美利体育登录入口官网

GB/T 46935—2025标准深度解读与行业应用

随着单细胞测序技术的飞速发展，海量、高维、异构的单细胞转录组数据对数据管理、交换与共享提出了前所未有的挑战。GB/T 46935—2025《单细胞测序 单细胞转录组数据集》国家标准的发布，标志着我国在生命科学大数据标准化领域迈出了关键一步。本标准由全国生化美利体育登录入口官网标准化技术委员会（SAC/TC387）归口，深圳华大生命科学研究院等多家权威单位共同起草，旨在为单细胞转录组数据的全生命周期管理提供统一、规范的技术框架。

---

一、标准制定背景与技术演进分析

单细胞转录组测序（scRNA-seq）技术能够揭示细胞群体的异质性、发现新的细胞亚型、解析细胞发育轨迹，已成为生命科学前沿研究的核心工具。然而，技术平台的多样化（如10x Genomics、BD Rhapsody、华大智造DNBSEQ系列等）、分析流程的复杂性以及数据格式的不统一，导致了严重的“数据孤岛”现象。在GB/T 46935出台之前，国内缺乏针对单细胞数据的国家级标准，数据共享多依赖国际数据库（如GEO、ArrayExpress）的通用格式，无法满足我国在数据安全、质量控制及深度挖掘方面的特定需求。

本标准的制定，紧密衔接了GB/T 35890—2018《高通量测序数据序列格式规范》、GB/T 43705《科学数据安全分类分级指南》等已有标准，并针对单细胞数据的特殊性进行了细化和扩展。它不仅是技术规范的集合，更是推动我国生物医学大数据基础设施建设的基石，为构建自主可控的国家生物信息中心数据体系提供了关键支撑。

---

二、核心内容解读：数据文件与元数据规范

美利体育登录入口官网:1. 数据文件组成与强制性要求

标准第5章明确了单细胞转录组数据集的最小文件集合。一个完整的数据集必须包含两大部分：数据文件本身及其描述信息（元数据）。其中，数据文件至少需包括：

• 测序数据文件：推荐使用FASTQ格式（可压缩为.fq.gz），这是下游分析的基础原始数据。
• 基因表达矩阵文件：记录每个基因在每个细胞中表达量的核心结构化数据。标准允许.txt, .tsv, .csv等多种文本格式及其压缩格式，并给出了清晰的结构示例（基因行为行，细胞列为列）。

此外，标准强烈建议包含以下文件以提升数据重用价值：

• 元数据文件（Metadata File）：包含细胞水平的注释信息，如细胞ID、细胞类型（cell_type）、亚型（sub_cell_type）、样本来源（sample_name）以及标记基因（marker_gene）和UMI计数等关键信息。
• 聚类文件（Cluster File）：存储降维分析（如UMAP、t-SNE）后的细胞坐标和分群标签，是可视化结果的可计算化保存。
• 其他支撑文件：如基因列表文件，或采用.h5ad、.rds等高效稀疏矩阵格式存储的表达矩阵，以适应大规模数据分析的需求。

美利体育登录入口官网:2. 数据元目录：标准化的“数据字典”

第6章及附录A构建了详尽的数据元目录，这是实现数据互操作性的核心。数据元是对数据最小单元的描述，本标准将其分为公用属性（如表1所示的版本、注册机构等）和专用属性。

专用属性系统性地涵盖了单细胞实验的全流程：

流程阶段	核心数据元示例	数据类型	意义
实验信息（附录A.2）	细胞活率、cDNA浓度、文库浓度、分选细胞类型	N（数值型）, S（字串型）	评估实验制备质量，是数据质控的前置条件。
建库测序信息（附录A.3）	测序平台、文库构建策略、分子类型、文件MD5值	S, DT（日期时间型）	追溯数据来源，确保技术可重复性与文件完整性校验。
生物信息分析（附录A.4）	比对软件名称/版本/参数、聚类分析软件参数	S	实现分析流程的精确复现，是计算可重复性的保障。
质控信息（附录A.5）	Q30值、比对率、唯一比对率、细胞平均序列数	N	量化数据质量，是评估数据集是否适用于后续研究的黄金标准。

附录B进一步提供了关键数据元的标准化代码表，如文库构建策略（WGS、RNA-Seq、ATAC-seq等）、分子类型（cDNA、genomic DNA等），强制使用代码而非自由文本，极大消除了语义歧义，便于机器自动处理与统计。

---

三、数据归档目录：逻辑清晰的存储蓝图

第7章规定了强制性的数据归档目录结构（如图1所示），这是一个三层级的逻辑组织框架：

• 第一级：项目目录 – 以项目编号（Project_accession）为标识，对应一个完整的研究课题。
• 第二级：样本目录 – 以生物样本编号（Sample_accession）为标识，存放同一来源的不同单细胞数据。
• 第三级：单细胞目录 – 以单细胞编号（Single_cell_accession）为标识，存放该细胞产生的所有数据文件。

这种结构清晰反映了生物实验的逻辑层次，有利于数据的批量管理、权限控制和共享。标准要求目录字符采用UTF-8编码，确保了跨平台兼容性。

---

四、数据安全管理：分级分类与合规底线

第8章是本标准的一大亮点，它依据GB/T 43705等科学数据安全系列标准，为单细胞数据，特别是涉及人源数据的管理划定了明确的红线。

数据类型	数据级别	管理方式	安全要求
人及人源数据（含宿主数据）	核心数据	不公开	最高级别保护，破坏可：野踩。
	重要数据	不公开或有条件公开	需严格审批，破坏可造成严重：。
	一般数据1级	公开	符合《人类遗传资源管理条例》的可公开数据。
非人数据（动、植物等）	一般数据1/2级	有条件公开或公开	根据数据价值和研究协议确定。

标准明确将数据管理方式与完整性分级关联（表4），要求对核心和重要数据实施高完整性保护。这为数据中心、期刊出版商和共享平台提供了可操作的数据发布与访问控制依据，确保在促进科学共享的同时，严格遵守国家生物安全与伦理法规。

---

五、标准实施建议与行业影响

美利体育登录入口官网:对科研机构与数据生产者的建议：

• 流程嵌入：将本标准的数据元和文件格式要求嵌入实验室信息管理系统（LIMS）和测序下机流程，从源头保证数据规范性。
• 质量标签：在数据提交或发表时，主动提供标准要求的质控信息（如Q30、比对率），提升数据可信度。
• 安全自评：建立内部数据分级审查机制，对人源数据严格按照标准进行定级，并采取相应的存储和传播策略。

美利体育登录入口官网:对生物信息平台与数据中心的影响：

• 接收与校验：开发自动化工具，校验提交数据是否符合本标准的数据文件组成、元数据字段和目录结构要求。
• 检索与互操作：基于统一的数据元目录构建增强型检索系统，用户可精确按实验平台、细胞类型、质控指标等多维度筛选数据。
• 安全架构：依据数据分级，设计差异化的存储加密、访问审计（参考GB/T 43710）和数据发布流程。

美利体育登录入口官网:对工具开发与期刊出版的推动：

生物信息软件（如Cell Ranger、Seurat）可增加对本标准格式的导入/导出支持。科学期刊可将“遵循GB/T 46935—2025标准归档数据”作为发表中国学者相关研究的推荐或要求，推动国内数据生态体系的形成。

---

六、总结与展望

GB/T 46935—2025不仅仅是一个技术标准，更是我国在生命科学大数据时代构建标准化、体系化数据治理能力的重要宣言。它通过规范数据生产的“最后一公里”，为单细胞转录组数据的长期保存、高效利用、安全共享和深度挖掘奠定了坚实的基础。随着该标准的推广实施，将有效打破数据壁垒，加速我国在精准医疗、发育生物学、肿瘤免疫等领域的原创性发现，提升在国际生物数据领域的竞争力和话语权。未来，期待本标准能与单细胞多组学、空间转录组等新兴技术标准协同发展，共同构建更加完善的生命科学数据标准体系。