ライフサイエンスデータベースの現状 〜データベース統合化のための技術的・政治的側面〜 Japan Museum Bioinformatics (Museomics) Working Group 第2回会合@東工大・緑が丘キャンパス https://sites.google.com/site/museumbioinfo/meetings/201410xx #museomejp

1. Japan Museum Bioinformatics (Museomics) Working Group 第2回会合
ライフサイエンスデータベースの現状
～データベース統合化のための技術的・政治的側面～
仲里 猛留
NAKAZATO, Takeru
@chalkless
情報・システム研究機構ライフサイエンス統合データベースセンター
Database Center for Life Science (DBCLS), Research Organization of Information and Systems (ROIS)
2014/10/30
東工大緑が丘キャンパス
撮影
可

2. 今回の会合
tweet OK?
ハッシュタグは?
@chalkless

3. 自己紹介

4. 名前仲里 猛留
ふりがななかざと たける
所属情報・システム研究機構
ライフサイエンス統合
データベースセンター
Twitter chalkless
詳しくは所属のページをごらんください...
4
質問などどうぞ
http://dbcls.rois.ac.jp/~nakazato/

5. NEC バイオIT事業推進センター
文献検索（もどき）ツールの開発
5
東工大院・生命理工
Wet 浸透圧調節・イオン輸送
イオントランスポーターの
クローニング
阪大院・情報科学
文献情報を利用した
マイクロアレイデータの
生物学的知見の付与
99.4
02.4
05.10
08.9
Dry
07.4
14.9
遺伝子（群）への文献情報を用いた
アノテーションづけ
07.9
ライフサイエンス
統合データベースセンター
遺伝子、疾患のアノテーション
キーワードづけ、用語整備
NGSデータの整理
休眠時代
（部署解体 → 異動）
毎日、PowerPointで営業資料作成
Dry
Dry

6. こんな実験生物を使っていました...
鰻

7. wet時代・ ウナギの海水適応機構
血圧調節分子生物学っぽく
言ってみるイオン濃度調節
mouse の系
高Na食 or 高K食
変化が見にくい
ウナギ
淡水と海水を行き来
（サケ、マスと同じ）
SW
FW
blood
urine
Anguilla japonica
淡水／海水で遺伝子発現が
どうかわるか。
（イオントランスポーター中心）

8. wet時代・ ウナギの海水適応機構
組織局在
膵臓と後腸に強い発現

9. wet時代・ ウナギの海水適応機構
9
経時変化
淡水 → 海水 で発現増大

10. 10
Na+
Cl-
H2O H2O
Ca2+
Mg2+
HCO3
-
HCO3
-
Osm
H2O
eSult ?
腸内
腸細胞
血液
wet時代・ ウナギの海水適応機構
海水適応に伴う浸透圧適応モデル

11. 公共NGSデータ検索サイト DBCLS SRA
http://sra.dbcls.jp/

12. 虫好き。
（特にチョウ）

13. 本題

14. wet時代・ ウナギの海水適応機構
血圧調節分子生物学っぽく
言ってみるイオン濃度調節
mouse の系
高Na食 or 高K食
変化が見にくい
ウナギ
淡水と海水を行き来
（サケ、マスと同じ）
SW
FW
blood
urine
Anguilla japonica
淡水／海水で遺伝子発現が
どうかわるか。
（イオントランスポーター中心）

15. この世の中
分子生物学マンセー
分子 ＝ DNA

16. 16

17. 17
配列決定したDNAのデータベースへの登録
http://www.ddbj.nig.ac.jp/breakdown_stats/dbgrowth-e.html#dbgrowth-graph

18. NCBI（アメリカのバイオ系データベースセンター）のデータ内訳
18

19. 塩基配列登録の例（前半）
19
ID、タイトル
生物種情報
文献情報
文献DBへのリンク
生物種DBへのリンク
脊椎動物

20. 塩基配列登録の例（後半）
どこからどこまで?
アミノ酸配列DBへリンク
20
DNA配列を
アミノ酸配列に翻訳
DNA配列
（測定データ）

21. 生命科学文献データベースの総本山
PubMed
ぱぶめど
http://pubmed.gov/
（本当は http://www.ncbi.nlm.nih.gov/pubmed/ ）
NIH（アメリカ）の図書館部門が
生命科学系の雑誌記事を収集
メインは1950年代～
現在、2400万件（増加中）

22. PubMed(詳細画面) 論文PDF
リンク
Abstract
（要約）を収録

23. PMC（PubMed Central)
http://www.ncbi.nlm.nih.gov/pmc/
Abst. しかないPubMedに対して全文あるPMC
PubMed の全部の論文に対して全文があるわけではない

24. 遺伝子発現

25. バイオ系データ収集機関
（≒ 公共データベース）
INSDC
(Int’l Nucleotide Seq. DB Collab.)
（米）
EMBL (European Mol. BIol. Lab.)
（欧）
（日） NIH/
NLM (Natl. Lib. of Med.) 情報・システム研究機構
国立遺伝学研究所

26. お金（と機械）があれば
データは出せる。
データベースも作れる

27. 2000
2010
Japan's Gov't
Big projects
Project completion
Japan's Gov't
Rescue
DBs, tools
3yrs
×3
5yrs
×2
¥
¥
¥
¥
¥
¥
DB archive/Integrated DB

28. DBCLSのミッション
• 予算の切れ目がサービス公開の切れ目
→ データベースをアーカイブして公開
• データがどこにあるかわからない
→ 検索ポータルの作成（再利用性の向上）
• 使い方がわからない
→ チュートリアルムービーの作成
• 足りないデータのフォローアップ
→ 日本語コンテンツの充実など

29. DBCLSの活動
統合TV
ライフサイエンス系データベースの
チュートリアルムービー
新着論文レビュー
Nature、Cell、Science系の
雑誌に載った日本人による記事を
著者が日本語で解説

30. DBCLSの活動（つづき）
BodyParts3D
人体の3D座標付き用語辞典と描画ツール
色、角度、透明度など自由に設定可能

32. 2007 DBCLS 設立
文科省
統合データベース
プロジェクト
東日本大震災
NBDC 設立
（年度）
東大理学部1 号館別館A 棟
（東大本郷キャンパス）
東大工学部12 号館に移転
（東大本郷キャンパス浅野地区）
ポータル、横断検索、
アーカイブはNBDC に移行
（実データはしばらくの間
DBCLS マシン内）
JST
ライフサイエンスデータベース
統合推進事業（第1 期）
東大柏の葉キャンパス
駅前サテライト、
国立遺伝学研究所
（静岡県三島市）に移転
2008
2009
2010
2011
2012
2013
2014
2015
JST
ライフサイエンスデータベース
統合推進事業（第2 期）
H13~
バイオインフォマティクス
推進事業
ライフサイエンス
統合データベースセンター
文科省 発展的改組
統合データベースプロジェクト
ライフサイエンス
データベース
統合推進事業
（第1期）
受託
ライフサイエンス
データベース
統合推進事業
（第1期）
ライフサイエンス
データベース
統合推進事業
（第2期）
共同研究
ライフサイエンス
データベース
統合推進事業
（第2期）
一本化
バイオサイエンス
データベースセンター

33. データを使ってもらう
データを集める

34. データベースは
使ってもらって
なんぼ

35. NGSデータ
データベース検索システム
GenBank
EMBL
DDBJ
SRA
BLAST
MEDLINE
塩基配列
文献
登録
登録
登録
SRA Search

36. 36
データの利用シーン
淡水→海水で
発現が上がる
遺伝子配列を
手に入れた
データベースへ
問合せ
!
既存のデータと
比較
イオン
輸送
蛋白質
だった！
薬剤処理
あり/なしで
発現差を
網羅的に
調べた
糖尿病の
プロファイルと
似ていた！
ある場所の
土をとってきて
含まれるDNAを
配列決定した
（メタゲノム）
含まれる
微生物の
正体が
分かった！

37. 情報の整理と付与によるデータ価値向上
37
GenBank/
EMBL/
DDBJ
登録
RefSeq Gene
gene A（N端）
gene A（中間）
gene A（C端）
gene A（全体）
gene A（全体）
名前
位置
文献
配列
翻訳後配列
発現場所
他DBのID

38. 他データベースとの連携によるデータ価値向上
遺伝子データベース
疾患
ドメイン
（機能部分）
変異
遺伝子発現
アッセイ
文献
38

39. 統合化技術：RDF
Predicate
Subject Object
<http://genome.db/gene123> label p53
http://purl.uniprot.org/uniprot/P02787
recommended
name length organism mol function
698 taxon: 9606
human
GO: 0008199
ferric iron binding
serotransferin
scientific name name
二項関係で
二項関係の集合としての統合
別DBで
呼び出し方を共通化
→ どんなDBでもOK
データベース間でどこが同じ内容かわからない
2つのデータベースを合わせるのに、全部のデータはいらない

40. 統合化技術：オントロジー
用語の共通化と構造化
アゲハ?
ナミアゲハ?
アゲハチョウ?
アゲハチョウ科
Papilio属
アゲハ
キアゲハ
カラスアゲハ

41. 実例

42. 次世代シーケンサー（NGS）
Next Generation Sequencing
→ High-Throughput Sequencing
電気泳動式キャピラリ式NGS
42
ABI社
北海道システム社
750 (base/lane) × 48/4 lanes
= 9kbase
500 (base/lane) × 96 lane
= 48kbase
36 (base/seq) × 300M seq/run
= 10.8Gbase

43. 43
新しくない「新しい昆虫採集案内」

44. 44 NGSは多様な目的で使われる

45. 45
SRA
Study
Sample
Run data
Exp
Run
Study：プロジェクト名、登録者、参考文献、内容
Exp： 実験内容、使用機器名、実験操作
Sample：試料情報、生物種、株名、細胞名

46. 46
メタゲノム
環境中の塩基配列を網羅的に解読

47. 47

48. GBIF：生物多様性のDB
各生物の分布情報や標本、調査・観察データなど

50. 50
BioProject
Primary Project
SRA GEO
Project Summary
Run data
Umbrella Project
Study
Sample
Platform
Sample
Run data
Exp
Run
BioSample
Sample

51. 51
http://sra.dbcls.jp/

52. 52
生物種による検索
上のレベルや下のレベルでも検索可能

53. 53
とは言うものの...

54. 手持ちのネタが
データベースになれば
苦労はしないんだよ！
※ 発言はイメージです。
（でも実話です）
今度、この会にも来てほしい
てか、データにすら
なってない。
54

55. 手持ちのネタをデータベースに
するために
• 何をデータとしてためこむか
• 何を付加情報としてつけるか
• 何を入力に検索するか
… 利用シーンは???
55

56. 宝の持ち腐れ
カタツケていきましょう