierbaren Zugang zu biologischen Sequenzen, Annotationen und Metadaten für eine Vielzahl von Taxa. Gemäß den FAIR-Prinzipien (Findable, Accessible, Interoperable, and Reusable) der Datenverwaltung bietet NCBI Datasets benutzerfreundliche Webschnittstellen, Befehlszeilenwerkzeuge und dokumentierte APIs, die Forschungsleitern den nahtlosen Zugang zu NCBI-Daten ermöglichen. Die Daten werden als Pakete von Sequenzen und Metadaten geliefert, was eine verbesserte Datenabfrage, den Austausch und die Nutzbarkeit in der Forschung erleichtert. Darüber hinaus fördert diese Datenübermittlungsmethode eine effektive Datenattribution und unterstützt deren weitgehende Wiederverwendbarkeit. Dieses Papier skizziert den aktuellen Umfang der über NCBI Datasets zugänglichen Daten und erklärt verschiedene Optionen zur Erkundung und zum Herunterladen der Daten.