次世代シークエンシング:
データベースの見方、ダウンロード方法

このページの最終更新日: 2024/09/30

概要: NCBI の NGS データベース

NCBI にある次世代シーケンス (NGS) のデータは、少なくとも以下のように分類されている。いずれも PubMed から検索することができる。

Sequence Read Archive (SRA) には、アセンブル前のリードが登録されている。このページでは、主に SRA データベースの使い方を解説している。
アセンブルされた配列が欲しい場合には、Assembly というデータベースがある。ここから assemble 済みの配列をダウンロードしたり、それに対して BLAST したりできる。

2015 年のこのブログ (1) の記述から少しアップデートされているように思う。

「日本人のデータを探す」という実例を見てみるのがわかりやすいだろう。DDBJ のわかりやすい解説ページも役に立つ。

Study	論文情報など。All experiments, All runs などという項目へのリンクもあり、メタデータ的な性格をもつ項目。
Sample	サンプル情報。単一の生物の場合や、メタゲノムの場合などいろいろ。
Library	シーケンサーの種類、genome または transcriptome の別、ライブラリー構築のプロトコールなど。
Experiment attributes	GEO Accession 番号が載っている。
Runs	それぞれの Run ごとに固有のページがあり、そこへのリンクと簡単なサマリーが載っている。

実例として、日本人の NGC データを探す方法を書いておく。

PubMed のドロップダウンメニューを SRA にし、Japanese というキーワードで検索。9,500 件ほどのデータがヒットする (2018 年 2 月時点)。
ページ右側に Top Organisms という項目がある。これを見ると腸内細菌叢のデータも混じっていることがわかるので、Homo sapiens をクリック。これでヒトの配列のみになる。
Illumina Genome Analyzer など、様々なデータが一覧で表示されるはずである。塩基数、データサイズ、Accession などの情報は、この一覧ページでも見ることができる。

Whole genome resequencing of Masaru Tomita というデータに興味をひかれる。情報科学分野から生命科学に転向したメタボローム分野のパイオニア。実名でゲノム配列を登録するなど、さすがにやることが違う。

データの一つをクリックすると、詳細な画面に移動できる。「日本人のデータ」ということを確認したい場合は、Runs の番号をクリックする。各データに 1 つの Accession 番号があり、その中に複数の Run データが番号つきで格納されているという構造になっているようだ。

このように、1 つのデータに 1 Run しか含まれていない場合は、データのサンプル提供者 = Run のサンプル提供者ということになる。以下の 5 をするかわりに、この画面から直接 Sample をクリックしても良い。

Run の番号をクリックしたページに、Biosample という項目があり、ここにサンプル提供者の情報が載っている。リンクをクリックして、サンプル提供者のページへ。
下のように、biomaterial provider が日本人であることを確認できる。細胞の種類などもここに書かれている。

NGS データのダウンロードには、コマンドラインの知識が必要となる。

Mac の Terminal、Linux の Terminal、または Windows の Command Prompt を使うことになる。

どの OS の場合も、ダウンロードに使うのは SRA toolkit の fastq-dump という関数である。ここでは、簡単に Mac または Linux で実行するコマンドだけを書いておく。インストール方法、オプションなどの詳細は fastq-dump のページを参照のこと。

データの番号を使って、以下のように実行する。

fastq-dump --split-files DRR048384

これで、上記の日本人データ DRR048384 がダウンロードされる。私の場合はホームフォルダにダウンロードされた。処理が終わると、ターミナルに再びコマンドを入力できる状態になる。

ダウンロードした fastq ファイルは、アダプターの除去、低品質な配列の除去などのクリーンアップは終了していることが多い。詳細については fastq ファイルのクリーンアップを参照のこと。

ページ分割のため本文中に引用されていないものがありますが、番号と本文は対応しています。

サーバー移転のため、コメント欄は一時閉鎖中です。サイドバーから「管理人への質問」へどうぞ。