スキップしてメイン コンテンツに移動

!3. オープンアクセス

20080128追記: タイトルをちょっと変更した。ITというかプログラムが書けたりデータ解析ができる人向けという感じで書いたつもりだったのですがITとどっちがオープン化的な捉え方をされた方もいたようなので。タイトルがそうだから誤解させてしまったようです。

[[研究とかをオープンにすること|http://d.hatena.ne.jp/syou6162/20080124/1201106105]]で引用されたの詳細を書いてみた.
<<<
こんなこと考えてたらバイオはオープンな感じだよ、って教えてもらったのを思いだす
* そしたら「オープンアクセス」っていうのを教えてもらった
o Open Access Japan | オープンアクセスジャパン
o 急増する「オープンアクセス」方式の学術誌 | WIRED VISION
>>>

バイオ研究のどのへんがオープン化を紹介しますよ.バイオ研究がオープンな理由を3つに分けて説明します.

ただし,そもそもオープンバイオ研究会などを主催しているだけあってバイアスがあったり,異分野のひとにわかるようにover simplifyしていたり,良い面だけ書いているところがあることも注意してください(倫理面や実験の難しさなどの問題).

バイオ,特にゲノミクスと呼ばれている分野で使われているプログラムは多くがオープンソースです.今はどうかわかりませんが,PerlモジュールのレポジトリCPANでもっとも巨大なモジュールであるBioPerlなどはその例のひとつです.GD.pmやCGI.pmなんかもゲノムデータを表示するために作られたものです.また統計解析パッケージのRの中のひと[[http://gentleman.fhcrc.org/|http://gentleman.fhcrc.org/]]もバイオの人が中心です.

いわゆるヒトゲノム計画の成果であるヒトゲノム配列を公開するサイトである[[Ensembl|http://www.ensembl.org/]]はこのサイトのデータとソースコードがすべて公開されています.ちなみにPerl + JavaScriptが中心ですね.

バイオでは遺伝子などのDNA配列(いわゆるATGC)は基本的に公開しなければ論文を通すことができません.国際塩基配列データベースというところにデータを公開しなければならない義務があります.これは誰もが再利用できます.このようなデータ公開のアクティビティは塩基配列データだけでなく,ある遺伝子が体のどこでどのぐらい存在しているかを調べた発現情報,ヒトゲノムそのものなどがオープンデータになっています.

さらにこれらのデータのデータベースを作ることが研究として認められています.データの標準化なども進んでおり,多くのデータがFTPやWebサイトなどからだけでなく,SOAP, RESTなどwebサービスを介してやりとりすることができます.

お酒を分解する酵素の遺伝子配列をウェブサービスを使ってゲットするには
http://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?db=nucleotide&rettype=xml&retmode=text&id=Adh1
とします.

ヒトゲノムプロジェクトで決定されたY性染色体の全配列を以下のURLから誰でも得ることができます.
ftp://ftp.ncbi.nih.gov/genomes/H_sapiens/CHR_Y/hs_ref_chrX.fa.gz

先に紹介したensemblのMySQLサーバに直接アクセスして提供しているデータベースの一覧を得るには以下のようにすればよいでしょう.
$ echo 'show databases' | mysql -u anonymous -h ensembldb.ensembl.org

バイオを中心に論文そのものを誰もが無料で見れるようにしようという活動があります.膨大なデータや知識を必要とする生物学では他分野の論文を広く読む必要があったりします.論文がオープンでないとなかなかデータの解釈に困ることがありますが,オープンアクセスはそれを解決し科学を促進させる方法のひとつです.オープンアクセスについてはググれば日本語のリソースがたくさんあるのでそちらに解説は譲ります.http://www.openaccessjapan.com/

極端な例では論文をブログのようにTrackbackやコメント(tDiaryでいうところのつっこみ)で評価しようという試みも真面目に取りくんでいます.http://www.plosone.org/

また実験技術や論文などを動画で共有するサービスも始まっています.http://www.jove.com/

もちろん,実際の研究経過や真似されやすい研究は慎重に隠しますよ.それにバイオといっても化学寄りなどクローズドな感じの分野もあります.製薬会社なんかもハンパなくクローズドです.ただ出せるものは積極的に公開していこうという空気がバイオにはあります.ウェブのコンテンツなどは簡単に手にはいるオープンデータですが,バイオもかなり大量の未解析(あるいは解析が足りない)データが公開されているわけです.統計やプログラミングを武器とするひとが参入するには面白い分野ではないでしょうか.

気が向いたらどのような統計やIT技術が期待されているか,どのようにして学ぶのかなどを書くかも.
----
蛇足だが,アニメをみてAR・VR,ロボット研究を始めたっていう聞くけど,エヴァとか綾波レイとかピカチューとかキラヤマト(コーディネーター),攻殻機動隊の少佐(脳科学的な意味で)を作りたいからバイオやります,というという猛者がいてもいいと思う.本当にやったら倫理的にまずいけどね(ジーンダイバーはVR+AR+バイオだったよな,アレ大好き).アマチュア天文学者がいるようにアマチュアのコンピュータ系のバイオロジストがいてもいい.

このブログの人気の投稿

Quartz-Seqで1細胞/微量RNA-Seqを始めたい方へ

はじめに 新しい高精度な1細胞RNA-Seq, Quartz-Seq論文を出してから、各方面から多く相談を受けています。
Sasagawa Y and Nikaido I, et. al. Quartz-Seq: a highly reproducible and sensitive single-cell RNA-Seq reveals non-genetic gene expression heterogeneity. Genome Biology. 14. 2013 
そこで、新しく1細胞RNA-Seqを始める方へ、僕達が理想だと考えている技術導入の手順を紹介したいと思います。また我々の方法は1細胞(6-14 pg Total RNA)だけでなく pg-ng オーダーの少量RNAからシーケンスが可能です。そのような方も以下の手順が参考になると思います。 0. 1細胞/微量RNA-Seqが本当に必要なのか検討する 1細胞/微量RNA-Seqでは、現時点でQuartz-Seqが世界最高の性能を持っている訳ですが、十分なサンプルを用意し、通常のRNA-Seqしたほうが、より精度の高いデータが得られます。なので、基本的には、サンプルをたくさん集める方法をしっかり検討すべきです。まずは、戦略面と技術面で1細胞/微量RNA-Seqが本当に必要かを検討する基準について書きます。 0.1. 戦略面での検討 あなたが抱えているプロジェクトが、1細胞/微量RNA-Seqでなければアプローチできないかどうかを問い直すことが重要です。
基本的には以下の2つの状況で、1細胞/微量RNA-Seqが役に立ちます。
a. 細胞状態が連続的に変化し、さまざまな細胞状態が、細胞集団に含まれている場合 (振動現象、ゆらぎなど) b. 細胞状態を特定するマーカーがほどんどわかっていない場合
最初から細胞状態が2状態しかないことが明らかで、しかも細胞状態を代表する遺伝子が分かっている、という状況では、FACSなどで cell sorting し、目的の細胞を採取することを考えるべきです。そして、微量RNA-Seqや通常のRNA-Seqで、しっかりと biological replication を取る方が良いでしょう。微量になると、テクニカルなノイズが増えるために、生物学的な差を知るためには、n を…

シーケンスアダプタ配列除去ツールまとめ

FASTQ/A file からシーケンスアダプター配列やプライマー配列を除くためのプログラムをまとめてみる。

まず、配列の除去には大別して2つの方向性がある。ひとつは、アダプター配列を含む「リード」を除いてしまう方法。もうひとつは除きたい配列をリードからトリムする方法である。後者のほうが有効リードが増えるメリットが、綺麗に除ききれない場合は、ゲノムへのマップ率が下がる。
気をつける点としては、アダプター/プライマーの reverse complement を検索するかどうか。paired end の際には大事になる。クオリティでトリムできるものや、Paired-end を考慮するものなどもある。アダプター/プライマー配列の文字列を引数として直接入力するものと、multi fasta 形式で指定できるももある。

From Evernote: シーケンスアダプタ配列除去ツールまとめTagDust
http://genome.gsc.riken.jp/osc/english/software/src/nexalign-1.3.5.tgz http://bioinformatics.oxfordjournals.org/content/25/21/2839.full
インストール: curl -O http://genome.gsc.riken.jp/osc/english/software/src/tagdust.tgztar zxvf tagdust.tgz cd tagdust/ make sudo make install rehash
使いかた: tagdust adapter.fasta input.fastq -fdr 0.05 -o output.clean.fastq -a output.artifactual.fastq
解説: 入出力形式は fastq/a が使える。リード全体を除く。速い。アダプター配列を fasta 形式で入力できるのが地味に便利で、これに対応しているものがなかなかない。Muth–Manber algorithm (Approximate multiple string search) を利用。FDRを指定できる。GPL3