「次世代シークエンスデータの登録」(理研横浜)

次世代シークエンスデータの登録
児玉悠一
Kodama Yuichi
DDBJ センター、アノテータ
DDBJ center, annotator

2015年12月16日
DDBJ センターが運営するデータベース
INSDC: オープンアクセスデータベース
個人レベルの遺伝型と表現型
JGA
アクセス制限データベース
ヒトデータ審査委員会
DDBJ
アセンブリ
アノテーション
リード
Quality value
アライメント
(bam)
DRA
BioProject
BioSample
第13回シーケンサー利用技術講習会 (理研横浜)

2015年12月16日
SRA データモデル
 SRA データは３つのデータベースにまたがる

2015年12月16日
http://www.ncbi.nlm.nih.gov/bioproject/PRJDA38027
ゲノム配列
SRA データ
Pubmed 論文情報
プロジェクト概要
プロジェクト単位でデータをまとめる
NCBI BioProject:
論文情報

2015年12月16日
プロジェクトの定義は柔軟
植物サンプルのゲノム配列と遺伝子発現を解析三つの微生物株のゲノム配列を解析

2015年12月16日
BioSample でサンプル情報を集中管理
 データベースに散在していたサンプル情報を集中管理
 サンプル記述を標準化
http://trace.ddbj.nig.ac.jp/biosample/index.html

2015年12月16日
属性 (attributes) でサンプルを記述
 「属性名:値」のペアでサンプルを記述 (例: tissue:liver)
http://www.ncbi.nlm.nih.gov/biosample/1990977
パッケージ
サンプル属性
関連データ
タイトル
NCBI BioSample:

2015年12月16日
BioProject/BioSample でデータをまとめる
BioSample 1 BioSample 2
data
Umbrella BioProject
BioProject 1 BioProject 2 BioProject 3
data data data data data
 データベースを横断してデータをまとめる

2015年12月16日
DRA 登録の流れ
1. 「なぜ」そのサンプルを
シークエンスしたのか 2. 「なに」をシークエンスしたのか
3. 「どのように」シークエンスしたのか
4. シークエンスの結果

2015年12月16日
D-way アカウントを取得しておく
 D-way アカウントをウェブサイト (https://trace.ddbj.nig.ac.jp/D-way/) で取得
 公開鍵と center name をアカウントに登録し、DRA 登録権限を取得
DRA
BioProject BioSample
公開鍵と center name を
D-way アカウントに登録
http://trace.ddbj.nig.ac.jp/book/account.html登録アカウント Handbook:
center name : SRA が組織に運用上割り振っている略号
公開鍵 : 秘密鍵とペアでユーザの認証に使用される

2015年12月16日
データファイルの準備
その他のフォーマット:
http://trace.ddbj.nig.ac.jp/dra/submission.html#データファイル
BAM
BAM ファイルヘッダー対応表
 アライメントされなかったリード (unaligned read) を含める
 Quality value によるリードのフィルタリングをしていないファイルの登録を推奨
 SQ 行とリファレンス配列 (INSDC/refseq アクセッション.バージョン番号) との対
応表が必要
fastq
 technical read (アダプターやリンカー配列) の除去を強く推奨

2015年12月16日
予めメタデータの構成を決めておく
 登録する前に必要な BioProject・BioSample・Experiment・Run の数を決めておく
 サンプル数 (≦ Experiment/Run 数) から考えると分かりやすい
 DRA submission では全てのオブジェクトが同時に公開される点に注意
1. 最もシンプルな登録 2. 三つの菌株の比較ゲノム解析
http://trace.ddbj.nig.ac.jp/dra/submission.html#オブジェクトの構成例
メタデータ: シークエンスデータがどのようにして得られたのかを説明するデータ

2015年12月16日
今回の登録例
枯草菌３株のゲノム配列をペアードエンドでシークエンスしたデータ
 ペアのファイルは１つの Run に含める

2015年12月16日
次世代シークエンスデータの登録フロー
DRA 新規登録の作成
DRA Experiment の作成
データファイルの検証処理
アクセッション番号発行
データファイルの転送
BioProject の作成
BioSample の作成
DRA Run の作成

2015年12月16日
BioSample の作成
DRA Run の作成

2015年12月16日
 登録アカウントにログインし、新規 DRA 登録を作成
DRA ファイル受付サーバに対応するディレクトリが作成される

2015年12月16日
BioSample の作成
DRA Run の作成


2015年12月16日
 鍵認証で DRA ファイル受付サーバにアクセスし、
データファイルを新規登録に対応するディレクトリにアップロード
DRA ファイル受付サーバ
秘密鍵公開鍵
DRA 新規登録
シークエンスデータファイル
(fastq, bam etc)
http://trace.ddbj.nig.ac.jp/dra/submission.html#シークエンスデータのアップロード
ファイル名に空白を含めない
サブディレクトリをつくらない
ディスク郵送には対応していますが、登録処理に時間がかかります

2015年12月16日
BioSample の作成
DRA Run の作成



2015年12月16日
メタデータ作成ツールを起動
 DRA 登録リストから登録ページへ移動し、メタデータ作成ツールを起動
ファイルがアップロードされていないとエラーになります

2015年12月16日
DRA 登録管理情報 (Submission) の作成
アカウントの所有者情報がコピーされます
 登録者情報（名前、メールアドレス、所属組織）
 即日公開 or 非公開を選択 (公開予定日を2年以内で指定)

2015年12月16日
 作成済みのプロジェクトを選択 or 新規作成
 選択できる BioProject は１つのみ

2015年12月16日
BioProject 登録管理情報の入力
 登録者情報（名前、メールアドレス、所属組織）
 即日公開 or 非公開を選択 (公開予定日は指定できない)
DRA の登録管理情報がコピーされます

2015年12月16日
BioProject の投稿
 プロジェクト (概要・研究費・
プロジェクトのタイプなど) を入力
 内容を入力して投稿
 新規作成したプロジェクトが選択された状態になります

2015年12月16日
BioSample の作成
DRA Run の作成




2015年12月16日
BioSample の作成
 作成済みのサンプルを選択 or 新規作成
 複数サンプルを指定可能

2015年12月16日
SAMPLE TYPE: サンプルの種類を選択
 サンプルの種類 (Sample type) に応じた属性セット
http://trace.ddbj.nig.ac.jp/biosample/attribute.htmlサンプル属性一覧:
例: ゲノムの場合 num_replicons が必須
 SUBMITTER: 登録者情報（名前、メールアドレス、所属組織）
 GENERAL INFO: 即日公開 or 非公開を選択 (公開予定日は指定できない)

2015年12月16日
ATTRIBUTES: サンプル属性を記載
 Sample type に対応したタブ区切りのテキストファイルをダウンロード
 エクセルなどで１行に１サンプルの情報を入力し、テキストファイルをアップロード
必須属性に対する値がない場合は “missing” などを記入

2015年12月16日
サンプルを投稿
 属性ファイルの内容を確認し投稿
 新規作成したサンプルが選択された状態になります

2015年12月16日
BioSample の作成
DRA Run の作成





2015年12月16日
 デフォルトで選択した BioSample を参照している Experiment が作成される
 サンプルから構築したライブラリー、シークエンサーやリード長について記入
タブ区切りテキストファイルで
まとめて内容を作成することができます
 リード長 (Spot Length): 200 (Forward 100 + Reverse 100)
 インサート長 (Nominal Length): 500

2015年12月16日
BioSample の作成
DRA Run の作成






2015年12月16日
DRA Run の作成
タブ区切りテキストファイルで
まとめて内容を作成することができます
 デフォルトで作成した Experiment と同数の Run が作成される
 Run に含まれるデータファイルを記述
 ペアのファイルは 1 つの Run に含めます

2015年12月16日
DRA メタデータの投稿
 メタデータ作成後 [Submit/Update DRA metadata] をクリックして投稿
オブジェクト相互が過不足なく参照されているかどうかチェックされます

2015年12月16日
BioSample の作成
DRA Run の作成







2015年12月16日
 データファイルの形式とメタデータとの整合性が検証され、
アーカイブ用の SRA ファイルが作成されます
検証処理を開始

2015年12月16日
よくある検証処理エラー
 合計長を記入 (例 Forward 100 + Reverse 100 = 200)
 ファイルが破損している場合は再度ファイルをアップロード
 空白を除去
 サブディレクトリを含めず、ファイルそのものをアップロード
 配列長が一定のペアリードで Experiment.Spot Length にペアの合計
配列長が記入されていない
 メタデータ中の md5 値と転送されたファイルの md5 値が異なる
 アップロードされたデータファイル名に空白が含まれている
 サブディレクトリを含んでいる

2015年12月16日
BioSample の作成
DRA Run の作成








2015年12月16日
アクセッション番号の発行
 BioProject (PRJDB)
 BioSample (SAMD)
 Submission (DRA), Experiment (DRX), Run (DRR)

2015年12月16日
アクセッション番号の引用
論文では実験データに対応する DRR もしくは DRX 番号の引用を
推奨します
Run (DRR) or Experiment (DRX)
DRA Submission (DRA)
BioSample (SAMD)
BioProject (PRJDB)
BioProject アクセッション番号の論文への引用は推奨しません
http://trace.ddbj.nig.ac.jp/bioproject/faq.html#project_accession

データの公開と更新
BioProject・BioSample・DRA

2015年12月16日
データの公開
DRA BioProject, BioSample
A
登録者から公開依頼の連絡を受けた場合
（アカウントにログインし、公開を指定）
登録者から公開依頼の連絡を受けた場合
B 当該アクセッション番号の公表を確認した場合
C 公開予定日が到来した場合
D
DRA Run (DRR) アクセッション番号を引用して
いる DDBJ レコードが公開された場合 (連動公
開)
BioProject, BioSample アクセッション番号
を引用している DDBJ レコード、DRA データが
公開された場合（連動公開）
http://trace.ddbj.nig.ac.jp/dra/submission.html#データ公開

2015年12月16日
BioProject と BioSample の連動公開
 塩基配列データの公開は参照している BioProject/BioSample の公開を引き起こす
 BioProject/BioSample の公開は参照元の塩基配列データの公開を引き起こさない
BioProject/BioSample
公開
DRA/DDBJ 塩基配列データ
公開
BioProject/BioSample
公開
DRA/DDBJ 塩基配列データ
非公開
http://trace.ddbj.nig.ac.jp/bioproject/submission.html#データ公開

2015年12月16日
データの公開
 公開されたデータはミラーされ DDBJ/EBI/NCBI で利用できるようになります
DDBJ DRASearch
NCBI BioProject
NCBI BioSample
NCBI SRA

2015年12月16日
データの更新
 更新内容を BioProject チームに連絡
 関連する論文が公開されたら pubmed ID などの文献情報を連絡
BioProject
BioSample
DRA
 更新内容を BioSample チームに連絡
 Sample name は ID として使用しているため変更不可 (※変更可能になる予定)
 メタデータの内容と公開予定日はアカウントにログインし、自身で変更
 データファイルの追加: 新規登録を作成し、既存のオブジェクトを参照する
Do it yourself
Request by e-mail

2015年12月16日
お問い合わせ先
http://trace.ddbj.nig.ac.jp/contact.html
 登録について問い合わせる場合には D-way アカウント名と
データの ID をお知らせください

2015年11月11日
Biological/technical replicates
 BioSample ではなく SRA Experiment で表現することを推奨
http://trace.ddbj.nig.ac.jp/dra/faq.html#samples-for-sra

2015年12月16日
アンブレラプロジェクトの活用
 アンブレラプロジェクト (非公開にできない) でプロジェクトをまとめる
 大規模プロジェクトからの成果を整理して提示することができる
 初期段階でアンブレラを取得し、関係者に周知することを推奨
DDBJ 側では申告されないとアンブレラとの関係が分からない
http://trace.ddbj.nig.ac.jp/bioproject/submission.html#アンブレラプロジェクトの活用
アンブレラ
プライマリー

2015年11月11日
微生物ゲノム配列の登録
 Strain-level taxonomy ID にかわり BioSample 微生物ゲノムを識別
BioProject BioSample
Strain: 1
Locus tag prefix: AAAA1
BioSample
Strain: 2
BioSample
Strain: 3
BioProject
Strain: 1
Strain-level taxonomy ID: 10
BioProject
Strain: 2
BioProject
Strain: 3
Species-level taxonomy ID: 100
Federhen S et al. Stand Genomic Sci (2014) doi: 10.4056/sigs.4851102
2014年2月以前
2014年2月以降
Genome
Genome
Genome
Bacteria: A
Strain: 1
Bacteria: A
Strain: 2
Bacteria: A
Strain: 3
Genome
Genome
Genome
Bacteria: A
Strain: 1
Bacteria: A
Strain: 2
Bacteria: A
Strain: 3

2015年11月11日
アカウント外の BioProject/BioSample を参照
 アカウントをまたがった参照を希望する場合は DRA チームに連絡
 参照元と先、双方の登録者の承認が必要
 連動公開に注意

2015年11月11日
データファイルの追加
 新しい DRA 登録から既存の BioProject を参照することでデータを追加
http://trace.ddbj.nig.ac.jp/dra/submission.html#データファイルの追加

2015年11月11日
ファイルの破損を md5 値でチェック
 md5 値が一致 : ファイルの破損なし
md5 値が不一致 : ファイルの破損あり
DRA ファイル受付サーバ
md5 値
md5 値
md5 値
md5 値＝
≠
md5 値 : ファイルに固有の32桁の英数字からなるハッシュ値
http://trace.ddbj.nig.ac.jp/dra/submission.html#補足__MD5_値

「次世代シークエンスデータの登録」(理研横浜)

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (18)

Similar to 「次世代シークエンスデータの登録」(理研横浜)

Similar to 「次世代シークエンスデータの登録」(理研横浜) (20)

More from DNA Data Bank of Japan center

More from DNA Data Bank of Japan center (20)

Recently uploaded

Recently uploaded (7)

「次世代シークエンスデータの登録」(理研横浜)