1 month past rsyncing ArrayExpress data
Written by bonohu in misc on 月 12 9月 2016.
ArrayExpressのdataをrsync開始してから今日でちょうど一ヶ月。前回と変わらず、experimentディレクトリのミラーが終わらない。データ転送量的には、合計1.5Tbyteほど。もう1thread増やしてやっているものの。約44Tbyteと書かれている全体のデータを信じれば、あと2年半。対策を考えねば。
Category: misc
考えていることの体系化に向けて
Written by bonohu in misc on 日 11 9月 2016.
いろいろ書き散らす。2016年の計として元旦に誓ったことでもあるし。まさかこういう形で転ぶとは思っていなかったが。このやり方のほうが怠惰な自分が奮起してやり遂げるのではないかと。もちろん、本務優先ではあるが、長い目で見るとこれこそがやるべきことになるのかもしれないね。
Trailblazer
Written by bonohu in misc on 土 10 9月 2016.
昨日のセミナーで知った言葉だが、どうも気にかかると思ったら、やはり自分たちが果たしてきた役割をいう言葉だった。折しもそのセミナー中に、この夏にずっと待っていた研究費の結果がやってきて、次のTrailbalzerを果たすべきターゲットがまた1つ増えた。個人的には、比較的大きな山だった昨日のセミナーが終わり、達成感とともに空虚感に見舞われていたところで、ちょうどいい。次なるTrailblazerとして頑張っていこう。
第1回 SPARC Japan セミナー2016「オープンアクセスへの道」
Written by bonohu in misc on 金 09 9月 2016.
前にも書いたとおり、今年度(2016年度)から国際学術情報流通基盤整備事業(SPARC Japan)のセミナー企画ワーキンググループのメンバーとして、セミナー企画に携わっている。2016年度には3回セミナーを開催することを企画しているのだが、自分はそのうちの2つを担当する、ということで第1回 SPARC Japan セミナー2016「オープンアクセスへの道」が2016年9月9日に一ツ橋の国立情報学研究所にて開催。
ということで、演者の選定から関わった。生命科学研究者の立場からOpen Access(OA)に関して話してくれる人を探せばよかったのだが、演者決定まで時間もなく、そして何よりも話してくれそうな人が思い浮かばず、結局自分で話しをすることに。実は自分も適任者の一人だったのかもとスライドを作っていて思ったり。
参加申し込みがはじまってから1週間経たないうちに満席になるなど、今回のセミナーのテーマは現在関心の高いものだったらしく。多数の方が話を聴きたいのに会場の都合で入れないという事態になり、YouTube liveで動画配信されることに。セミナー企画メンバーの担当者がtwitterでもつぶやく、という情報発信を行ったので、ハッシュタグ(#SPARCJP201601)をみてもらうと感じがわかるのではないかと。とりいそぎ、自分の発表スライドはfigshareにアップしておいた。
Bono, Hidemasa (2016): 生命科学分野における研究者の投稿先雑誌選択趣向とOAへの意味づけ. figshare.
https://dx.doi.org …3 weeks past rsyncing ArrayExpress data
Written by bonohu in misc on 金 02 9月 2016.
ArrayExpressのdataをrsync開始してから3週間。だが、experimentディレクトリのミラーが終わらない。データ転送量的には、合計0.9Tbyteほどで、約44Tbyteと書かれている全体のデータからするとやはりまだまだ。thread数を増やしてみましたが、果たして。
遺伝研研究会「次世代モデル生物におけるゲノム情報利用ワークショップ」やります
Written by bonohu in misc on 水 31 8月 2016.
今年度、申請して遺伝研研究会としての開催が決まっている「次世代モデル生物におけるゲノム情報利用ワークショップ」。それを2016年12月15-16日に遺伝研宿泊施設の会議室で開かせていただくことに決めました。ちょうど同じ日程で企画されているSPARQLthonの裏になりますが。よろしくお願いします。
Trinityがコケる
Written by bonohu in misc on 月 29 8月 2016.
single end readsのTrinityの実行がこけて、hoge.fq.readcountファイルに以下のような記述が。
Error, cannot convert fastq file to fasta since cannot recognize read orientation as /1 or /2 (instead: F)
このエラーメッセージでググると同じ目にあった人のQAが。どうも、FASTQファイルのヘッダに問題があるようで、それを書き換えてしまえば問題ない模様。このQAにはこの書き換えスクリプトまで書かれていた。 [shell] awk '{if(NR%4==3) $0=sprintf("'"+${index}%d"'",(1+i++)); print;}' hoge.fq | awk '{if(NR%4 …
NBDCヒトデータベースとJGAに感謝
Written by bonohu in misc on 金 26 8月 2016.
かつて関わった厚生労働科学研究費補助金(2009年度〜2011年度)による高齢者のがん研究のデータがNBDCヒトデータベースより公開されたと連絡をいただく。当初は生命科学系データベースアーカイブに、と提案したのが2年前。その後、一緒にやってきた担当者が亡くなるなど紆余曲折あったものの、データ公開の日を迎えて感無量です。
ヒトデータということで、データベースアーカイブに収めるのではなく、NBDCヒトデータベースでの制限公開という形になった。それでもメタデータはいつでも誰にでも見え、公共データベースの登録番号も付いた(hum0064)。NGSデータでなく、前世代な配列解析やマイクロアレイデータが主体のデータだったが、JGA(Japanese Genotype-phenotype Archive)にもきっちり入った模様(JGAS00000000061)。
データ公開を独自にするのではなく、NBDCヒトデータベースというしっかりした仕組みを使うことが出来て、本当助かった。何かあったら連絡下さい、と先方の引き継いだ担当者に言っておいたが、結局私は一度も手を下すことなく、データを持っている先方とNBDCとのやりとりだけでデータのアーカイブが実現された。こんなところでも、統合DBの取り組みのご利益が出てきている。関係者の皆様、ありがとうございました。
trim_galoreでトリミングとQC
Written by bonohu in misc on 火 23 8月 2016.
トリミングしたうえでfastqcをかけてくれるソフトがこのtrim_galore。CutadaptとFastQCがすでにインストールされていることが必須(以下の使い方だと)。 singleの場合
[shell] trim_galore --fastqc --trim1 hoge.fq [/shell]
ペアエンドの場合
[shell] trim_galore --fastqc --trim1 --paired hoge_1.fq hoge_2.fq [/shell]
1 week past rsyncing ArrayExpress data
Written by bonohu in misc on 金 19 8月 2016.
ArrayExpressのdataをrsync開始してから1週間。atlasディレクトリは終わったものの、残りの2つ、arrayとexperimentは終わらない。データ転送量的には、合計0.4Tbyteほどで、約44Tbyteと書かれている全体のデータからすると1/100ほど。ただ、全部ミラーしたらこの容量になるのかどうかも今のところわからず。続行する。
Say good bye to our deer twitterer
Written by bonohu in misc on 日 14 8月 2016.
初めての山の日(8/11)、急逝した研究者仲間のtwittererの初盆に名古屋へ。同じ分野の研究者というわけでもなく、オフラインには学会オフ会に近くだからというので集まったぐらいの仲だが、twitter上では日常を見られている人たち。それも今は「研究者仲間」と呼んでいいのではないかな、と自己紹介する際に思った。
一緒に行った、やはり研究者仲間が終わってから曰く、
[楽しくなってよかった、と言い切りましょう。彼もまた楽しんでくれているだろう。これでいいのだ。](https://twitter.com/kun32xu/status/763746145390567426)
人はいつ死ぬかわからない。だからこそ、今を楽しくおもしろく生きていきたいね。結局この日は、ここまで遅くなることは無いだろう、と思いつつも取っておいた新幹線終電に。研究者twittererとの話は、本当尽きない。今年はオフ会企画に積極的にcommitしよう。
また、数日後にこんな風にも。
[先日の初盆で、きしめんさんのお父さんから健康に充分気をつけけて、とお言葉を頂きました。話を聞いて少しでも体に異変を感じたら忙しくてもすぐに病院に行く、家族や親戚の大病についてより多く把握して弱点を知っておく、大丈夫やろ的自己判断しない、などが大切だと思いました。生きましょうね。](https://twitter.com/kun32xu/status/764456136892293123)
個人的にはポケモンの聖地 …
inodeの枯渇
Written by bonohu in misc on 土 13 8月 2016.
ストレージの容量は多くの場合ファイルサイズで問題になることが多いが、たくさんファイルを作るようなプログラムやデータベースを扱っているとファイルのinode数が問題になることがまれにある。その場合には、 [shell] df -i [/shell] とやってinode数をチェックする。普通 [shell] df -h [/shell] などでストレージの容量をチェックするのであるが、それと違うオプション指定でわかる。 もしストレージにまだ容量があるのに、ファイルシステムに新たにファイルが作れなくなっている場合、ひょっとしたらこれが原因かもしれません。
rsync ArrayExpress data
Written by bonohu in misc on 金 12 8月 2016.
2016年8月12日日本時間午後2時頃、ArrayExpressのFTPにあるデータをミラー開始。ポイントはFTPではなく、rsyncでやっているというところ。先月のSPARQLthonで調べてわかったことを元に。プロセスがコケていないか、ディスク容量は大丈夫かをちょくちょく見張りつつ…。
「新米探偵、データ分析に挑む」を読んで
Written by bonohu in misc on 水 10 8月 2016.
[amazon template=thumbnail&asin=4797382309]
新米探偵本、ようやく通読。出てきたことが一度だけでなく、俵太のまとめと天羽社長の統計学指南で波状に複数回出てきて、大変わかり易い。コードの解説もまとめられてて、復習に便利。データがあらかじめダウンロード可能なようになっていて、再現も簡単だった。Rを使った統計解析入門本としてよいかと。
TIBCO Spotfire アカデミックフリー化
Written by bonohu in misc on 火 09 8月 2016.
先日の沼津でのワークショップで伺った、嬉しいニュース。
アカデミアの方々などに無料でご利用頂けるようになりました。 TIBCO started free of charge Spotfire License. http://spotfire.tibco.com/better-world-donation-program/
本当かと思って、上記URLで出てくるフォームを埋めて送っていたが、返事なく。送ってから2週間以上経ち、さすがに忘れられたかと思い、もう一度送ってみると今度は一晩で返って来た。 「普通にtrialを申し込んで下さい、そしたら1年間にその期間を伸ばします」とのこと。 これでtrialで使うのではなく、正規にライセンスがいただけるように。 いきなりここから登録しなくても、まずは試してみてはいかがかと。ただMac版はないので、Parallels Desktop内で。なんといっても可視化が素晴らしい。
bam2wig
Written by bonohu in misc on 木 28 7月 2016.
bam形式なリファレンスゲノムへのアラインメントの情報をwig形式のcoverageファイルへ変換。 実は昔もやったことがあり、ググって出てくるawkのワインライナーでなんとか凌いでいたが、今ネット検索するとbam2wigというコマンド化されたPerlスクリプトをgithubに発見。今回はこれを使ってみた。
[shell] git clone https://github.com/MikeAxtell/bam2wig [/shell]
でgithubからダウンロードしてきて、
[shell] ./bam2wig/bam2wig hoge.bam [/shell]
でhoge_bam2wigというディレクトリが作成され、その中にhoge.wigというファイル名でwigファイルが作成される模様。 ただ、何もオプションを付けないとゲノム全体を対象に計算がなされるので、時間がそれなりにかかる。そこで、限定した領域だけ計算する場合には-cオプションをつかって
[shell] ./bam2wig/bam2wig -c chr1:1-10000 hoge.bam [/shell]
のように実行すればよい模様。
コードを見る限り、前にもこのブログでも言及したsamtoolsがインストールされ、コマンドサーチパスにないと動かない模様。
wigに変換したデータはUCSC Genome BrowserやEnsembl Genome …
'jPOST Workshop 2016 : プロテオームデータと生命科学データベース'
Written by bonohu in misc on 水 27 7月 2016.
東京白金台の北里大学薬学部にて、「ゲノムと遺伝子発現DBの現状ートランスオミクスのための基礎知識」というタイトルで、30分ほど話した。ワークショップの前座。
そのうち統合TVにアップされると思うが、とりいそぎfigshareからプレゼンを公開。
Bono, Hidemasa (2016): ゲノムと遺伝子発現DBの現状ートランスオミクスのための基礎知識. figshare.
https://dx.doi.org/10.6084/m9.figshare.3506273.v1
Retrieved: 06 47, Aug 01, 2016 (GMT)
SPARQLthon46 day2
Written by bonohu in misc on 火 26 7月 2016.
昨日の続き。直で職場のサーバーにsshできないのはやはり不便だ。 やはり、1日経ってもファイルリストの取得、終わっていない…。定期的にrsyncするように早くしたい。が、昼前に終わったので、実体の取得を開始。仕込んでランチに。大雨だが、傘なしで死亡orz 帰還後、入力データをgithubにアップしてあるスクリプト群で作成して、ウェブサイトのデータをアップデート。ランキングは変わらず。が、2016年登録分だけみると、NGSがarrayをデータシリーズ数で抜いた模様。
SPARQLthon46 day1
Written by bonohu in misc on 月 25 7月 2016.
今回はいつもと違い、DBCLSではなく新潟大学での開催ということで、RDFやSPARQLの入門的な講習会がほぼ1日開催された。こういうスタイルは新しいが、こういう形の地方行脚重要。 こちらはいつものハッカソンで、ネットワーク接続にちょっと手こずるも、あらかじめ仕込んでいたAOE更新用のindexの取得が失敗していた…orz。なぜかマシンが落ちてた模様。emobile回線に切り替え、VPN使ってログインし、USB HDをマウントして、再度開始する。
rsyncが使えるかどうか、 [shell] rsync rsync.ebi.ac.uk:: [/shell] というコマンドを実行して調べてみたところ、どうも使えるらしい。そこで、さらに継続してrsyncのオプションを調査。 例えば、ftp://ftp.ebi.ac.uk/pub/databases/arrayexpress/data/gxa/rdf/以下をcurrent directoryにrsyncしたい場合には、 [shell] rsync -av rsync://anonymous@rsync.ebi.ac.uk …
SPARQLthon@新潟大学
Written by bonohu in misc on 日 24 7月 2016.
明日、明後日(2016/7/25-26)に、新潟大学にてSPAQRLthon開催(SPARQLthon46)。いつもの柏とは別の地域で開催することは、RDFの普及という意味で重要だと思う今日このごろ。そういった研究活動をしている研究者が居るところでしかできないのが難点。SPARQLthonに来るような、データベース統合化に関わっている研究者が日本全国に職を得て、普段から教育活動するようになってくれると良いのだが。今回は、まさにその実例として素晴らしい。地元の学生さんが多く参加されるようで、大変楽しみ。
非モデル生物から新規モデル生物へ
Written by bonohu in misc on 土 23 7月 2016.
前職では、基礎と臨床を医学の研究をやろうということで、ノーベル賞を取った線虫(C.elegans)を使ったprogramed cell deathの研究が当時もてはやされていたこともあってそちら方面の可能性を探っていた(ちなみに、「きそ」と「りんしょう」の「いがく」の研究、ということで「きしょい」研究と銘打ってやっていたのだが、定着はしなかったようだ)。普段は土の中に潜っていて低酸素な環境に居るから良いモデルになるかも、ということで線虫を使った低酸素モデルでのトランスクリプトーム解析をマイクロアレイでやっていたものの、すでに先行研究があって別の系とのクロストークを探っていたのが10年前。 DBCLSに来てしばらくはDRY onlyだった。もちろん、データベースセンターなので、それが普通なのかもしれない。しかし、データベースの有用性を知ってもらうには、なによりも実際に使って上手くいった実例をあげていかないといけないと思うようになっていった。だが、単なるお手伝いではいけない。成し遂げるのに困難なのだが、バイオデータベースの専門家による手助けの恩恵が強い分野…これまでモデル生物とされてこなかった非モデル生物、もとい新規モデル生物におけるデータ解析研究ではなかろうか、と思うに至った。 その過程で、たまたま縁あって昆虫生化学者との共同研究が叶い、パーキンソン病モデルとしてカイコが使えるという論文を出し、さらにその続きの研究を今も進めている。 また、これまた縁あって癌や老化の新しいモデル生物として注目されているハダカデバネズミを使った研究にも関与している。ハダカデバネズミ由来のiPS細胞に関する研究の論文が出たところだが、それ以外の現象に対してもこの新規モデル生物でアプローチできないか、議論している。 それ以外にも要請あればいろいろとやっていきたいと思っている。自分の持っている研究できる時間は有限だけれども …
アクセッション番号のバージョン
Written by bonohu in misc on 金 22 7月 2016.
データベース(DB)、とくに塩基配列DBは公共DBに登録しないと論文が受理されないこともあって、DBのアクセッション番号(ID)に関する認知度は高いようである。しかしながら、アクセッション番号のバージョンについては知られていないのではなかろうか? 例えば、論文を投稿する際にAB016471というアクセッション番号がついたとすると、バージョン付きのIDはAB016471.1となる。つまり.1の部分がバージョンの情報で、バージョンが上がるごとに.2、.3と変わっていくわけである。 一般的にはバージョンなしのAB016471でアクセッション番号としては流通することがおおく、この種のバージョン情報を一括で消したい場合もある。その場合に有効なのが以下のワンライナーで、一行ごとにアクセッション番号が書かれたファイルaccessions.txtに対して
[shell] perl -i~ -pe 's/.d+//' accessions.txt [/shell]
という処理をするとバージョン情報の部分を削り取ることができる。ちなみに、元のファイルはaccessions.txt~というファイル名となってバックアップされている。
第16回日本スポットファイアーワークショップ(創薬研究領域)
Written by bonohu in misc on 木 21 7月 2016.
沼津でのSpotfireワークショップ2日目。今日は丸一日で、午前中はトレーニングセッション、午後はPKJ社セッションとJASPUGユーザーセッション。 自分は10年を超える長年のSpotfireユーザーではあるものの、典型的なユーザーと使い方が異なっている。昨日もSummary Tableの可視化が使えていない自分に気づくなどしたし。取りこぼしている機能が多々あるので、初心者向け体験会ということだったがトレーニングから参加。Trellisは活用していたものの、フィルタのウインドウの特定の部分をドロップしてTrellisが作れるようになっているのは全く知らなかった。それらしい機能があるのは知っていたものの使ったことがなかったCross Tableも便利だと気付かされたり。トレーニングを一通りやってみて、いろいろ得るものが多かった。 ユーザーセッションでは、大量に出てくるデータをどう見るか、それを考える姿勢に感銘を受けた。対象となるデータが違っても取り組む姿勢は大変参考になる。これまでの自分の普段のやり方で果たしていいのか、考えさせられた。もっと、自分が解析したデータを見て考えることに時間を取るべきですね。 Twitterのフォロワーさんが参加していたというのを終了してから知るなども。お会いできなかったのが大変心残り。Spotfireが広まってきたのか、この世界が狭いのか、果たして。次回の再会を楽しみに日々励もう。
第15回日本スポットファイアーワークショップ(創薬研究領域)
Written by bonohu in misc on 水 20 7月 2016.
今年も沼津駅北口のプラザヴェルデで開催のスポットファイアーワークショップ。2日間開催の1日目は第15回ということで、MedChem(Medicinal Chemistry)な内容。2日目は第16回目で、バイオHCS(High Content Screening)編。 なぜMedChemな内容の1日目の今日に来たのか、訊かれたり。最近ではPubChemやChEMBLがRDFでデータを提供していることもあり、本務のDB統合化でも化合物なデータの扱いも増えてきていて。かつてよりもずっと、いろんな意味で関係が深くなっている心持ちなのだが、参加者の人達にはそうとは思われていないんだろうか。そっち向けに統合DBの宣伝が足りないかもしれません。 SpotfireからNBDC/DBCLSで維持しているRDFデータの資産が直接利用できるようになるといいな、と妄想したり。
スポットファイアーワークショップ2016 at 沼津
Written by bonohu in misc on 火 19 7月 2016.
明日明後日、2016年7月20,21日は昨年に引き続き、沼津駅北口のプラザヴェルデにてスポットファイアーワークショップ(創薬研究領域)が開催。今年は2日連続開催で、それぞれ第15回(Med Chem編?)と第16回(バイオHCS編)になります。かつてのスポットファイアーユーザー会長だった人間としては現在の職場近くで開かれて大変ありがたいというか、嬉しいです。このイベントのtwitterのハッシュタグはおそらく #JASPUGWS です。 一点ご注意を。ドレスコードには、ご留意下さい。「ジーンズなどカジュアルなスタイルで」、「アロハシャツも歓迎」とのことです。間違っても長袖のスーツで来られないように。梅雨も開けて、亜熱帯化した開催地では涼しい格好をしないと出歩けない状況かと思います。 蛇足ですが、沼津にアロハシャツ仕立て屋さんがあるそうです。もう間に合わないかもしれませんが、参考まで。
'Shizuoka.py #5'
Written by bonohu in misc on 日 10 7月 2016.
- Docker
静岡県富士市吉原で開催されたShizuoka.py #5に参加してきた。第3回目から参加しているものの、自分でscratchからPythonのコードを書くことは少なく、そのリソースを利用させてもらって何かをするという機会ばかりが増えている。現にAOEもその1つだし。 今回は、東京で毎月開かれているみんなのPython勉強会に参加してきたので、その紹介という形のLTをさせていただいた。Pythonの勉強会なのに、高橋メソッドジェネレーターを使った画像で発表するという喧嘩を売るスタイルで。その前日に飛び入り参加してきたpitagora-galaxyに関してもバイオなデータ解析の実例として紹介してきた。 自分の発表はともかく、今回も自分自身がいろいろ勉強させてもらってきた。一番興味を持ったのはやはり前から何回か話をうかがっているFlaskによるウェブ開発。今回@aoshiman氏が発表された「Vagarant+DigitalOcean+AnsibleでPython開発環境を構築する」ができた上でのその後の話ではあるが、やはりそちらに興味をさらに持った。Flaskいぢりは是非時間を取ってやってみたい、ドキュメントも充実しているようだし。 また、このサイトもいつまでもWordPressで運用するのもどうかと思っていて、前回のMishima.syk #8でも話題になったStatic Site Generatorに興味を持っていたところ、さらにそっち方向にいい意味であおってくれる「python-pelicanでブログを作る話」が@hrs_sano645氏によって発表されたり。新しいもの導入したがりな心がうずうずしてきた …
新規モデル生物NGS解析にpitagora-galaxyは使えるか?
Written by bonohu in misc on 金 08 7月 2016.
pitagora-galaxy meet-up(2016/07)に飛び入り参加してきた。昨年にGalaxy Workshop Tokyo 2015に参加し、VirtualBoxを使って仮想環境でデータ解析する仕組みのチュートリアルを受けて以来。それから1年間経ってのアップデートを期待して。 ここにある手順通りに再実行。まずはバージョンアップしていなかったVirtualBoxのバージョンアップから。OVAイメージも最新に。RNA-seqのワークフローを例として、新規モデル生物の配列データ解析で使えるレベルになっているかという観点から動かしてみた。テストデータではちゃんと動いたが、実際の生データではどうだろう?今度試してみたい。 仮想環境を使うゆえにメモリを大量に消費する計算はこの環境では厳しそう。だが、コマンドライン操作に不馴れな生命科学者にとってデータ解析の取っ掛かりには優れたツールだと再確認。今年度後半に予定している遺伝研研究会「次世代モデル生物におけるゲノム情報利用ワークショップ」(PDF)でハンズオンとかできるといいかなと思った次第。
統合データベース講習会AJACS安芸
Written by bonohu in misc on 木 07 7月 2016.
2016年7月5,6日に広島大学霞キャンパスでの統合データベース講習会AJACS安芸に講師として参りました。今年度、1回目。 講師としては、1日目の「遺伝子発現DBの使い方」と2日目の「ライフサイエンス分野データの可視化と共有化」を担当しましたが、2日目の講習でRを使うので前日入りして動作をチェック。ウェブブラウザとしてIEを使うとRのデータ読み込みで失敗して先に進めなくなるというトラブルにあい、講習中の時間ロスを未然に防げたのはよかった。やはり、前もっての動作確認重要です。
2日目の講習テーマは新規で、どれぐらい時間かかるか読めず、多めのコンテツを用意していったわけですが、やはり多めでした。Rを使ってもらうにあたり、作業ディレクトリを設定する(setwd())ところで多くの方がコケてそれをすべてフォローしていたら時間が無くなり、なんとかPCAをかけるのを見せれたぐらいで、Bioconductorの利用までみんなで講習できず。残念。
今回登録者が60人を超え、関心の高さを実感しましたが、その一方で反応がなく…。こちらも機械じゃないので、良い反応があるとさらに良い講習ができるのではないかと。参加者も増えて受講生層も変わってきたからでしょうか。
それにしても、こういう講習会もずっと続けていて果たしていいのだろうか?DBCLSがはじまった時から始めていて10年目。そろそろ見直しの時期に来ていると思います。いい加減、各大学でそういうことが教えられる人を雇って常時居るようにしないと、生命科学研究が立ち行かなくなるのではないかと改めて心配に思いました。
遺伝子機能予測から遺伝子機能アノテーションへの20年
Written by bonohu in misc on 土 02 7月 2016.
このブログでも紹介したカイコアノテーションパイプラインは急に思い立ってそれを開発したわけでなく、大学院時代から続けてきた遺伝子機能予測の延長上にある研究です。 1998年に出した初めてのfirst author論文は、今ではどちらかというとKEGGのパスウェイデータ解析の最初の論文としてciteされることが多いようですが、実はゲノムスケールの遺伝子機能予測ツールGFIT(Gene Function Identification Tool)に関する最初の論文です。対象はゲノム配列が決定され、そこから予測された読み枠(ORF: Open Reading Frame)から得られるアミノ酸配列セットに対して、でした。 さらに、対象とする生物種を高等真核生物のマウスに、mRNAから逆転写して得られるcDNA配列セットに対してこの遺伝子機能予測を適用しました。しかし、機械的に遺伝子機能予測しただけでは不十分だろう、ということで、その予測結果を専門家に集まってもらってすべて見てもらうことにしました。それが、遺伝子機能アノテーション(注釈)といわれるようになり、それこそがFANTOM(Functional Annotation of Mouse)と呼ばれているものです。 FANTOMは遺伝子機能アノテーションから離れてどんどん進化していっていますが、遺伝子機能アノテーション自体はさまざまな生物種でゲノムワイドな解析をする際に必要不可欠です。近縁のよく遺伝子機能アノテーションがなされている生物種に配列類似性検索をALL対ALL、すなわち全てに対してかけてその対応を取ることがなされています。カイコアノテーションパイプラインに関しては、ヒトの疾患モデル動物としてカイコを使うことを意図した研究でしたので、そこを近縁のショウジョウバエに敢えてせずにヒトを使ったという点がポイントでした。
SayaMatcherはどうなったのか?
Written by bonohu in misc on 金 01 7月 2016.
かつて埼玉県狭山地方に勤務していた時にSayaMatcherという計算する仕組みを作って、転写因子結合配列などをゲノム配列から探しだし、それらをBED形式やらで出力し、ゲノムブラウザ上で見れるようにしていました(Bono HU: Gene, 364, 74-8, 2005)。それから10年あまりが経ち、個人のゲノム配列がかつての技術目標であった千ドルほどで決定できる時代になってしまいました。suffix array技術を生命科学データベースに応用し、RefSeqのデータに対して検索できるようにするGGRNA(ググるな)を2011年から開発し、さらにそれをゲノム配列に特化して検索できるようにしてGGGenome(ゲゲゲのむ)を開発しました。 GGGenomeを使うことで、かつてEMBOSSのプログラム(dregやfuzznuc)を使って時間をかけて計算していたのが数秒で答えが返ってくるようになりました。その結果、GGGenomeのAPIならびにその出力オプションにbedを指定することで、その計算結果をUCSC Genome Browserなどで表示させることが可能となりました。 かつてはChIP(クロマチン免疫沈降)実験した結果をマイクロアレイで検出して、その結果とそれまでに知られていた転写因子結合配列がどう違っているか、そういった目的に使っていました。現在ではChIP-seqというかたちでハイスループットに実験が可能となり、しかもそれらのデータがすでに定量され、UCSC Genome BrowserからTrackとして利用可能になっています。生命科学者は、手元のGenome Browserを自分の好みに合わせてカスタマイズすることで、それら複数の結果の比較検討ができるようになっています。 というわけですので、SayaMatcherはGGGenomeへと「進化した」と考えていただいてよいと思います …