Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

[DDBJing33] Mass Submission System の紹介


Published on

Mass Submission System の紹介
講師:李 慶範(DDBJ アノテータ)
2015年11月11日「第33回 DDBJing 講習会 in 東京」
@国立研究開発法人 科学技術振興機構 東京本部別館
DDBJing 講習会:

Published in: Education
  • Be the first to comment

  • Be the first to like this

[DDBJing33] Mass Submission System の紹介

  1. 1. Mass Submission System 紹介 DDBJ annotator 李 慶 範 第33回 DDBJing 講習会 (DDBJ)
  2. 2. NGS data (raw reads) + Assembly + Annotation Sanger data e.g. WGS, CON, TSA etc.e.g. 16S rRNA, EST etc. e.g. complete genome DDBJ Data Submission DDBJ Trace Archive (DTA) DDBJ Sequence Read Archive (DRA) DDBJ Nucleotide Sequence Submission System Mass Submission System Interactive nucleotide sequence submission system via WWW Raw outputs Kosuge,T. et al. Nucl. Acids Res.(2014) 42(D1):D44-D49 - multi-FASTA format - authenticated submission system based on e-mail - flexible input system - specialized templates such as 16S rRNA, CDS, D-loop etc. 6.Issue Accession No. 1.MSS Request 2.Introduce how to use MSS 3.BioProject BioSample 4. Submission files 5. Check by annotators UME check tool - large-scale sequences - multiple nucleotide sequences - complex or many features - FASTA file + Annotation file +Annotation file +Sequence file (+)AGP file(CON) (submitter) (submitter) (submitter) - Genome-level data - Transcriptome Shotgun Assembly (TSA) For large-scale data WGS, CON, EST, TSA, complete genome etc. 1
  3. 3. raw reads 次世代シークエンサ(NGS)の Genomic DNA Assembly(overlapping) 個々に登録された一連の配列データを相互に 結合し, より長い配列を構築 (supercontig, scaffoldcontig) WGS data contig(overlapping reads) 配列 Sequencing gap を用いた断片配列の連結構造 Complete genome Finished 配列 CON data gap gap ・WGS (Whole Genome Shotgun) - 冗長な raw reads をつなぎ合わせた contig(overlapping reads) - CDS 等のアノテーションの記載が可能/未記載も登録可能 - "アノテーションファイル + 配列ファイル" ・CON division - 個々に登録された一連の配列データ(WGS または HTG データ)を sequencing gap を用い相互に結合し、再構築したデータ - CDS 等のアノテーションの記載が可能/未記載も登録可能 - "アノテーションファイル + AGP ファイル" + option(配列ファイル) ・Complete genome sequence (Taxonomic Division) - 配列解析を Finishing したデータ - CDS,tRNA,rRNA等のアノテーションに /locus_tag の使用 - "アノテーションファイル + 配列ファイル" Genome-level data 概要 MSS submission DDBJ Sequence Read Archive (DRA) MSS submission 第33回 DDBJing 講習会 (DDBJ) 2
  4. 4. 第33回 DDBJing 講習会 (DDBJ) 3 contig(overlapping reads) 配列 Sequencing gap を用いた断片配列の連結構造 gap gap Genome-level data 概要 MSS submission WGS data WGS 登録データについて
  5. 5. raw reads 新型シーケンサー 由来の Genomic DNA Assembly TSA data contig(overlapping) 配列 Transcriptome Shotgun Assembly (TSA) data 概要 MSS submission 再構成された (assembled) mRNA 配列 EST data cDNA1 cDNA2 cDNA3 TSA contig1 TSA contig2 TSA contig3 - 先立ってアセンブリの元となる1次転写産物 (primary transcripts)の配列データ(プライマリーエントリ) が DDBJ/EMBL-Bank/GenBank の EST division,DDBJ Trace Archive,DDBJ Sequence Read Archive (DRA) の何れかに登録されている必要がある (注意);プライマリーエントリが TSA 登録者と異なる登録者に帰属する配列データである場合は,TPA (Third Party Annotation) MSS submission DRA MSS submission 第33回 DDBJing 講習会 (DDBJ) 4
  6. 6. DDBJ Submission System アノテーションをつけた塩基配列の登録 ・DDBJ Nucleotide Sequence Submission System (Web経由の塩基配列登録システム) ・Mass Submission System (MSS) 第33回 DDBJing 講習会 (DDBJ) MSS 利用案内 1 5
  7. 7. Mass Submission System 登録予定データが,件数が多い,多数の Feature を持つ,配列が長大,などの 場合や,web経由の登録システムが対応していないデータ(例:WGS)の登録 特徴 ・定型化したテキストファイルの利用による登録 - 登録に必要なアノテーションファイルと配列ファイル -> 登録者側で作成(テキストファイル) -> スクリプト、(MS Excel などの) 表計算ソフト、 テキストエディタ等を使用 - 作成したファイルは、 ソフトウェアツールでチェック UME (Utilities for MSS file Errorcheck) Paser/transChecker ・データ転送が簡便(Eメール、D-way 経由) ・大規模データの登録向き 受付対象のデータ ・エントリ数(登録する配列の数)が多い 例: 大規模転写物(EST, HTC, TSA) , ゲノム断片(GSS, HTG), 特定の遺伝子や領域(16S rRNA, ITS-rRNA など) ・1エントリあたり,多数(概ね30以上)のBiological Feature 例: オルガネラゲノム,プラスミド全長など ・配列が長大 (概ね 500 kbp 以上) 例: 全ゲノム規模データ,遺伝子クラスターなど ・塩基配列登録システムが対応していない登録 例: WGS,CONなど 第33回 DDBJing 講習会 (DDBJ) MSS 利用案内 2 6
  8. 8. 6.アクセッション 番号発行 1.登録依頼 2.MSS 利用案内 登録案内 3.BioProject BioSample 登録 4.登録ファイル 作成 5.査定作業 MSS UME check tool +Annotation file +Sequence file (+)AGP file (for CON) - 登録ファイルフォー マットチェックツール データ公開・公開待ち データ公開・共有 MSS submission flow 登録者 塩基配列解析データ BP/BS 登録対象データ - Genome-level data (WGS, CON, complete genome) - Transcriptome Shotgun Assembly (TSA) INSDC 第33回 DDBJing 講習会 (DDBJ) 7
  9. 9. 1.登録依頼 1. 以前に MSS を利用されたことがありますか? 2. コンタクトパーソン * 氏名(英語) * E-mail address * FAX number * 所属 (英語) 3. 登録担当者 4. 登録データの概略 * 公開予定 * 件数 * Sequencing Technology (複数選択可) * データ種別 * 生物学的概要(日本語可) 5. 補足情報 (日本語可) MSS submission flow MSS申し込みフォーム MSS申し込み 必須項目を記載 第33回 DDBJing 講習会 (DDBJ) 8
  10. 10. 2.MSS 利用案内 登録案内 Subject: [DDBJ:mass-0001] How to use MSS From: 登録依頼の内容を確認 登録案内メール送付 MSS submission flow 第33回 DDBJing 講習会 (DDBJ) 9
  11. 11. 2.MSS 利用案内 登録案内 登録案内メールの参照リンク MSS 関連資料 ・データファイルチェック用ツール ・データファイル作成関連ドキュメント ・アノテーション関連ドキュメント MSS submission flow 第33回 DDBJing 講習会 (DDBJ) 10
  12. 12. 3.BioProject・BioSample 登録 - BioProject 登録 From: ---------------------------------------------------------------------------------- PSUB ID | BioProject ID | Organism name | Hold/Release PSUBxxxxxx | PRJDBxxxx | Streptomyces flavus | Hold ---------------------------------------------------------------------------------- BP/BS 登録対象データ - Genome-level data (WGS, CON, complete genome) - Transcriptome Shotgun Assembly (TSA) BioProject ID Organism name locus_tag prefix 登録 MSS 登録に使用 BioProject 登録完了(locus_tag prefix 取得) 研究プロジェクトとプロジェクトに由来するデータ をまとめるためのデータベース MSS submission flow 例、 第33回 DDBJing 講習会 (DDBJ) 11
  13. 13. 3.BioProject・BioSample 登録 - BioSample 登録 BioSample 登録完了 BP/BS 登録対象データ - Genome-level data (WGS, CON, complete genome) - Transcriptome Shotgun Assembly (TSA) From: ---------------------------------------------------------- [Submission ID] SSUBxxxxxx [Hold/Release] Hold Sample Name | BioSample ID Streptomyces flavus | SAMD000xxxxx ----------------------------------------------------------- BioSample IDMSS 登録に使用 DDBJ の一次データベースに登録されている実験データを得る のに使われた生物学的な試料 (サンプル) についての情報を集 中して管理するデータベース MSS submission flow 例、 第33回 DDBJing 講習会 (DDBJ) 12
  14. 14. 4. MSS 登録ファイル作成 ・配列ファイル作成 ・アノテーションファイル作成 ・ AGPファイル作成(CON data) MSS submission flow 第33回 DDBJing 講習会 (DDBJ) 13
  15. 15. 配列 ・ベクター,リンカー,アダプターなどの配列は必ず除去 - ベクターなどの配列自体は例外 ・特殊なケースを除き,末端の n は除去 ・塩基配列には a,t,g,c 以外にも、必要に応じて、 各種核酸コードが使用可能 ・途中にスペース、空行が入らないように 4. MSS 登録ファイル作成 エントリ名 ・エントリ名は行頭の「>」に続けて、 [space], " [double-quote], ? [question], [back-slash] を 含まない半角英数字 32 文字以内 ・エントリ名はエントリ毎にユニークな文字列 - clone 名,isolate 名といった個々のエントリに よって異なる名称の使用が一般的 ・アノテーションファイルと配列ファイルの同一のエントリ名 - 同じエントリ名をつけ、同じ順番になるようにそれぞれ入力 ・入力されたエントリ順にアクセッション番号を発行 終端子 ・終端子として配列情報終了フラグ(//)を必ず入力 (配列ファイル作成) MSS submission flow 第33回 DDBJing 講習会 (DDBJ) 14
  16. 16. 4. MSS 登録ファイル作成 (アノテーションファイル作成) Entry, Feature, Location, Qualifier, Value の 5 カラム アノテーションファイルでは全てのエントリに共通な情報 COMMON Entry 情報 SUBMITTER REFERENCE COMMENT 登録者情報 登録データ関連の文献情報 FEATURES/Location/Qualifiers で記述できない その他の情報やコメント Biological Feature Biological feature の定義、記述方法の詳細 The DDBJ/EMBL/GenBank Feature Table: Definition 一般登録ファイルの例 MSS submission flow 第33回 DDBJing 講習会 (DDBJ) 15
  17. 17. type WGS を記載 DATATYPE ST_COMMENT BioProject BioSample DRA(option) 特定データベースへのリンク Genome assembly 情報 - Assembly software - Genome coverage - Sequencers 4. MSS 登録ファイル作成 (アノテーションファイル作成) WGS 登録ファイルの例 KEYWORD DBLINK 一定な識別子を 遺伝子とその関連 feature の検索を目的として 割り当てたものCDS,tRNA,rRNA, ncRNA など遺伝子関連の feature 配下 に記載 locus_tag は DIVISION と DATATYPE で示されたデータ種別を 基本に細分化した情報、実験手法に関する情報などを、 原則として、規定値で記載 例、WGS データ: WGS と methodological keyword 記載 ・INSDC agreed methodological keywords - STANDARD_DRAFT - HIGH_QUALITY_DRAFT - IMPROVED_HIGH_QUALITY_DRAFT - ANNOTATION_GRADE - NON_CONTIGUOUS_FINISHED MSS submission flow 第33回 DDBJing 講習会 (DDBJ) 16
  18. 18. 4. MSS 登録ファイル作成 ( CON の AGP ファイル作成) CON 登録ファイルの例 (AGP ファイル) ・AGP ファイル - CON エントリを構築する際のピースエントリの順序,種類,方向等が記載 - 公開フラットファイル上に表示 "contig 行" 例、 CONTIG join(BZZZ01123456.1:1..1345,gap(1500),BZZZ01123457.1:1..1456, gap(unk100),complement(BZZZ01123458.1:1..1230)) - AGPファイルは、UME (Utilities for MSS Error check)でチェック可 MSS submission flow 9 カラムで構成 第33回 DDBJing 講習会 (DDBJ) 17
  19. 19. 4. MSS 登録ファイル作成 (Sample files) MSS submission flow アノテーションファイルの作成に際しては、サンプルアノテーションファイルをご参照ください 第33回 DDBJing 講習会 (DDBJ) 18
  20. 20. 4. MSS 登録ファイル作成 (登録ファイルフォーマットチェック) UME (Utilities for MSS file Error check) Mass Submission System (MSS) を利用した登録に必要な 配列ファ イル と アノテーションファイル のフォーマットチェックを行うツール - あらかじめ、Java Development Kit (JDK) をインストール - OS と 実行環境 に応じて、ツールを選択 MSS submission flow 第33回 DDBJing 講習会 (DDBJ) 19
  21. 21. 4. MSS 登録ファイル作成 登録ファイルフォーマットチェック・データの送付 登録に必要な配列ファイルとアノテーションファイルを作成し、 登録予定データの一部をサンプルデータとして DDBJ に送付 ファイルサイズが合計で 10 M byte を超える場合は、 公開鍵と秘密鍵を用いた SCP によるファイル転送 登録ファイルフォーマットチェックの後 データの送付 ・Parser エラーメッセージ一覧 ・transChecker エラーメッセージ一覧 ・AGPParser エラーメッセージ一覧 #2 Parser の機能 - 構文とフォーマットを検証 #3 transChecker の機能 - アミノ酸翻訳を検証 (登録データが CDS feature を含む場合) #4 FFconv の機能 - 擬似的なフラットファイルを作成 #5 CON エントリの配列の構築 - AGPファイルとピースエントリの配列ファイルを用いて構築 #1 アノテーションファイルと配列ファイル をそれぞれ指定 #1 #2 #3 #4 #5 MSS submission flow 第33回 DDBJing 講習会 (DDBJ) 20
  22. 22. 6.アクセッション番号発行 [Hold-Date] 20150612 Accession number : BXXX01000001-BXXX01000100 (100 entries) 5. 査定作業 From: DDBJ <> 査定作業完了後 アクセッション番号発行 MSS submission flow 例、 WGS data 第33回 DDBJing 講習会 (DDBJ) 21
  23. 23. MSS submission 公開ファイルとの対応関係 第33回 DDBJing 講習会 (DDBJ) 22
  24. 24. MSS submission 公開ファイルとの対応関係 第33回 DDBJing 講習会 (DDBJ) 23
  25. 25. ..中略.. ..中略.. MSS submission WGS 公開ファイルの記載例 #1 #2 #3 #4 #5 #1 Accession No. #2 DBLINK #3 KEYWORDS #4 ST_COMMENT #5 locus_tag 第33回 DDBJing 講習会 (DDBJ) 24
  26. 26. MSS ホーム MSS 用データファイル作成 -目次- UME ユーザーマニュアル Parser ユーザーマニュアル transChecker ユーザーマニュアル サンプルアノテーションファイル アノテーションファイルとフラットファイルの対応関係 MSS submission MSS 登録関連ページ MSS 参考資料 第33回 DDBJing 講習会 (DDBJ) 25