bioinformatics

概要 昔、身内数名でのハンズオンセミナー用にDocker+JupyterHubで環境構築をした話です。コードはここです↓ github.com

こんにちは。 本日はバイオインフォマティクス の中でもメジャーなRNA-seqデータの発現比較解析において、ちょっとユニークな解析手法をご紹介します。 EBSeqはRNA-seqデータの遺伝子またはアイソフォームの発現比較解析のためのRパッケージです。 経験ベイズモデルを利用して発現変動遺伝子（DEG）を検出します。３群以上の多群比較におけるDEGの検出にも使用できます。 ベイズモデルを利用しているため、 とくに多群比較でどの群間に差があるのかを1回の計算で判定できるのが長所 サンプル数が大きいとDESeqなどよりDEGの精度が良いという報告もある 一方、p-valueといったお馴染みの値が出…

Fukuです。こんにちは。 NGS解析 で浮かんだ疑問を解決するコマンドを紹介します。 今日の目的 Whole Genome Sequenceや Whole Exome Sequenceにおいて NGSシーケンサのアラインメントファイル（BAM, SAM）から、「Depthが10以上のゲノム領域」を示す領域ファイル（BED）を作成します。 BAM ↓ chr1 65838 65942 chr1 65948 65963 chr1 69470 69602 ... これを例えば、「Depthが10未満の領域は下流解析から除く」という目的に利用できます。（この目的なら、ほかの方法もありますが） 方法 …

※2021年6月16日 一部修正 VCF形式 詳しい説明は省略。GATK公式による解説がおそらく一番分かりやすい。 VCFファイルを整形したり、ほしい多型情報を抽出するツールとしてはbcftoolsとVCFtoolsが定番となっている。個人的にはbcftoolの方が、 biocondaで配布している bamファイルからの多型抽出コマンドも備えていて、多型抽出からフィルタリングをシームレスに行える という点で扱いやすいと感じた。 bcftoolsのインストール方法 anaconda環境があればbiocondaからインストールできる。 conda install -c bioconda bcfto…

巷ではやり始めている遺伝子検査キット。このサービスの大半は唾液を送って解析しますよね。唾液からDNAが取れるのはなぜかというと、白血球が大量に含まれているためだそうです（下記参照）。 遺伝子検査の試料として、なぜ唾液が使えるのか。一般的な試料として血液や、口腔の粘膜、髪の毛などが挙げられますが、試料の条件として体を大きく傷つけることなく、遺伝情報を担うDNAを豊富に含む細胞を採取できるところがポイントになります。 核を持つ白血球を豊富に含む血液は検査の精度を考えると好ましいのですが、注射などで血液を取り出す必要があるため、大量に手軽に採取できません。 この血液と同じくらい検査に向いていると考え…

Rosalindの紹介はこちらから。 www.kimoton.com 本日は自然界でも見られる数列、フィボナッチ数列についての実装を見ていきます。 rosalind.info 生物学的知識のおさらい 参考：相補性 (分子生物学) - Wikipedia 中世で最も才能があったと評価されるイタリアの数学者、レオナルド＝フィボナッチは、ウサギの個体群の繁殖に関する問題を考案しました。 個体数は最初の月に生まれたばかりのウサギのペアが存在する時点からカウントする。 ウサギは1ヶ月後に生殖年齢に達するとする。 生殖年齢のすべてのウサギは、生殖年齢の別のウサギと交尾する。 2匹のウサギが交尾してからちょ…

Rosalindの紹介はこちらから。 本日は基礎中の基礎、DNA塩基数を数えるコードを書いていきたいと思います。 rosalind.info 生物学的知識のおさらい 参考：クロマチン - Wikipedia すべての生物を構成する細胞は、生命の構成要素であると考えられています。 我々真核細胞の構成要素である核は、光学顕微鏡で見るとクロマチンと呼ばれる高分子から構成されていることが分かります。 このクロマチンのほとんどは、有糸分裂（真核細胞の分裂）の間、染色体と呼ばれる長くて細い紐に凝縮します。 クロマチンに含まれる高分子の1つは核酸と呼ばれます。核酸を構成する分子はヌクレオチドと呼ばれ、この分…

Extrachromosomal circular DNAs（eccDNA）は、染色体から物理的に分離したリング状のDNA構造で、100bpから数メガバイトの大きさである。eccDNAは、タンデムに繰り返されるDNAの他に、遺伝子のコピーや最近活性化したトランスポゾームエレメントを持つことがある。eccDNAはこれまで研究されてきたすべての真核生物に存在し、ストレス、癌、老化に関与していると考えられるため、最近の研究の主要なターゲットとなっているが、計算機の不足によりその研究は限定的である。 本発表では、次世代シーケンサーを用いて、あらゆる種類の生物・組織のeccDNAを検出するバイオインフォ…

Model: GPT-4 環境DNA（eDNA）とは、生物が生息する場所から採取される水や土などに含まれるDNAの断片のことです。環境中に存在する生物のDNAを分析することで、その生息域に存在する生物の種類や個体数を特定することができます。これにより、従来の手法よりも効率的かつ低コストで生物相を調査できるようになりました。特に水生環境においては、海や川、湖などから環境DNAを採取し分析することで、水生生物の分布や生態系の状態を詳しく調べることが可能です。 環境DNA研究の現状については、以下のような進展があります。 分析技術の向上: 環境DNA研究は、次世代シーケンシング技術の発展によって、よ…

ファージゲノムアノテーションは、ファージ治療の設計に重要な役割を果たす。これまで、ファージのゲノムアノテーションツールは様々なものがあったが、その多くは単機能のアノテーションに特化したもので、操作プロセスも複雑だった。そのため、ファージゲノムアノテーションのための包括的でユーザーフレンドリーなプラットフォームが求められている。ここでは、ファージゲノムのアノテーションと解析のためのオンライン統合プラットフォームであるPhaGAAを提案する。PhaGAAは、複数のアノテーションツールを組み込むことにより、プロファージゲノムをDNAレベルおよびタンパク質レベルでアノテーションし、解析結果を提供するよ…

2023/03/12 誤字修正 ロングリードを使ったゲノムプロジェクトが爆発的に増えており、現在ではほとんどのゲノム解読プロジェクトでロングリードのシークエンスが主要に使用されています。ロングリードのゲノムプロジェクト増加に伴って、想定しない汚染生物のリードが含まれるシークエンシングデータに出会う頻度も高まっている可能性があります。汚染が見つかってしまった時は、ひどい時はサンプル調整からやり直すか、もしくは宿主と汚染生物（共生菌含む）のロングリードを分離する方法が求められます。バイオインフォマティクスのジャーナルでは、既にシークエンシングされたデータからの除染法を提案している研究がいくつか報告…

ゲノムのハイスループットシーケンスの急速な発展により、豊富なエピジェネティクスマーカーを持つDNA制御要素が多数同定され、機能性ゲノム領域データの急速な蓄積が促進されている。ヒトの機能性ゲノム領域の網羅的な理解と研究は、現在でも比較的急務の課題である。しかし、既存の解析ツールは、これらの領域に対する広範なアノテーションやエンリッチメント解析能力を欠いている。そこで著者らは、ゲノム領域のアノテーションとエンリッチメント解析が可能なソフトウェア「Genomic Region sets Enrichment Analysis Platform (GREAP)」を開発した。現在、GREAPは、スーパー…

パスウェイアノテーションは、生命科学における実験データを解釈し、意味を与えるための重要なツールである。このタスクのために数多くのツールが存在するが、最新世代のパスウェイエンリッチメント解析ツールであるネットワークベース法は、単に遺伝子の内容だけでなく、解析の基礎となるより豊富な情報源を得るために生物学的ネットワークを利用するものである。ネットワークベースの手法は、クエリー遺伝子セットと既知のパスウェイの遺伝子との間のネットワーククロストークを使用し、これをランダムな期待値のヌルモデルと比較する。 著者らは、最近発表されたANUBIXアルゴリズムに基づいて、ネットワークベースのパスウェイ解析のた…

" Pathogenic mechanisms underlying idiopathic pulmonary fibrosis BJ Moss, SW Ryter, IO Rosas - Annual Review of Pathology …, 2022 - annualreviews.org … The pathogenesis of idiopathic pulmonary fibrosis (IPF) … Recent single-cell RNA sequencing studies of IPF lungs support … Here, we review the patho…

2023/02/24 誤字修正 nf-core/rnaseqはnextflow DSL2を使って構築されているRNAシーケンスデータを解析するためのパイプライン。2023年2月現在、nf-coreのベストプラクティスに従ったパイプラインは76個公開されている。このnf-coreの中で最もレポジトリのスター数（お気に入り登録）が多いのがこのnf-core/rnaseqパイプラインとなる。これまでのクローン数は7万を超えており、多くの人が利用している。開発に貢献したコントリビューターの人数は60人を超えており、統計を見ると、2018年のv1.0のリリース以来、比較的コンスタントに開発が続いているこ…

一般にイントロンは一次転写産物から取り除かれ、成熟RNA分子を形成するために、スプライシングと呼ばれる転写後プロセスが行われる。一次転写産物の効率的なスプライシングは、遺伝子発現に不可欠なステップであり、その制御ミスは多くのヒト疾患に関連している。したがって、このプロセスのダイナミクスと、転写産物の異常処理によって引き起こされる可能性のある障害をより良く理解するためには、スプライシング効率を定量化することが重要である。SPLICE-qは、ゲノム全体のスプライシング効率を定量化するための高速で使いやすいPythonツールである。このツールは、転写産物の処理ダイナミクスにおけるスプライシング効率の…

ほとんどのバイオインフォマティクス分析における最も基本的な計算ステップの1つは、2つのゲノム配列間の相違点/類似点の検出である。Edit distanceとペアワイズアラインメントは、このステップを実現するための2つのアプローチで、近似文字列マッチングとして定式化されている（Navarro、2001）。Edit distance approachは、2つのシーケンスがどれほど異なるかを示す尺度である。シーケンスを他のシーケンスに変換するのに必要な編集の最小数を計算する。編集距離が長いほど、シーケンスは互いに異なる。一般的に許可されている編集操作には、一方または両方のシーケンス内の文字の欠失、挿…

COVID-19のパンデミックでも示されたように、日々増加する複数のウイルス株のシーケンスデータから効率的にバリアントをコールできることは、世界中に広がるウイルス株を追跡するために最も重要なことである。 SARS-CoV-2のようなウイルス集団の解析に必要な複数の作業を支援する、インストールが簡単で使いやすいアプリケーション、MALVIRUSを紹介する。(1) 集団配列から変異（SNP/indel）カタログを作成し、(2) 読み取ったサンプルに対応するカタログの変異を効率的にジェノタイピングし、アノテーションを行うことができる。イルミナとナノポアのサンプルを用いたテストにより、SARS-CoV…

Gihtubより Bandage-NGは、SPAdesやMEGAHITなどのde novoアセンブラが作成するアセンブリグラフを操作するためのGUIプログラムである。 重要: オリジナルのBandageレポのフォークである。新しい機能やバグが含まれている可能性があり、Ryan WickによるBandageと互換性がない可能性がある。 Documentation Home · asl/BandageNG Wiki · GitHub Bandage-NG 2022.07 is out. Lots of new features including new path query UI, suppor…