アウェーの学会大会参加。のはずが、会場に着くなり知り合いに会うなど。 そこでの議論で、来年度の講習会をどうやっていくか、そのやり方に関して考えさせられた。ぶっちゃけ、すでに統合TVにコンテンツも多く蓄積しているので、それを見てもらえばそれでいいわけで。face-to-faceのハンズオンでしか出来ないことをやるべきだろうな、理想的には。 午後はシンポジウム。まだまだ、生物システムを我々は知り尽くしてない。決めつけはキケン、ということを学び取ったつもり。 懇親会にもかなり多くの人が参加していて驚かされる。そこで、pre-twitter時代にブログで交流の会った方に再会(リアルには初顔合わせ)。本当、この業界、狭いわ。
日本生物工学会誌に「バイオインフォマティクスを使い尽くす秘訣教えます!」という連載を開始してからはや半年。とはいえ、2ヶ月に1回のペースだから、まだ3回しか公開されていないのだが。これまでの内容は以下の通り。
2,3回目とDBCLSが提供するサービスの紹介が続いたが、4回目の今回は、塩基配列データベースに関する話題。DBCLSの塩基配列関連ツール紹介はすでに日本語の総説も多数あるので、今回はDNA Data Bank of Japan (DDBJ)の中村保一さんと共著で、「塩基配列データベースの現状とその有効活用方法」と題して塩基配列データベースへのデータ登録とその利用の両側面から塩基配列データベースを紹介させてもらった。30年もの歴史のある塩基配列データベースなので、本当はいろいろと書きたいことあったのだが、敢えて短くまとめた。詳しくはウェブ上のリソースで調べてもらうことを願って。
シリーズとしてはあと3回あるので、そちらも乞うご期待。
説明会。この種のそれは約十年勤めてきて初めて。わかったことは、現状今後のことはよくわからないということ。 終了後、雰囲気が悪くなる。実は、自分は楽観的なんだな、と感じたり。 もちろん、やるべきことは頑張ってやっていくつもりだが、それ以外にもっと戦略的にしないといけないことがあるような気がした。
あしたは どっちだ
有給休暇扱いにして、ホームワーク。所属はしていないが勤務先のある研究所で開催される公開セミナーを聞きに職場へ。今流行りのゲノム編集のそれだったが、やはり出てきた大量データ処理なくしては到達不可能な内容であった。 終了後、早めに出て近くの日帰り温泉施設に。長らく行っていなかったが、近くていい施設であることを再認識。また来よう。その帰りに、これまで行ったことないスーパーで買い物など。 非日常を経験することで、変化をつけて気分転換。大事なことかと。
ある日、タブ区切りのデータを人に見せる必要があって、csvlookを使おうとしたら
zsh: /usr/local/bin/csvlook: bad interpreter: /usr/local/opt/python3/bin/python3.5: no such file or directory
というエラーが出て使えず。しょうがないのでその場は普通にlessで見せたが、その後原因究明を。 どうも、homebrewで入れたpythonのバージョンが上がったために(3.5から3.6に)、このエラーが出ているらしい。pythonはhomebrewで管理している一方で、csvlookはcsvkitの一部で、pipで管理されているツールである。そこで一度uninstallして再度installする戦略で。 [shell] pip3 uninstall csvkit pip3 install csvkit [/shell] しかしながら、
PermissionError: [Errno 13] Permission denied: '/usr …JST産学共創プラットフォーム共同研究推進プログラム（OPERA）研究領域 「ゲノム編集による革新的な有用細胞・生物作成技術の創出」キックオフ・シンポジウムに呼んでいただき、「ゲノム編集におけるビッグデータ活用」と題して話しさせてもらった。 私の話に関しても、この研究課題でやっていると思われた感。本務専念義務がある以上、大学の運営費交付金が本給の財源である(普通の)大学教員と同じというわけにはいかず、この種の活動には参加できないということが理解されていないのかも。 それにしても、こういう技術開発する人は、データアーカイブということに興味ないのでしょうか?もしそうだとしたら、懇親会でお話したJSTの副理事の方と話題になったように、やはり公的資金を使って行った研究のデータアーカイブへの登録をもっと強力に推進していく必要があるかと。
米国のKansas State Universityからお越しいただいた Prof. Michael R. Kanost と Dr. Neal T. Dittmer のセミナーを聴講しに東京農工大学へ。_Manduca sexta_のゲノム配列解読の話も聞けた。やはり遺伝子アノテーションの話となると熱くなってしまうのは職業病か?
三島開催。だが、急用で1日目だけの参加。 引き続き、ArrayExpressにない、RNA-seqデータを回収する件。ArrayExpressのデータと同じようにTitle行をどう取得するか、悩みどころ。いろいろな不具合が見つかってバグ出しには貢献したものの、解決までは至らず。基本、論文があればそのTitle、なければBioProjectのデータといったところか。実装にはもうちょっと精査が必要。
ブログを始めたのっていつからだろう?と考え込むぐらい日常的にブログを書いたり、他人のそれを読んだりな自分だが、どうも自宅に常時ネット接続できるサーバーを設置した2003年頃からではないかと。 tdiaryをそこにインストールして、コンテンツを発信するのがカ・イ・カ・ンだった。当時、コンテンツを発信するCMS(Contents Management System)として、一番手軽な手段がブログだったような。そこにmixiやはてなブログなどが時期を同じくして出てきて、そっちを使っていた時期もあったけど、結局また自宅サーバーのブログに戻ってきてしまった。もっとも今使っているWordPressは攻撃の対象となりやすいので、次のCMSを検討しないといけないフェーズにきているものの。 ネット上に晒すことがとくに怖くない時代に始めたからか、ブログでいろいろ情報発信することで人とあった時の話題になったり、さらなる技術情報を教えてくれる人が居たり、いろいろあった。もちろん、いいことばかりでなく、嫌なこともあったが。今は主にデータ解析に必要だったコマンドやツールの備忘録、まさにログとして未来の自分が情報検索で困らないようにやっているところもあるかと。それも今後、時代とともにまたいろいろ変わっていくんだろうけど。 また、「書きとどめよ 議論したことは風の中に吹き飛ばしてはいけない」というガリレオ・ガリレイの言葉の下に、職場に来てくれていたRA(Research Assistant)さんたちにもやったことをブログとして残していくことをお願いしていた。今でもググっているとその頃の彼らのブログに行き当たることがままある。やはり、書き残すことは重要だ。
黙祷。もう6年、つまり小学校を卒業するだけの年数が経ってしまったと考えると、本当に時が経つのは早いという印象。 あの時朝食のパンが買えなくなって、朝食に御飯を炊くように生活習慣が変わったのを思い出した。急に来た停電の際に、懐中電灯にコンビニ袋かぶせてランタンがわりにしたこともあったな。 また大きな地震はいつかどこかで起こるだろうし、そういった時のために日持ちのする食料を備蓄しておくとか懐中電灯を準備しておくとか、日頃から備えることは忘れずに継続していきたい。備えよ常に。
26年前の今日(1991/3/10)、大学の合格発表だった。その時から画一的な評価基準を離れ、好き勝手にやってきたわけだが。曲がりなりにも研究者として生きている「あの頃の未来」になっているのは、夢の実現と言って良いのではないだろうか。それだけに飽き足らないのは、「研究者」の性分なのだろうけれども。ここのところ、向いていない職についたかと絶望する機会も多かったが、実は向いていたのかもしれない。
来週の講演に向けて、外行きの靴を買いに。まったくないわけではないが、良い機会なので。「足元を見られる」という話を、親父は祖父より言われていたという話を聞かされてきたが、これまではそんなのは関係ないと思ってきたものの。歳を重ねてきて、たしかにそういうところはあるなあ、と実感を持ったが故に。もちろん、中身が重要なのは言うまでもないが、見た目もきっちりしておかなければならない。とんがっているだけだった自分も、大分歳を取りました。
多数のプロジェクトをかかえ、それぞれにさまざまな進捗状況になるのは当たり前。それをうまく並列に御して業績を出していくことは、数え切れないほどのプロジェクトをかかえてしまったFANTOM2の共同研究の時に身に着けた技なのかもしれない。それを並列にこなしているつもりでいたが、そうではなかった。自分にとって思い入れのあるプロジェクトであってもそのone of themであり、それにかかりっきりになってしまうと他が止まってしまうということを、それが一段落して認識した今日。それではダメだ。もっと並列度を上げていかねばならない。そう、すべての関わっているプロジェクトに優劣をつけず、取り組んでいかねば。
お世話になっている研究所内部の共同研究プロジェクト打合せ。今回、痛感したのは、
公共DBに関する正確な知識のアップデートの重要性
研究者間でのデータ共有の仕組みの必要性
とくに、某所で某プロジェクトに関わる人達でのデータ共有の仕組みを作ろうとしていることは、実はとっても大事なことを身をもって知ることに。いつもと同じ結論だが、データ利用現場との意見交換や議論はとても大事なことを再確認した。
2017年3月2-3日は、広島大学原爆放射線医科学研究所の放射線災害・医科学研究拠点の共同研究打合せに広島大学霞キャンパスへ。いろいろと多岐に渡って情報交換を行い、お互いに有意義だったのではないかと。私から最近のオープンサイエンスをめぐる動向などを紹介。それ以外にも、アカデミックフリーとなったTIBCO Spotfireのそれは時間をとって私なりの使い方を披露するなど。 次回には、DBのメタな解析から出てきたデータ解析結果を検討する場としたい。やったことは確実に、目に見える形に。
本当に今年2017年の２月はそんな感じだった。１月のうちは、それほど予定も詰まっておらずじっくり研究に取り組めると思っていたのだが…蓋を開けてみると、東京出張が合計７日分だから、ひとつきの1/4は東京だった、と。そして、(これも取り立てて記することでもなくなりつつあるが)論文投稿やreviseを並行して。またたく間に過ぎてしまった感。来年度以降じっくりと研究に取り組むために、今月はその仕込みをしたということにしておきたい。
現在所属しているセンターが属している大学共同利用機関法人 情報・システム研究機構(ROIS: Research Organization of Information and Systems)が毎年主催している機構シンポジウムに参加。今年は「分野を超えたデータサイエンスの広がり～自然科学から人文社会科学まで～」というテーマで。統合TVスタッフによるビデオ撮影も。後日統合TV化される予定。
生命科学以外の分野の「データサイエンス」がらみの取り組みを複数知ることができた他、Yahooの安宅さんによる刺激的なお話が聞けて大変良かった。これはたぶん統合TV化無理だろうな…。twitterのハッシュタグ(#roissympo)を追うとその一端をうかがい知ることができるかと…ハッシュタグ付けてつぶやいていたのはほぼオイラだけ!?
帰りに突発的な大雨で、ずぶ濡れに。
今回の東京連続出張の機会に複数の知り合いと再会。人との出会いの中から自分のアイデンティティを再確認。ちょっとやる気が薄れていたことに対して、結果として激励されたり。体力的にちょっとキツかったものの、とても良い機会だった。出会いを大事に。
昨日でデータは取ってこれるようになったので、それを整形して必要なデータだけ抽出できるように。
まずは、BioProject（PRJから始まるID)とGEO Series(GSEから始まるID)のIDを抽出して、後者はGSE以下の数字をE-GEODから始まるArrayExpressのそれに変換して。これまでのAOEに使っていたタブ区切りテキストに1カラム追加して、このBioProjectIDが付くものは付けたデータを作成。やっとAOE2.0用の入力ファイルが完成!
そして、ずっと取り組んできているArrayExpress(そしてGEO)に入っていない、RNA-seqなデータを追加する方。追加するために必要なメタデータの取得方法確立、そして重複エントリを削る判定基準を作成するなど、まだまだ越えるべきハードルがあって、すぐにはできないものの、見通しはついてきた感。次回も頑張ろう。
前回に引き続き、DBCLS SRAのAPIをいじる。AOE2.0に必要なデータを作成するパイプラインを作成するために。 前回上手くいかなかったREST APIによる大量データ取得を再度試みる。BioProjectのデータでGEO SeriesのIDを持つエントリとSRA中のRNA-seqエントリのメタ情報の取得ができるようになった。ポイントは1000件ごとのデータ取得。 ただ、取ってきた結果は改行を含んでいないため、そのままlessで見るのは一苦労なので、適当に置換コマンド使って改行を入れて素早くさばけるように。
予定されていた会議がなくなったため、科学技術・学術政策研究所(NISTEP)講演会「欧州のオープンサイエンス政策-その狙いと実際」に飛び入り聴講。久しぶりの文部科学省で、何気にNISTEPのあるフロワー(16F)は初。 演者は、昨日SPARC JAPANで講演していただいたRon Dekkerさんで、昨日のSPARC JAPANでのお題 Open Science in a European Perspective よりは政策に近いお話を伺うことが出来た。
2016年度SPARC JAPANセミナー3回目で今年度最後の今回は、セミナー担当を外れて、聴講者の一人として。
オープンデータやオープンサイエンスに対する考え方や温度は、分野によってさまざまであることを再認識できる良い機会であった。自分の専門分野である生命科学分野は、オープンデータに関してデータ登録が論文査読の前提であるなど先進的である部分もあるが、preprintが普及していないなどそうでない部分もあるとわかった。当然のことではあるが、自分の分野以外の周りを見渡してどうなっているか、定期的に参考にすべきであると痛感。図書館の人の役割として、複数の分野の研究者と関わりがある経験を活かして、分野を超えた提案を、自分の専門分野にタコツボ化した研究者にしてやれることが挙げられるのではないか、とふと思った次第。
twitterのハッシュタグは#sparcjp201603で、話や議論が追えるが、有志の方がtogetterにまとめてくれました。ありがとうございました。
中心となるデータベースがなく、信頼のおけるアノテーションがない場合、それを自ら付けないといけない。BLAST2GOを使うというやり方もあるが、やり方にも自らのこだわりを入れてそうしたいもの。単にAll vs AllのBLASTを実行する(reciprocal best hitを取る)よりも突っ込んだのやり方が必要となってきた。ついにこのフェーズになってきたな感。「機は熟した」
約20年前、大学院生だったころと全く同じ手順を、対象配列セットを換え、ツールを換え、やっていることにふと気づく。かつてはFTPサイトからダウンロードしてきた予測アミノ酸配列セットに対して、今はTrinity→Transdecoder実行して作成した配列セットに対して。
インデックス作成して
必要な配列だけ抽出して
多重配列アラインメント実行
[shell] makeblastdb -in Trinity.fasta.transdecoder.pep -dbtype prot -hash_index -parse_seqids blastdbcmd -db Trinity.fasta.transdecoder.pep -entry_batch id_list.txt > orenoaa.txt clustalo -i orenoaa.txt -o orenoaa.fa [/shell]
最後に、配列アラインメントを可視化して分子系統樹を書いてみるところは、Jalviewを使っているのは変わらず。Jalview凄い。
かつては、自作のスクリプトや、某環境特異的なソレを使ったりして一連の作業を実現していたが、現在はすべて誰でも使えるソフトウェアを組み合わせでできる …
RSEM is a software package for estimating gene and isoform expression levels from RNA-Seq data.
というわけで、Trinityで遺伝子クラスターを作成した後に、Trinityがインストールされているディレクトリ(うちの環境だと /usr/local/Cellar/trinity/2.3.2/)中のutilディレクトリにある align_and_estimate_abundance.pl を実行する際に使うソフトウェア。しばらくチェックしていなかったらバージョンが上がって1.3.0になっていた。
http://deweylab.github.io/RSEM/のLatest versionのリンクからtarballをダウンロード。展開して、 [shell] make make install [/shell] でインストール完了。RSEMは直接実行するのではなく、上記のPerlスクリプトから呼び出されて使われる。
鯖が復活して、WordPressの設定をいろいろいじっていて、気分転換にWordPressのテーマを変更してみた。バックアップ先"ぼうのブログ(Backup)"で使っていたテーマそのものだが、バナーの写真を伊豆バージョンにカスタマイズしたのと、「メニュー」を入れ子にして増えてきたAltmetrics関係の研究者系SNSなどへの直リンクを整理。 問題に思っていたsingle quoteが変換されたり、２つhyphenが続くと別の文字に変換されてしまうなどの問題点は、"SyntaxHighlighter Evolved"が有効になることで解決した模様。 CCライセンスも各エントリごとにきっちりついているし、一覧画面でも全文表示されているし、いい感じ。
マシンも老朽化しているので、別の例にもあったようにマシンリプレイスが必要となるかと思いきや、単にInternet connectionが切れていただけ。約2週間ほどダウンしていたわけだが、今回はわりと直前にバックアップしたWordpressなXMLがあったので、そのデータを元にbonohu.wordpress.comというバックアップサイトを急造して凌いでいた。本当、バックアップって重要。
しかし、コードを綺麗に見せるためのプラグインを使っていたり、(これはテーマを選べば良いのかもしれないが)quoteやdouble hyphen等が別の文字に変換されて表示されて、結局のところ自分が一番不便。「雪解け」は待てず、というオチ。Wordpressの方は非公開に戻し、また今回みたいなことがあった時にactiveにして利用することに。
human transcriptomeのデータベース The Genotype-Tissue Expression (GTEx) へリンク張るには、いわゆる遺伝子名(Gene Symbol)で、例えばEPAS1の場合、
http://www.gtexportal.org/home/gene/EPAS1
とすればいいが、これがEnsemblのGeneIDでもできるらしいことが、いろいろな種類のIDを試していて気づく。例えば
http://www.gtexportal.org/home/gene/ENSG00000116016
ってな具合に。実際にはENSG00000116016.9というバージョン(.9のこと)付きのIDに対するデータのようだが、それは付けていなくても大丈夫な模様。 こちらでID変換せずにすみ、リンクする手間が減って助かったが、なぜNCBI GeneIDやRefSeqIDじゃなくて、EnsemblなIDで?
RefExを使ってくれている論文たちを、2017年1月現在でリストアップ。PMCの全文検索、Google Schalor、そして出版社提供のalertによる定点観測から得たデータを総合。6本あって、やはり医学系ばかりという特徴。思ったよりも多かった印象。
Murine colon proteome and characterization of the protein pathways. doi: 10.1186/1756-0381-5-11
Aberrant IDH3α expression promotes malignant tumor growth by inducing HIF-1-mediated metabolic reprogramming and angiogenesis. doi: 10.1038/onc.2014.411
Gene Expression Profiles of the Cochlea and Vestibular …
RefExを使ってくれている論文たちを、2017年1月現在でリストアップ。PMCの全文検索、Google Schalor、そして出版社提供のalertによる定点観測から得たデータを総合。
Murine colon proteome and characterization of the protein pathways. doi: 10.1186/1756-0381-5-11
Aberrant IDH3α expression promotes malignant tumor growth by inducing HIF-1-mediated metabolic reprogramming and angiogenesis. doi: 10.1038/onc.2014.411
Gene Expression Profiles of the Cochlea and Vestibular Endorgans. doi: 10 …