Answers to: 次世代シーケンサのオープンなデータ

Answer by DDBJ

DDBJ — Tue, 25 Jan 2011 12:05:37 +0900

DDBJ DRA　でもキーワード検索が行えるようになりましたので、お知らせします。

　・http://trace.ddbj.nig.ac.jp/DRASearch/

"ChIP-Seq" での検索結果は以下の通りです。
　http://trace.ddbj.nig.ac.jp/DRASearch/search?query_keyword=ChIP-Seq

Answer by yag_ays

yag_ays — Tue, 28 Dec 2010 16:30:10 +0900

CLC Bioが"Next Generation Sequencing example data"として，次世代シーケンサで読まれたデータを幾つか公開しています．本来はCLC Genomics Workbench用のテストデータですが，Raw dataなど幾つか使える物がありそうです．

http://www.clcbio.com/index.php?id=1290

Raw dataではRoche/454，Illumina/Solexa，AB/SOLiDと主要なシーケンサからのデータが揃っているほか，RNA-Seqのデータ（CLC Genomics Workbenchで読み込む形式のみ）も公開されています．

公開ライセンスはちょっとわかりませんが，個人的にNGS解析の練習などに使う分には問題ないかと思います．自分で触ったことがないので期待にそえるデータかどうか分かりませんが，こんなデータもあるということで質問に回答してみました．

Answer by mn3

mn3 — Mon, 27 Dec 2010 13:56:44 +0900

SRAのデータアクセスをRでおこなうBioconductorパッケージ SRAdbというものがあります。

これは、SRAのメタデータを格納したSQLiteのファイルをNCIの方が公開していて、それを操作する形になっています。詳しくはマニュアルのPDF書類をご覧ください。

簡単な操作とコードを例示します：

メタデータのダウンロードと準備、テーブル操作

library(SRAdb)
sqlfile <- getSRAdbFile() #メタデータをダウンロード
sra_con <- dbConnect(SQLite(), sqlfile)
sra_tables <- dbListTables(sra_con) # テーブル名のリストを取得
dbListFields(sra_con, "study") # "study" テーブルのフィールド名の取得
sqliteQuickSQL(sra_con, "PRAGMA TABLE_INFO(study)") # "study" テーブルの情報を一覧

SQLの実行："study" テーブルから三つのレコードを表示

rs <- dbGetQuery(sra_con, "select * from study limit 3")

変換：experimentやrunアクセッションの変換

conversion <- sraConvert(c("SRP001007", "SRP000931"), sra_con = sra_con)

全文検索："run" と "study" テーブルについて文字列 "breast" と "cancer" の含まれるエントリの検索

rs <- getSRA(search_terms = "breast cancer", 
             out_types = c("run", "study"), sra_con = sra_con)

全文検索："submission" が "GEO" のエントリの検索

rs <- getSRA(search_terms = "submission_center: GEO", 
             out_types = c("submission"), sra_con = sra_con)

全文検索："study" に Carcinoから始まるワードが含まれるエントリの検索

rs <- getSRA(search_terms = "Carcino*", 
             out_types = c("study"), sra_con = sra_con)

fastq：SRR000648とsRR000657のFastqファイルの取得

getFastq(in_acc = c("SRR000648", "SRR000657"),
         sra_con = sra_con, destdir = getwd())

IGVでのシーケンスの可視化：hg18 の chr1:1-1000 として表示

exampleBams = file.path(system.file("extdata", package = "SRAdb"), 
                        dir(system.file("extdata", package = "SRAdb"),
                        pattern = "bam$"))
sock <- IGVsocket() 
IGVgenome(sock, "hg18") 
IGVload(sock, exampleBams) 
IGVgoto(sock, "chr1:1-1000") 
IGVsnapshot(sock)

SRAエントリの可視化："colon canver"を含むエントリ

acc <- getSRA(search_terms = "colon cancer", 
              out_types = c("sra"), sra_con = sra_con, acc_only = TRUE)
g <- entityGraph(acc) 
attrs <- getDefaultAttrs(list(node = list(fillcolor = "lightblue",
                                          shape = "ellipse"))) 
plot(g, attrs = attrs)

Answer by mn3

mn3 — Tue, 14 Dec 2010 15:44:53 +0900

NCBI, EBI, DDBJ でのキーワード検索のリンクを調べてみました。"ChIP-Seq" で検索してみます。

NCBI SRA

http://www.ncbi.nlm.nih.gov/sra/?term=ChIP-Seq

EBI SRA

http://www.ebi.ac.uk/ebisearch/bsearch.ebi?db=sra&t=ChIP-Seq

DDBJ DRA

http://trace.ddbj.nig.ac.jp/DRASearch/ 検索は、OrganismとCenterName、StudyType、Platform のみで任意のキーワード検索は提供していない。
2011-01-25 追記：キーワード検索ができたとのこと：http://qa.lifesciencedb.jp/questions/179/次世代シーケンサのオープンなデータ?page=1#289

Answer by thecla

thecla — Tue, 14 Dec 2010 14:13:12 +0900

ご所望のデータは、NCBI、EBI、DDBJでSequence Read Archive (SRA) としてアーカイブされています。

手前味噌ですが、SRAのデータを整理して、SRAs (survey of read archives)というサイトをつくりました。目的別、機器別、生物種別などからデータを検索できるようにしています。 http://sra.dbcls.jp/

本家のDDBJでもデータの検索ができますし、何より日本語でドキュメントがあったりするのでそちらも参照されるとよいと思います。 http://trace.ddbj.nig.ac.jp/dra/index.shtml

Answer by Tanakky

Tanakky — Tue, 14 Dec 2010 14:09:08 +0900

私はよくNCBIのSequence Read Archive（以下SRA）を使います。 NCBIのトップページの上のボックスから"SRA"を選択して、RNA-SeqとかChIP-Seqとかのキーワードを入力するとたくさんヒットすると思います。また多くの研究者は興味を持った論文からそのデータを取得することが多いとは思いますが、通常論文にはSRAのＩＤは書かれていないことが多いです（親切な著者は書いていますが・・・）。たぶんGene Expression Omnibus(GEO)のIDが書かれていることが多いでしょう。この場合は同様にトップページのボックスから"GEO DataSet"を選び、GEO IDで検索をするとヒットします。GEOに登録されている次世代シーケンサデータはマッピング後のデータ(BEDファイルなど) ですが、下の方にSRAのリンクが張ってあるので、それをたどって生データを取得できます。また生データも年々容量が増加傾向にあり、ダウンロードに時間がかかります。（Asperaというソフトをインストールする必要があります）