Genomics, Proteomics and Bioinformatics期刊2017年第一期在线发表了一篇数据库相关论文“基因组序列归档库”（Genome Sequence Archive，简称GSA）[1]。作者来自中国科学院北京基因组研究所大数据中心（BIG Data Center, Beijing Institute of Genomics，简称BIGD），文中对他们开发的GSA平台作了简要介绍。该平台旨在收集、整合和发布国内外用户递交的原始序列数据。GSA项目是基因组所大数据中心正在进行的几个主要研究开发项目之一，该中心由近50位年轻的生物信息学研究开发人员组成。除GSA项目外，还开展了多项面向生物信息资源服务的课题 [2]。

最早从事蛋白质序列收集的是美国国家生物医学研究基金会（National Biomedical Research Foundation，简称NBRF）的生物信息学先驱玛格蕾特·戴霍芙（Margaret Dayhoff）博士（https://en.wikipedia.org/wiki/Margaret_Oakley_Dayhoff）。1965年，她把当时能收集到的65个蛋白质信息编纂成册，并以《蛋白质序列和结构图册》（Atlas of protein sequence and structure）为名公开发表，并在以后的几年中不断更新再版。这就是国际上第一个蛋白质序列数据库“蛋白质信息资源”（Protein Information Resource，简称PIR）的雏形。基于收集到的蛋白质家族序列，戴霍芙构建了氨基酸替换计分矩阵PAM，至今仍广泛用于序列比对和数据库相似性搜索。PIR于1984年正式上线，用户可通过电话网络进行查询。两年后，瑞士日内瓦大学在读研究生埃姆斯·贝洛克（Amos Bairoch）开始对蛋白质序列进行人工注释（https://en.wikipedia.org/wiki/Amos_Bairoch），为每个序列条目添加功能和相关文献等信息，并在此基础上创建了著名的“瑞士蛋白质序列数据库”（Swiss-Prot）。

70年代末，由桑格等建立的DNA测序方法日趋成熟，核酸序列开始累积。欧美各国有识之士敏锐地意识到，大规模测序很快就会到来，建立核酸序列数据库的任务已经提上议事日程。1979年，美国能源部下属洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）沃特·高德（Walter Goad）领导的计算生物学研究组开始利用计算机收集核酸序列，并开发序列分析计算机软件，著名的序列局部比对Smith-Waterman 算法也因此应运而生。获美国国立健康研究院（National Institute of Health，简称NIH）以及科学基金会（National Science Foundation，简称 NSF）、能源部（Department of Energy，简称DOE)和国防部（Department of Defense，简称DOD）等部门资助，核酸序列数据库GenBank开始运行。就在同一年，位于德国海德堡的欧洲分子生物学实验室（European Molecular Biology Laboratory，简称EMBL）发布了欧洲版的核酸序列数据库EMBL-Bank（有时也简称EMBL）。

八十年代中后期，核酸、蛋白质序列和蛋白质结构数据库已经积累了相当可观的数据，而基于中小型和微型计算机的序列和结构分析软件也不断涌现。与此同时，由美国科学基金会资助的为科研教育服务的计算机网络NSFNet也开始投入使用。1988年11月，由已故参议员克劳德·裴帕尔（Claude Pepper）提议，位于美国首都华盛顿北郊的美国国家生物技术信息中心（National Center for Biotechnology Information，简称NCBI）成立。NCBI隶属美国国家医学图书馆（National Library of Medicine，简称NLM），而NLM则是NIH的一个下属机构。NCBI成立初期，仅8名人员，经过近30年的建设，NCBI已发展成国际上最大的生物信息中心，著名的数据库搜索软件BLAST主要开发者之一大卫·李普曼（David Lipman）担任主任至今。NCBI拥有上百个数据库和软件工具，包括著名的生物医学文献摘要数据库PubMed、参考序列数据库RefSeq、数据库相似性搜索软件BLAST等。1989年，核酸序列数据库GenBank也由NCBI接管。

欧洲生物信息学研究所成立于1994年，坐落在英国剑桥南部12英里维康基金会（Wellcome Trust）基因组园区内。EBI是EMBL的一个下属单位，主要经费来自欧盟，研究人员主要来自西欧各国。经过20多年的建设，EBI已经成为仅次于NCBI的国际生物信息中心，为欧洲各国和世界各地用户提供生物信息资源服务，并从事生物信息研究开发。除核酸序列数据库EMBL外，EBI还有许多特色数据库，如基因组数据库ENSEMBL、蛋白质家族和结构域数据库InterPro、基因本体数据库Gene Ontology等。

由美国政府部门资助的国家级生物信息中心NCBI和由欧盟资助的生物信息机构EBI的成立，为生物信息资源服务提供了人员和经费保障，促成了国际数据库联盟的建立。2003年，EBI的蛋白质结构数据库PDBe，日本蛋白质结构数据库PDBj和美国蛋白质结构数据库RSCB PDB共同组成国际蛋白质结构数据库联盟wwPDB（http://www.wwpdb.org/）。2005年，NCBI、EBI和1987年成立的日本核酸序列数据库DDBJ达成协议，建立国际核酸序列数据库联盟（International Nucleotide Sequence Database Collaboration，简称INSDC，http://www.insdc.org/）。同年，EBI的TrEMBL与Swiss-Prot和PIR一起，组成了国际上统一的蛋白质序列数据库UniProt（http://www.uniprot.org/）。其中，TrEMBL是核酸序列数据库EMBL中的编码区翻译所得的蛋白质序列。

20世纪90年代诞生的国际互连网，标志着信息时代的到来。正如诺贝尔奖获得者沃特·吉尔伯特（Walter Gilbert）于1991年1月发表在Nature上的卓有远见的文章中指出的那样，“我们必须把各自的个人电脑接入全球互联网，以便充分利用日新月异的数据库资源，并通过网络进行直接交流”[4]。他明确指出，生命科学研究面临着一个模式的改变。十年后的2001年2月，由政府资助的人类基因组计划（Human Genome Project，简称HGP）[5] 协作组和美国Celera公司 [6] 分别发布了人类基因组草图，标志着基因组学研究进入了一个新阶段。得益于高通量、低成本的新一代测序技术的快速发展，数以万计的基因组和宏基因组已经测定。根据基因组在线数据库的统计数据，265,734个不同个体的基因组测序已经完成或正在进行（GOLD, https://gold.jgi.doe.gov/）[7]。毋庸置疑，大数据革命将在未来几年中极大地影响分子生物学研究，而数据收集和发布是必不可少的重要步骤 [8]。

近三十年来，尽管我国生物信息学研究开发取得了一定成绩 [9]，但在生物信息资源建设方面，却几乎还是空白。历史是最好的镜子，上述历史回顾告诉我们，在提供生物信息资源服务方面，我国已远远落后于欧美各国；三大国际数据库联盟中，根本就没有中国的踪影。为应对即将到来的大数据浪潮，建立国家级的生物信息资源和服务体系势在必行。遗憾的是，过去十多年来，尽管郝柏林院士等国内许多有识之士大声疾呼，我国的国家级生物信息中心依然渺无音讯（http://blog.sciencenet.cn/blog-1248-237322.html）。