分子生物学会2015発表資料

1. ⽂献注釈情報MeSHを利⽤した網羅的な
遺伝⼦の機能アノテーションパッケージ
理化学研究所 情報基盤センター
バイオインフォマティクス研究開発ユニット 特別研究員
露崎弘毅
BMB2015@神⼾ポートアイランド
データベース⽣物学 : 公共データの再利⽤による新しい
研究スタイルのすすめ（3W24）

2. ⾃⼰紹介
・名前 : 露崎弘毅（つゆざき こうき）
・所属 : 理化学研究所 情報基盤センター バイオインフォマティクス研究開発ユニット
（RIKEN ACCC BiT）
特別研究員
・研究歴 :
緑膿菌の菌体間コミュニケーションのシミュレーション（学⼠）
→ 緑膿菌のバイオフィルム形成に関与するパスウェイ予測（修⼠、博⼠）
→ 緑膿菌の機能アノテーションパッケージの開発（趣味）
→ Single-cell RNA-Seqのデータ解析、解析⼿法・ソフトウェア開発（現在）
@antiplastics

3. ⾃⼰紹介
次世代シークエンサー DRY解析教本（細胞⼯学 別冊）
清⽔厚志（監修）、坊農秀雅（監修）
http://www.amazon.co.jp/dp/4780909201/
・Level1-③「Rの使い⽅」
・Level3-⑤「R + biomaRt + reshape2 + ggplot2 + grid + entropy」
を担当

4. 遺伝⼦機能アノテーションとは
DNA Microarray
SNP-array
CAGE
SAGE
RNA-Seq
ChIP-Seq
…
分子生物学的な機能
どのような転写因子結合
サイトを持つのか
興味がある遺伝子のリスト
(DEGs, SNP, CNV)
HNRNPR
ZNF436
TCEA3
ASAP3
E2F2
ID3
GALE
HMGCL
FUCA1
CNR2
…
オミックス実験
(102 – 104遺伝子)
こいつらは何者？
どのパスウェイに属
するのか

5. MeSH
Medical Subject Headings
PubMedの注釈情報
文献に対するアノテーションである、
MeSHを遺伝子に対するアノテーションとして使いたい

6. MeSHの利点
語彙数がGOより多い
語彙の種類がGOより多い
Nakazato, T. et al., 2008
2倍以上！
GO
（3カテゴリー）
MeSH
（16カテゴリー）
BP: Biological Process
CC: Cellular Component
MF: Molecular Function
A : Anatomy
B : Organisms
C : Diseases
D : Chemicals and Drugs
E : Analytical, Diagnostic and Therapeutic Techniques
and Equipment
F : Psychiatry and Psychology
G : Phenomena and Processes
H : Disciplines and Occupations
I : Anthropology, Education, Sociology and Social
Phenomena
J : Technology and Food and Beverages
K : Humanities
L : Information Science
M : Persons
N : Health Care
V : Publication Type
Z : Geographical Locations

7. 既存のMeSHによる
遺伝⼦機能アノテーションツール
http://gendoo.dbcls.jp/
http://gene2mesh.ncibi.org/
http://cbrc.musc.edu/homepage/jani/genemesh/index.html
これらは全てWebアプリケーション
→ 自動化・解析パイプライン化するためには、コマンドで実行できるようにしたい

8. BioCHackathon 2013
Bioconductorパッケージをみんなで開発するハッカソン
（二階堂さんがTwiGerで募集）
露崎弘毅
当時博士課程学生
緑膿菌にMeSHを
使いたかったため参加
師田郷太
当時博士課程学生
家畜動物にMeSHを
使いたかったため参加
二階堂愛（現在のボス）
当時理研CDB
MeSHを使った
遺伝子機能アノテーションを
Rパッケージで実装したい
仲里猛留
DBCLS
すでにGendooというMeSH
を使ったデータベースを開発
@dritoshi
@anNplasNcs
@chikudaisei
@chalkless

9. どの⽣き物まで作るか
120生物種を選別
（諸事情で現在は89）
NCBIがGene IDを
管理している
ゲノムワイドなツールが
対応している
PubMed ID-Gene
IDの対応関係が
100件以上ある

10. どのようにGeneとMeSH
を対応させるか
Gene ID PubMed ID MeSH ID
HNRNPR
ZNF436
TFEA3
ASAP3
E2F2
…
23445621
23521515
53515315
51231357
61646667
…
Cancer
Stem Cell
Internet
Software
USA
…
(テキストマイニング)
gene2pubmed
(キュレーターによる) ライセンス版
PubMed
(キュレーターによる)
上記の方法では十分な数のMeSHが割り当てられなかった
100生物種については、代表的な15生物種間と総当たりで、
総方向BLASTベストヒットを実行した

11. MeSH ORA Framework
（完成図）
各データ、関数を別々のパッケージとして実装
現在は、
MeSH.XXX.eg.dbと改名

12. カバレッジ

13. 適⽤事例1
緑膿菌（Pseudomonas aeruginosa）
「5%だけ増えた（笑）」
（露崎、博⼠論⽂より）
野⽣株PAO1の
遺伝⼦機能アノテーション
何しているのかわかってない遺伝⼦
MeSH.Pae.PAO1.eg.db
Package
Tsuyuzaki. K, BMC BioinformaNcs, 2015 Tobramycinに強い抵抗性を示した、変異型緑膿菌
（Gallagher, L. A., et al., mBio, 2011）
トランスポゾン 薬剤耐性の
スクリーニング
GOと類似した結果を得られる一方、
“Drug Resistance”, “Biofilm”など、
MeSHでのみ見れる医療用語があった
Togo picture gallery by DBCLS is licensed under
a CreaNve Commons AGribuNon 2.1 Japan license ©

14. 適⽤事例2
ラット（Rattus norvegicus）
カロリー制限群
対照群
505 DEGs
GOと類似した結果を得られる一方、
疾患名など、MeSHでのみ見れる
タームがあった
Tsuyuzaki. K, BMC BioinformaNcs, 2015
Chujo, Y., et al.,
Age (Dordr), 2012

15. 適⽤事例3
家畜動物で初めてMeSH ORAを適用
⽜（Bos Taurus）
豚（Sus scrofa）
⾺（Equus caballus）
Morota, G. et al., Animal GeneNcs, 2015
Wikipediaより

16. 適⽤事例4
Laporta J. et al., PLOS ONE, 2015
乳分泌を制御するセロトニンに関与する機能を特定
マウス（Mus musculus）
対照群
セロトニン
⽋失群
⽋失 +
セロトニン投与群
97 DEGs 204 DEGs

17. 詳しい使い⽅
kokitsuyuzaki/MeSH.markdown
（GitHub Gist）
> source(“http://bioconductor.org/biocLite.R”)
> biocLite(“meshr”)
> vignette(“MeSH”)
または、Rコンソール画面で以下をコピペ

18. 今後の展望

19. I. データ更新の⾃動化
NLM MeSH
DBCLS
Gendoo
NLM PubMed
NCBI Gene
公開データベース
MeSH ORA Framework
89
MeSH.XXX.eg.db
型パッケージ
MeSH.db
MeSH.AOR.db
MeSH.PCR.db
データの取得・整形・
パッケージング
https://www.bioconductor.org/
半年に一度の更新
（4月、10月ぐらい）
昔から書きためていた
スクリプト集（超煩雑）

20. i) 全自動化
ii) 異常検知
（フォーマットの変更、生物種の非対応化など）
iii) コード最適化（Perl → Pythonなど）
が課題

21. II. データクレンジング
i. 双方向BLASTベストヒット（RBBH）の
最適なアルゴリズム・パラメーター
の選択
ii. テキストマイニングによる、
否定的な関連性の除去（感情分析？）
150生物種のRBBHの件数 全生物種のRBBHの総数
BLAT、UBLAST、LAST、BLAST
での比較で、UBLASTを現状選択
（速度・精度のバランスより）
さらに優れた手法があるなら試したい
現状、E-value = 10-30で実行
生物種ごとに最適な値を選定する必要
があるかも NCBI
gene2pubmed
Gene X is not
related to
tumor Y.
…
Gene X - tumor Y
…
？

22. III. 追加機能の実装
i. MeSH Gene Set Enrichment
Analysis（MeSH-GSEA）
ii. 可視化
Hierarchical plot （topGO）
Category-gene network
（DOSE、ReactomePA）
Word cloud（tagcloud）
DEGsほど大きい変動はないが、
着実に上位にランキングする
機能が見れるとされている
Subramanian, A. et al., PNAS, 2005
変動の大きさのランキング
Enrichment Score（ES）
タームSに属する遺伝子が
ヒットすると大きくなる項
タームSに属する遺伝子が
ヒットすると大きくなる項
ES = max Phit − Pmiss( )

23. IV. ⾮モデル⽣物種への対応
BLAST2GO
hGps://www.blast2go.com
？
- パッケージ作成、MeSH-ORA
（MeSHDbiのmakeGeneMeSHPackage関数）
- 関連する文献の自動取得
シーケンシング 未知の生物種 近縁種へのマッピング
de novoアセンブリ
遺伝子予測
FASTQファイル
（リード配列）
FASTAファイル
（遺伝子配列）
.fastq .fasta
遺伝子機能アノテーション
の自動化
代表的な生物種
の遺伝子配列
オーソログDBなど
BLAST2MeSH（仮）
Geneリスト
Gene-MeSH
対応表
blast > Gene1
MIVQIGRR
REEF…
Gene1 LuxI protein
…
MeSH ORA Framework

24. まとめ
・⽂献のアノテーションであるMeSHを遺伝⼦のアノテーション
に⼆次利⽤するための「MeSH ORA Framework」
というRのパッケージ群を実装した
・MeSH ORA Frameworkで、
1. 機能アノテーションが多様になった
2. ⾮モデル⽣物種でもMeSH ORAができるようになった
3. 関連⽂献情報が取得しやすくなった

25. BioCHackathon 2016（仮）
・場所は和光理研 情報基盤棟
・時期は夏休みシーズンを予定（7月〜9月?）
・ある程度コマンドラインでツールを実行した経験がある人を想定
・Rパッケージ開発方法はこちらで説明
・最終的に、Bioconductorへのコミットと、Soqware系論文執筆を目標
・MeSH以外の解析ネタの持ち込みも可
・まだまだやることはたくさんあるので、一緒にハッカソンしましょう！
詳しくは koki.tsuyuzaki [at] gmail.com まで！