ddbj センターにおける一次データベースの展開

DDBJ センターにおける一次データベースの展開

児玉悠一Kodama Yuichi, Ph.D

DDBJ センター、アノテータDDBJ center, annotator

現状↓課題↓対応

現状

2016年12月1日

DDBJ センターが運営するデータベース

INSDC: 非アクセス制限データベース

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

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

BioProjectBioSample

第39回日本分子生物学会年会 2F3 フォーラム 3

DDBJ (Traditional)

2016年12月1日

アノテーション付き塩基配列: Traditional

第39回日本分子生物学会年会 2F3 フォーラム

2,200億塩基 + WGS: 1.7兆塩基, 37.5万生物種

http://www.ddbj.nig.ac.jp/breakdown_stats/dbgrowth-e.html

4

2016年12月1日

次世代シークエンスデータ: DRA


2016年12月1日

データ量の増大: DRA

3.5 ペタバイト (4,000兆塩基)

年率1.3倍 (ストレージ技術革新1.4倍)


http://trace.ddbj.nig.ac.jp/stat_e.html

6

2016年12月1日

アクセス制限ヒトデータ: JGA


アクセス制限が必要なヒトデータのためのデータベースシステムの運用

NBDC ヒトデータ共有ガイドラインに従い、データの登録と利用を委員会で審査

2016年12月1日

JGA データモデル

EBI EGA と同様の SRA をベースにしたデータモデル


Data setJGAD

PolicyJGAP

Data set 1

Policy 1

Study

Data 1

Analysis 1

Experiment 1

Sample 1

Submission JGA

StudyJGAS

ExperimentJGAX

SampleJGAN

DataJGAR

AnalysisJGAZ

Data 2

Experiment 2

Sample 2

Analysis 2

アクセッション番号プレフィックス

8

2016年12月1日

JGA サンプル数とデータ量

8,139 Samples, 37 テラバイト (非公開含む)


課題

運用上の課題

2016年12月1日

DDBJ センター陣容


アノテータ開発チームエンジニア

教員: 6 (センター長 1, 教授 3, 准教授・システム管理部門長 1, 助教 1)

アノテータ: 14 (Ph.D 8)

広報: 3

運用チーム: 9

スパコンチーム: 6

秘書: 2

計: 40

センター長

データベース部門

構築チーム情報チーム

システム管理部門

運用チームスパコンチーム

12

14 3 9 6

2016年12月1日

課題１: 人手不足




広報: 3

運用チーム: 9


秘書: 2

計: 40

ウェブ登録: 5

Mass Submission System: 2

更新: 3

特許: 1

BioProject/BioSample/DRA/JGA: 3

Traditional

GenBank: 16

dbGaP: 8

13

2016年12月1日

課題２:予算不足


SRA ファイルサイズ

(TB)

運用データベース数

予算

Trace Archive

SRA

BioProject

JGA

BioSample

14

2016年12月1日

課題３:ラインナップ不足


Annotatedsequences

Capillaryreads

NGS reads Study Sample AssemblyFunctional genomics

VariationGenotype

and phenotype

NCBI GenBank Trace ArchiveSequence Read Archive

BioProject BioSample Assembly GEO dbSNP/dbVar dbGaP

EBI European Nucleotide Archive (ENA) ArrayExpress EVA/DGVa EGA

DDBJ DDBJ Trace ArchiveSequence Read Archive

BioProject BioSampleAssembly準備中

DOR JGA

INSDC データ交換データ交換計画中

NGS 生データと定量データが有機的に連携しない (SRA ⇔ GEO)

個人ゲノムデータと多型データが連携しない (dbGaP ⇔ dbSNP)

15

政策的な課題

2016年12月1日

ヒトデータ共有: 圧倒的な物量差


dbGaP

JGA

EGA

• Subjects: 1,099,979

• 5,000兆塩基

• Data access requests: 24,718

• 3.4 PB 制限公開

• 8,000 download accounts

• 年間 3.2 PB のダウンロード

• 37 TB をアーカイブ• ExAC• gnomAD

17

2016年12月1日

ヒトデータ共有: 政策が大事


dbGaP

JGA

EGA

NIH GDS Policy (2015)

• Human Data の非公開期間は半年まで

• Trusted Partner 認定したクラウド

での dbGaP データ利用を解禁

• EGA インフラのローカル構築

をサポート

• 統合認証基盤

NBDC ヒトデータ共有ガイドライン

• 改正個人情報保護法 (2017.4)• 第五期科学技術基本計画 (2016.4-) オープンサイエンスの推進

18

対応どうする？

2016年12月1日

自動化１: Validator 開発中


BioProject/BioSample/DRA validator のチェック結果を登録者に提示

20

2016年12月1日

自動化２: GenBank PGAP


GenBank 原核生物ゲノム登録者の多くが PGAP による自動アノテーションを選択

DDBJ Traditional DB, まずは登録者とのやり取りをメールからアカウント経由に

切り替えることから

http://nar.oxfordjournals.org/content/early/2016/06/24/nar.gkw569/F3.expansion.html

21

2016年12月1日

登録窓口の集約:先進ゲノム (旧ゲノム支援)


https://www.genome-sci.jp/old2010-2015/about/about_index.html

シークエンス拠点に登録窓口を集約

大型プロジェクトは計画作成時にデータ登録の組み込みを！

2016年12月1日

データの圧縮: SRA


Quality value はファイルの７割程度を占めているが, 余り使われていない

→ INSDC は研究者コミュニティとの議論を開始

塩基配列はリファレンスとの差分のみを保存 (CRAM, cSRA)

23

http://www.uppmax.uu.se/support/user-guides/using-cram-to-compress-bam-files

2016年12月1日

Annotatedsequences

Capillaryreads

NGS reads Study Sample AssemblyFunctional genomics

VariationGenotype

and phenotype

NCBI GenBank Trace ArchiveSequence Read Archive

BioProject BioSample Assembly GEO dbSNP/dbVar dbGaP

EBI European Nucleotide Archive (ENA) ArrayExpress EVA/DGVa EGA

DDBJ DDBJ Trace ArchiveSequence Read Archive

BioProject BioSampleAssembly準備中

DOR JGA

INSDC データ交換データ交換計画中

サービスの拡充: DDBJ Omics Archive


https://twitter.com/ArrayExpressEBI/status/733302530080440320

DBCLS 坊農さんの協力により ArrayExpress データ (> 50 TB) のミラー ftp サイト提供開始！

https://twitter.com/ArrayExpressEBI/status/803205740529909760

2016年12月1日

We need more collaboration!


大量遺伝情報研究室

ゲノム進化研究室

2016年12月1日



広報: 3

運用チーム: 9


秘書: 2

計: 40

自前開発を増やす


アノテータ開発チームエンジニア

RDF, Ruby

謝辞

予算文部科学省ゲノム支援NBDC

DDBJ センタースタッフ高木利久有田正規中村保一大久保公策小笠原理神沼英里奥田喜弘

秘書槇美香村形直子

構築チーム真島淳小菅武英時松敏明筒井波留江嶋真由美大城戸利久李慶範坂井勝呂杉田里江三村公子青野英雄児玉悠一福田亜沙美向田志保

情報チーム小平順子鈴木紀美子横山会美

運用チーム渡邊康司藤本昌宏土橋雪乃真嶋久子松森藤高佐藤誠椎田愛美加藤健児深澤智幸

スパコンチーム川越千晴石川直史安田智彦芦澤佑治平井朝裕渡辺知佳

DBCLS小原雄治坊農秀雅仲里猛留内藤雄樹小野浩雅大田達郎山本泰智片山俊明川島秀一

先進ゲノム小原雄治黒川顕

NCBI/NLM/NIHEBI/EMBL

過去の在籍者の皆様

登録者・利用者の皆様

大量遺伝情報研究室中村保一神沼英里藤澤貴智谷澤靖洋望月孝子

データベース運用開発研究室菅原秀明

NBDC高木利久星潤一堀尾徹松平洋一舘澤博子河野信箕輪真理川嶋実苗三橋信孝宮崎和典

DDBJ と遺伝研スーパーコンピュータシステムの活動は皆様の謝辞で評価されています。DDBJ のデータベースや検索・解析ツール, 遺伝研スーパーコンピュータシステムの資源を利用して得られた成果を発表される際には, 謝辞の記載をお願いいたします。

http://www.ddbj.nig.ac.jp/ddbjingtop-j.html

ddbj センターにおける一次データベースの展開

Education