bioecon Раздел для участников
Технология · Синтетическая биология и платформы / Биоинформатика и омики

Геномное сжатие и потоковая передача данных по международному стандарту ISO/IEC 23092 (MPEG-G)

Стандартизированная компрессия геномных данных MPEG-G (ISO/IEC 23092), уменьшающая размер NGS-файлов на 70% с поддержкой пофрагментного чтения.

1 · Что даёт

Международный стандарт ISO/IEC 23092 (MPEG-G) представляет собой первый глобальный открытый стандарт представления, сжатия, потоковой передачи и обработки геномных данных, решающий проблему колоссальных объемов хранения информации в прецизионной медицине. Секвенаторы нового поколения (NGS) и популяционные геномные проекты генерируют петабайты сырых несжатых файлов FASTQ, BAM и VCF ежегодно. Устаревшие форматы страдают от критических недостатков: гигантских размеров файлов, низкой скорости распаковки, отсутствия прямого индексированного доступа (для анализа одного гена приходится скачивать сотни гигабайт) и полного отсутствия встроенной криптографической защиты.

Разработанный экспертами MPEG и биотехнологическими лидерами (швейцарская компания GenomSys), стандарт MPEG-G использует энтропийное сжатие на основе генома сравнения, расслоение потоков данных и координатное индексирование. MPEG-G обеспечивает 10-кратное сжатие по сравнению с несжатыми файлами BAM и более чем 2-кратное превосходство над современным форматом CRAM без малейшей потери качества прочтений или координат выравнивания. Ключевое преимущество MPEG-G — встроенная поддержка потоковой передачи по протоколу HTTP/REST, позволяющая клиницистам мгновенно обращаться к отдельным экзонам за миллисекунды. Встроенное шифрование AES-256 обеспечивает соблюдение законов о защите персональных данных (152-ФЗ, GDPR).

Ключевыми направлениями данной технологии являются:

  1. Сжатие на основе референсного генома: Разделение геномных прочтений на изолированные потоки (координаты, различия, качество) со статистическим арифметическим кодированием (CABAC).
  2. Мгновенный произвольный доступ и стриминг: Встроенные таблицы индексирования, позволяющие считывать фрагменты хромосом без полной распаковки многогигабайтного файла.
  3. Криптографическая защита и избирательное шифрование: Ролевое шифрование блоков данных (например, сокрытие идентифицирующих фрагментов ДНК) с цифровыми водяными знаками.
  4. Совместимость с классическими форматами (FASTQ/BAM): Высокоскоростные многопоточные конвертеры для двустороннего перевода legacy-файлов в контейнеры MPEG-G.

Отраслевая цепочка создания стоимости#

[Сырые файлы секвенатора (FASTQ)] ──> [Компрессор на основе референса MPEG-G] ──> [Защищенный контейнер (.mpgg)]
                                                                                              │
                                                                                  (Выборочный облачный стриминг)
                                                                                              │
                                                                                              ▼
[Клинический отчет о мутациях] <─── [Мгновенный запрос по координатам ДНК] <──────────────────┘

Уровни цепочки создания стоимости#

УровеньОписаниеКлючевые входы/выходы
Прием данных секвенированияПараллельная загрузка парноконцевых файлов FASTQ напрямую с секвенаторов Illumina, MGI или PacBio.Вход: Сырые файлы FASTQ, метрики качества Phred.
Выход: Структурированные блоки прочтений для картирования.
Референсное выравниваниеСкоростное картирование на референсный геном человека (GRCh38) с выделением координат и мутаций.Вход: Блоки прочтений, референсный геном человека.
Выход: Картированный поток данных, расслоенный по уровням.
Классификация и квантование потоковРазделение на 6 логических потоков: позиции, спаренность, последовательность, сигары, шкалы качества и метаданные.Вход: Картированные прочтения, правила квантования.
Выход: Структурированные уровни геномных данных.
Арифметическое энтропийное кодированиеСжатие каждого потока специализированными энтропийными кодерами, адаптированными к статистике ДНК.Вход: Потоки данных, статистические таблицы энтропии.
Выход: Высокосжатые бинарные элементарные потоки MPEG-G.
Сборка контейнера и индексированиеУпаковка сжатых потоков в контейнер ISO/IEC 23092 с созданием мастер-индекса и сертификатов шифрования.Вход: Элементарные потоки, геномный индекс, ключи.
Выход: Защищенный индексированный файл контейнера (.mpgg).
Выборочный стриминг в клиникуПередача отдельных геномных координат (например, локуса BRCA1) в клинические базы данных за миллисекунды по REST/HTTP.Вход: Контейнер MPEG-G, запрос координат локуса.
Выход: Точечный поток данных для врача-генетика.

Сквозные технологии сектора:

  • Контекстно-адаптивное бинарное арифметическое кодирование (CABAC): Высокоэффективное статистическое сжатие, достигающее теоретического предела энтропии шкал качества.
  • Интероперабельность со стандартами HL7 FHIR и CDISC: Бесшовная передача геномных метаданных MPEG-G в медицинские информационные системы (МИС) и электронные карты.
  • Аппаратное ускорение на GPU и AVX-512: Параллельные алгоритмы сжатия, обрабатывающие геномные данные со скоростью генерации данных секвенатором.

2 · Что заменяет 3 · подобрано по отрасли

D2E–Выпуск полезных насекомых дронами (трихограмма, Cotesia, хищные клещи) вместо обработок инсектицидами
Заменяет: Обработки инсектицидами против гусениц и клещей и ручной пеший выпуск естественных врагов (узкое место по трудозатратам для …
MACRO
D3E2Геномная селекция в молочном скотоводстве вместо оценки быков по качеству потомства
Заменяет: Оценка по потомству — отбор быков для искусственного осеменения только после получения данных о надоях дочерей (5–6 лет на быка и большие …
BREED
D3E–Сельскохозяйственные дроны-опрыскиватели вместо ранцевого опрыскивания и пилотируемой авиахимической обработки
Заменяет: Ручное ранцевое опрыскивание, тракторное опрыскивание на небольших или переувлажнённых полях и обработка с пилотируемых самолётов/вертолётов
EAC

3 · Как внедрить 4 шагов

  1. 1
    Энтропийное и дифференциальное кодирование MPEG-G
    Сжатие нуклеотидных последовательностей, оценок качества и координат выравнивания в синхронизированные контейнеры.
  2. 2
    Мгновенный произвольный доступ и потоковая передача участков
    Возможность выборочного чтения локуса гена размером в несколько пар оснований из облака без скачивания всего файла.
  3. 3
    Встроенное шифрование и цифровая подпись контейнеров
    Аппаратная поддержка шифрования AES-256 и проверка целостности данных непосредственно на уровне формата.
  4. 4
    Бесшовный конвертер архивных данных (BAM/CRAM в MPEG-G)
    Пакетная трансформация накопленных петабайтных архивов секвенирования в формат MPEG-G без потери качества.

4 · Кто поставит

Подобранные поставщики (подобраны автоматически)

Rev GenomicsСШАПроизводительработает
Fumakilla Malaysia BerhadМалайзияНаука / R&Dработает
GenusВеликобританияДистрибьюторработает
Perimeter Systems (ex-Ginkgo Biosecurity)СШАУслуги / консалтингработает
FarmshipЯпонияНаука / R&Dработает
Biofuel Technology A/SДанияПроизводительработает
ArchisenСингапурОборудованиеработает
Texchem Sustainable Sdn. Bhd. (Formerly known as Texchem Polymers Sdn. Bhd.)МалайзияНаука / R&Dработает

Ведущие компании и институты (из обзора)

Компания / институтСтранаКлючевые продукты / платформыТехнологические особенностиСтатус 2026
GenomSys🇨🇭 ШвейцарияПакет MPEG-G SuiteШвейцарский пионер и главный разработчик международного стандарта ISO/IEC 23092; сертификация CE-IVDcommercial
Illumina🇺🇸 СШАПлатформа DRAGEN™Мировой лидер в области секвенирования, внедряющий аппаратное ускорение сжатия геномных данныхcommercial
BGI Group / MGI🇨🇳 КитайСистемы хранения геномных данныхВедущий производитель секвенаторов, внедряющий стандартизированные форматы компрессии данныхcommercial
Sophia Genetics🇨🇭 Швейцария / 🇺🇸 СШАПлатформа SOPHIA DDM™Облачная платформа прецизионной медицины, использующая компактные геномные форматы для онкологииcommercial
DNAstack🇨🇦 КанадаОблачные сети обмена биоданнымиРазработчик распределенных геномных сетей и стандартизированных API для глобального поиска мутацийcommercial
Velsera (Seven Bridges)🇺🇸 СШАБиоинформатическая платформа Seven BridgesМасштабируемые облачные пайплайны обработки петабайтных массивов геномной информацииcommercial
DNAnexus🇺🇸 СШАПрецизионная платформа здоровьяОблачная платформа управления крупнейшими мировыми геномными хранилищами (UK Biobank)commercial

5 · Правила и путь на рынок

Путь в РФ / ЕАЭС: MACRO · Россельхознадзор
на каждую партию (ветеринарный и фитосанитарный контроль)
Информация, не юридическая консультация — уточните процедуру для вашего продукта. (2026-10-06)
США

Облачные платформы NIH, интеграция с Broad Institute и стандарты FDA#

  • Интеграция с облаками NIH: Внедрение инструментов MPEG-G в национальные репозитории AnVIL и Terra, хранящие петабайты геномов человека.
  • Стандарты биоинформатики: Совместные проекты Broad Institute и производителей секвенаторов по интеграции формата в пайплайны GATK.
  • Защита генетической тайны по HIPAA: Применение избирательного шифрования коммерческими лабораториями для соблюдения приватности пациентов.

Евросоюз

Швейцарское лидерство (GenomSys), Horizon Europe и инициатива 1+ Million Genomes#

  • Швейцарский пионер GenomSys: Компания из Лозанны возглавляет коммерциализацию стандарта с сертифицированным пакетом ПО CE-IVD.
  • Инициатива ЕС «1+ миллион геномов»: Использование стандартов ISO/IEC 23092 для трансграничного обмена медицинскими геномными данными в ЕС.
  • Соответствие регламенту GDPR: Встроенные механизмы шифрования и выборочного доступа, отвечающие жестким европейским нормам защиты данных.

Китай

14-я пятилетка больших данных, геномика BGI/MGI и национальные банки#

  • Национальный генбанк Китая (CNGB): Внедрение формата MPEG-G в Шэньчжэне для хранения и обработки миллионов геномов населения и агрокультур.
  • Аппаратная поддержка в секвенаторах MGI: Интеграция микросхем сжатия стандарта ISO/IEC 23092 напрямую в приборы DNBSEQ.
  • Биоинформационный суверенитет: Создание отечественных китайских программных пакетов для суверенных популяционных генетических баз.

6 · Финансирование: тендеры и гранты

Сейчас нет подходящих открытых тендеров и грантов.

7 · Технологический стек

  1. Многопоточное расслоение данных ISO/IEC 23092:
    • Разделение прочтений на 6 элементарных потоков: координаты, замены, шкалы качества, последовательности, флаги и метаданные.
    • Специализированные вероятностные модели превосходят универсальные компрессоры gzip/bzip2 более чем на 500%.
    • Синхронизационные маркеры обеспечивают параллельную обработку на 64+ процессорных ядрах без блокировок.
  2. Динамический произвольный доступ по координатам ДНК:
    • Иерархические индексные таблицы связывают интервалы хромосомных координат напрямую с байтовыми смещениями в файле.
    • Запрос к отдельному экзону (например, локусу chr7:140,453,136) выполняется менее чем за 10 миллисекунд по сети.
    • Полностью устраняет необходимость линейной распаковки гигабайтных массивов, характерную для файлов BAM и CRAM.
  3. Избирательное криптографическое шифрование (Часть 3):
    • Аутентифицированное шифрование AES-256-GCM, применяемое к отдельным слоям или блокам информации.
    • Позволяет клиницисту исследовать соматические мутации в опухоли, криптографически маскируя идентифицирующие мутации пациента.
    • Полное соответствие требованиям Федерального закона № 152-ФЗ и регламента GDPR в части работы с персональными биоданными.

Источники 1 · 0 независимых · 1 сайтов производителей

Сайты производителей 1

  1. www.swissbiotech.org производитель проверено 2026-11-22