下一代生物样本库本体NGBO：整合组学上下文数据提升生物样本库数据的可发现性与互操作性

本研究针对生物样本库中组学上下文数据缺乏标准化导致的集成与重用难题，开发了下一代生物样本库本体NGBO。研究人员通过构建开放应用本体，系统建模湿实验分析、生物信息学流程和数据管理三大核心活动，成功实现了非结构化文本数据的语义标注与自动化查询。该成果显著提升了生物样本库数据的FAIR化程度，为跨机构数据整合提供了创新解决方案。

　　

在基因组学技术飞速发展的今天，生物样本库已从单纯的样本存储库转变为管理海量组学数据和临床信息的复杂系统。然而，英国生物样本库等大型项目暴露出的元数据缺失问题——如测序平台信息不完整、酒精摄入量记录不一致等，严重阻碍了数据的跨研究利用。更棘手的是，不同机构使用"等位基因频率"等术语时的语义歧义，可能导致研究结论的误读。这些挑战呼唤着更智能的数据管理方案。

不列颠哥伦比亚大学（University of British Columbia）生物信息学研究生项目的研究团队开发了下一代生物样本库本体NGBO。这个基于OBO Foundry原则构建的开放本体，创新性地将CAP分子病理学标准与组学工作流建模相结合，通过"has specified input"等属性实现了从样本处理到数据分析的全流程追溯。研究成果发表在《Bioinformatics Advances》上，为破解生物样本库数据"孤岛"提供了新范式。

研究团队采用多阶段开发方法：首先通过沙特人类基因组计划(SHGP)和R2健康集群的用例分析确定需求，随后整合CAP指南和MIAME等标准构建概念模型，最终使用HermiT推理机验证本体逻辑一致性。关键技术包括：1) 基于OWL的本体工程方法；2) 来自沙特诊断实验室的临床样本队列；3) SQWRL语义查询语言实现数据追溯。

【NGBO架构设计】

通过系统分析BBMRI和OBIB等现有标准，研究团队构建了包含3,624个术语的模块化本体。核心创新是将传统样本管理与现代组学工作流（如Illumina HiSeq测序平台）语义关联，其中"生物信息学分析执行算法"等公理支持自动化推理。

【CAP合规性验证】

如图3所示，NGBO完美覆盖CAP要求的26项分子检测文档要素，特别是通过"测序检测"类精准记录建库试剂批次和数据分析软件版本，满足临床实验室认证要求。

【应用案例验证】

在SHGP项目中，NGBO将变异注释时间从72小时缩短至15分钟。如图4所示，系统通过NGBO_6000038等标准ID整合了原本分散在12个系统的10,000个全基因组数据集，解决了"HiSeq 2500"与"Illumina HiSeq"等平台术语不一致问题。

【数据访问控制】

图6展示的创新性访问控制模型，通过"authorized user for approved study"类实现符合GDPR的精细权限管理，确保敏感基因组数据在R2健康集群64家机构间的安全共享。

这项研究开创性地构建了首个全面支持组学数据的生物样本库本体，其价值体现在三个维度：技术层面，通过OBO Foundry注册确保术语持久性；应用层面，在沙特国家基因组项目中验证了提升10倍数据检索效率；方法论层面，开发的"trace from"逆向追踪属性为生物医学数据治理树立了新标准。特别值得关注的是，NGBO与ACMG变异解读指南的潜在整合，将为临床决策支持系统提供语义基础。未来通过引入RefAI等AI辅助标注工具，有望进一步降低本体的应用门槛。