编辑推荐：
BioImage Archive（https://www.ebi.ac.uk/bioimage-archive）是EMBL-EBI生命科学图像数据的旗舰资源。它作为跨尺度（从近原子分辨率到整个生物体）和跨成像模式的生物图像存储数据库。该档案的使命是支持基于成像
BioImage Archive（https://www.ebi.ac.uk/bioimage-archive）是EMBL-EBI生命科学图像数据的旗舰资源。它作为跨尺度（从近原子分辨率到整个生物体）和跨成像模式的生物图像存储数据库。该档案的使命是支持基于成像的定量结果的可重复性，支持方法学发展（包括现代基于深度学习的方法），并允许对图像数据进行大规模再分析。在整个档案生态系统中，研究人员提供对超过11 PB图像数据的访问。支撑基础设施的最新进展现已允许使用新的OME-Zarr文件格式对档案数据的子集进行交互式探索、可视化和流式访问，并将最终提供对EMBL-EBI所有归档图像数据的访问，包括来自电子显微镜公共图像档案（EMPIAR）的数据。所有馆藏的迁移和统一提交系统正在进行中。
**研究背景与意义**
成像技术自生物学研究伊始便是生命科学研究的核心工具，能够在其他技术无法达到的分辨率下揭示分子在空间和时间中的位置与相互作用。随着显微镜技术日益成为定量学科，从原始数据中提取科学见解往往涉及复杂的处理流程链，而要使这些见解具有可重复性，就必须提供支撑结果的原始数据访问。此外，多重因素增加了收集、存储和传播生物图像数据的机遇与需求：数据格式和元数据标准正逐步达成共识；人工智能特别是现代深度学习方法既提升了非结构化数据分析能力，也增加了对标注训练数据的需求；转录组学、蛋白质组学和代谢组学等数据驱动的分子生物学日益包含空间组分。EMBL-EBI的EMPIAR是涵盖冷冻电镜和冷冻电子断层扫描数据以及体积电镜和X射线断层扫描三维数据集的公共电子显微镜图像资源，但仍需要一个能够容纳光镜等其他模式大量图像数据的通用图像存储库。为此，EMBL-EBI在2017年社区研讨会后启动了BioImage Archive（BIA），其使命是为与发表论文相关或具有高再利用价值的生命科学成像数据提供存储场所，支持结果可重复性、方法学发展和大规模再分析。该论文发表于《Nucleic Acids Research》，描述了BioImage Archive的根本性变革，将经由BioStudies提交的BIA数据与EMPIAR馆藏整合到一个新的以图像为中心的基础设施中，最终为图像数据存储和数据访问提供单一入口。
**关键技术方法**
研究人员采用的主要技术方法包括：基于REMBI（生物图像推荐元数据）和MIFA（元数据、激励、格式与可访问性）社区指南构建的新数据模型；使用RO-Crate（研究对象封装）标准打包研究数据与元数据；通过bioformats2raw软件将图像转换为OME-Zarr分块数据格式并写入S3存储；基于Elasticsearch系统实现统一搜索索引；基于FastAPI Python库构建提供图像级发现和体素级访问的应用程序编程接口（API）；以及整合Neuroglancer和Vizarr等查看器实现交互式可视化。
**研究结果**
**生长与馆藏**：截至2026年6月30日，BioImage Archive持有1477个条目共1.19 PB数据，EMPIAR持有3019个条目共9.92 PB数据，两者均快速增长，BIA条目数呈指数增长。EMPIAR中位条目体积（约1.5 TB）和文件数（约6000）均大于BIA（约21 GB和100个文件），反映了两者数据集结构的差异。BIA是全球化资源，数据来自60多个国家的提交者。
**统一基础设施与能力**：研究人员构建的基础设施已在https://beta.bioimagearchive.org公开可用，支持跨BIA和EMPIAR数据的改进搜索，可按生物体、成像模式、许可证和注释存在性进行分面筛选，并支持单图像粒度搜索。系统支持5D数据交互式可视化和通过OME-Zarr URI的流式访问。截至2026年6月30日，1396个BioStudies条目（约94.5%）和508个EMPIAR条目（约17%）已在新基础设施中可用，超过25000张图像已转换为OME-Zarr。
**基于OME-Zarr的构建**：所有交互式可视化和图像流式功能均基于OME-Zarr分块数据格式，允许消费者读取大图像的子集而无需下载整个图像。研究人员实现了转换流程，将提交数据转换为OME-Zarr并写入快速S3存储，S3副本作为缓存可在不改变归档原件的情况下重新生成。
**体积电镜案例研究**：研究人员利用新基础设施构建了体积电镜图像策展集合，证明了三种能力：策展系统可添加或修正关键元数据（如体素间距）；补救工具可添加REMBI元数据；通过整合Neuroglancer实现超大图像的交互式三维可视化，包括2.5 TB的Platynereis dumerilii全身图像。
**支持AI就绪数据的可发现性与访问**：档案包含约50个带二值掩膜分割注释的数据集，新数据模型编码了图像间关系，支持搜索带分割的图像、展示图像-掩膜对以及叠加可视化，API访问支持大规模模型训练和聚合数据集构建。
**直接API访问**：基于FastAPI和OpenAPI的统一API提供跨BIA和EMPIAR的图像级发现和体素级访问，已提供托管API文档并正在与外部用户测试。
**数据存储与元数据**：数据存储继续通过BioStudies和EMPIAR现有途径进行。BioStudies途径使用定制模板，提供网络提交界面、专用上传区域，支持HTTPS、FTP、Aspera和Globus传输，要求提供文件清单和支持元数据。条目获得登录号和DOI， depositor选择CC0或CC-BY-4.0许可证及最长2年的embargo期。EMPIAR条目须经人工验证和注释，单颗粒或断层扫描数据须关联EMDB条目。
**新的统一提交系统**：研究人员正在开发基于RO-Crate的新提交系统，支持跨模式简单和复杂提交，计划2026年12月启动程序化提交，2027年中期替换现有系统。
**元数据与策展**：BIA实施基于REMBI的元数据模型，包括BioSample、Specimen和Image Acquisition对象以及Study Components分组，支持MIFA注释元数据和图像级键值对元数据。
**访问、可视化与再利用**：数据可通过BioStudies界面和新基础设施两条途径搜索访问。新基础设施基于OME-Zarr支持多种查看器生态系统。下载量在过去5年呈指数增长，2025年HTTP下载超过2.5 PB，FTP下载达800 TB，两年增长十倍。文献引用也快速攀升。案例研究涵盖可重复性审计、方法基准测试、新方法开发和大规模训练集构建。
**支持、培训与社区**：档案提供帮助台系统、 extensive文档、按需培训和定期直播课程，每年举办在线用户论坛，设有科学顾问委员会，与Euro-BioImaging和ELIXIR等基础设施保持紧密联系。
**讨论与结论**
论文讨论部分指出，新数据库、流程、API和网络基础设施将BioImage Archive的角色从保存提交数据集扩展到通过共同基础设施支持发现、可视化和再利用，实现了生物成像数据单一平台的原始愿景，支持FAIR原则。快速增长的存储条目数、数据量、下载量、文献引用和再利用案例共同表明BIA对社区的价值日益增长。当前局限性包括迁移和OME-Zarr转换仅覆盖部分馆藏、图像级发现仅限于已转换图像、遗留存储途径仍需保留、跨数据类型链接支持有限。未来方向包括扩展新基础设施条目覆盖、改善元数据一致性、完成统一存储系统、支持空间分辨分子数据链接、通过存储分层和社区咨询实现可持续性。研究结论指出，BioImage Archive正朝着跨尺度和跨模式的生物成像数据归档、发现、可视化和再利用的单一系统迈进，灵活的元数据模型、集成数据访问基础设施、交互式可视化和基于OME-Zarr的流式数据访问均支持为研究人员提供集成资源的目标，目前这些功能仅覆盖不断增长的数据馆藏子集，完整数据迁移、格式转换和统一提交系统仍在进行中，这些发展加强了档案作为生物成像实验长期科学记录和进一步分析与再利用资源的双重角色。
