基于元数据管理的FAIR端到端工作流程用于微生物群落组学数据分析

《Scientific Data》：A metadata-managed FAIR end-to-end workflow for microbial community omics data analysis

　　

摘要

高通量组学技术使得对复杂微生物群落进行详细的分子特征刻画成为可能，然而对由此产生的数据集进行FAIR化（即遵循可发现、可访问、可互操作和可重用原则）通常被视为数据分析之后的一项次要步骤。这种做法忽视了在研究过程中早期整合标准化元数据的实际益处：实验条件直接决定了原始数据应如何处理，因此从一开始就捕获可互操作的元数据，可以为驱动和记录整个分析流程奠定可机器操作的基础。在此，我们描述了一个基于通用工作流语言（Common Workflow Language）实现的模块化、容器化工作流，该工作流遵循单一封装原则，并在每个处理步骤中记录软件来源、工具版本和参数设置。以经过定义的模拟宏基因组群落数据集作为受控基准，我们展示了机器可读的实验元数据如何启动并参数化多步骤分析，涵盖读长质量控制、组装、分箱、质量评估和功能注释。由此产生的溯源链将实验背景、工作流定义和衍生数据产品关联起来，以支持可追溯性和下游重用。