The Sequence Read Archive search system to make use of public high-throughput sequencing data

Slide 1

Slide 1 text

公共データベースに登録されたNGS データを検索・活用する大田達郎, 仲里猛留, 坊農秀雅ライフサイエンス統合データベースセンター (DBCLS) 2018/11/29 MBSJ2018 ワークショップ「いかにして公共データベースを生命科学研究に活用するか？」

Slide 2

Slide 2 text

来場者アンケート NGS 使ってますか DDBJ にNGS データを登録したことがありますかデータの解析を自分でやりますか、人に任せますか公共のNGS データを検索したことがありますか使って解析したことがありますかそれで論文書けましたか

Slide 3

Slide 3 text

まとめ DDBJ/DBCLS で公共NGS データ検索エンジンを作っています https://sra.dbcls.jp 2019 年度DDBJ にて正式稼働予定是非フィードバックを解析済み公共NGS データを提供するDB をどんどん活用しましょう

Slide 4

Slide 4 text

Agenda Sequence Read Archive (SRA) について SRA データ検索の問題点 DDBJ Search の実装 SRA データを用いたアプリケーションの紹介まとめ

Slide 5

Slide 5 text

Sequence Read Archive (SRA) について何がどれくらい入っているのか

Slide 6

Slide 6 text

Sequence Read Archive (SRA) についていわゆる NGS データを収載する公共データレポジトリ INSDC が運用 INSDC: International Nucleotide Sequence Database Collaboration 米国NCBI + 欧州EBI + 日本DDBJ 研究者が登録するもの配列データ (FASTQ, BAM, etc.) 実験やサンプルについての記述 ( メタデータ)

Slide 7

Slide 7 text

SRA のデータ量と伸び 20PB! https://www.ncbi.nlm.nih.gov/sra/docs/sragrowth/

Slide 8

Slide 8 text

Open access bytes per quarter

Slide 9

Slide 9 text

Controlled access bytes per quarter

Slide 10

Slide 10 text

Statistics: Library source

Slide 11

Slide 11 text

Statistics: Library strategy (application)

Slide 12

Slide 12 text

Statitsitcs: Platform

Slide 13

Slide 13 text

Statistics: Organisms (Top50)

Slide 14

Slide 14 text

Statistics: Organisms (51‑100)

Slide 15

Slide 15 text

SRA データ検索の問題点こんなにあるのに何故欲しいデータが見つからないのか

Slide 16

Slide 16 text

SRA データ検索の問題点たくさんあるが… 1. メタデータオブジェクトの関係性が複雑である 2. メタデータに記載された情報が検索に不十分である 3. 検索の仕方が悪いのか、そもそもアーカイブにないのか？

Slide 17

Slide 17 text

メタデータオブジェクトの関係性個別の情報のアップデートや削除に対応するために情報の単位ごとに分割されID が振られる知らないと検索するときに混乱する

Slide 18

Slide 18 text

メタデータに含まれる情報の不足お花見メタゲノムプロジェクトで取られたメタデータ plant‑associate metagenome の package に従っている登録者が記載する情報と検索者が記載してほしい情報は一致しない

Slide 19

Slide 19 text

検索の仕方が悪いのか、そもそもアーカイブにないのかなんでも入っているわけではない世界のどこかでシーケンスされ、登録されたものだけメタ情報が適切に書かれていない = 存在しないのと同じ対策論文を探す統計情報を活用する効率よく検索するプログラムを書く

Slide 20

Slide 20 text

DDBJ Search の実装

Slide 21

Slide 21 text

DDBJ Search の実装メタデータの全文検索インデックス構築プログラムからアクセス可能なAPI サーバの構築 Graphical User Interface (WebUI) の構築停電知らずのクラウド環境

Slide 22

Slide 22 text

システム構成

Slide 23

Slide 23 text

DDBJ Search twitter でのフィードバックお待ちしてます https://sra.dbcls.jp

Slide 24

Slide 24 text

SRA データを用いたアプリケーションの紹介その公共データ、既に誰かが解析している ( かも)

Slide 25

Slide 25 text

SRA データを用いたアプリケーションの紹介 Name Org SeqApp Organisms Quanto DBCLS FastQC All RefEx DBCLS RNA‑Seq Human, Mouse, Rat ARCHS4 Mount Sinai RNA‑Seq Human, Mouse ChIP‑Atlas Kyushu‑ Univ. ChIP‑Seq, DNase‑ Seq Human, Mouse, Rat, Fluit fly, Roundworm, Yeast MicrobeDB.jp NIG Metagenome, Meta‑16S, Meta‑ transcriptome

Slide 26

Slide 26 text

Quanto SRA データのクオリティ統計値詳しくは BioDB2 ( 統合DB DBCLS) のブースへ http://data.dbcls.jp/~inutano/fastqc/ https://doi.org/10.1093/gigascience/gix029

Slide 27

Slide 27 text

RefEx 公共遺伝子発現データから作られた "reference transcriptome" 詳しくは BioDB2 ( 統合DB DBCLS) のブースへ http://refex.dbcls.jp

Slide 28

Slide 28 text

ARCHS4 kallisto による human/mouse RNA‑Seq の発現定量結果は全てDL 可能 https://amp.pharm.mssm.edu/archs4/ https://doi.org/10.1038/s41467‑018‑03751‑6

Slide 29

Slide 29 text

ChIP‑Atlas SRA のChIP‑Seq/DNase‑Seq を解析、Enrichment analysis も詳しくは BioDB9 ( 統合DB 九州大学) のブースへ https://chip‑atlas.org https://doi.org/10.15252/embr.201846255

Slide 30

Slide 30 text

Microbedb.jp SRA のメタゲノム・メタ16S・メタトランスクリプトームが解析済み詳しくは BioDB7 ( 統合DB 微生物統合遺伝研他) のブースへ http://microbedb.jp/