[All-in-one2015] データベース統合化の取り組みとNBDCで提供するサービス
?
0 likes?598 views
初めての All-in-one 合同講習会?生命科学DB?ツールの使い方～ 講師：箕輪 真理（NBDC客員研究員/DBCLS特任准教授） 日時：2015年7月18日 場所：大阪大学中之島センター
[All-in-one2015] データベース統合化の取り組みとNBDCで提供するサービス
- 1. 初めての All-in-one 合同講習会 （2015年7月18日） データベース統合化の取り組みと NBDCで提供するサービス 大学共同利用機関法人 情報?システム研究機構（ROIS） ライフサイエンス統合データベースセンター（DBCLS） 国立研究開発法人 科学技術振興機構（JST） バイオサイエンスデータベースセンター（NBDC） 箕輪真理 ?2015 箕輪真理 Licensed Under CC 表示2.1日本
- 2. 2 目次 I. データ駆動型科学とデータ共有をめぐる国内 外の状況 II. JST/NBDCとその取り組みについて III.主なサービス(カタログ、一括検索、データの 一括ダウンロード)の紹介 IV. ヒトに関するデータ関連のサービス V. その他のサービス例 VI. おわりに
- 5. 5 情報の爆発と多様化 ? データ爆発 –超高性能ゲノム配列決定装置 –コンピュターの性能の伸び（ムーアの法則）を凌駕 –数万を超えるゲノムプロジェクト進行中 –画像、動画データなどゲノム配列以外も急増 ? 知識爆発 –論文数 ２,０００万件 –オープンアクセスの拡大 ? データベース爆発 –世界 １万 –日本 １千 –解析ツール ２千 –内容も非常に多様化 ライフサイエンスは peta(1015） のオーダーの時代に突入
- 7. 7 海外でのOAの動き
- 8. 8 NIH Genomic Data Sharing (GDS) Policy 2014年8月 ? large-scale human or non-human genomic data ? genome-wide association studies (GWAS), single nucleotide polymorphisms (SNP) arrays, genome sequence, transcriptomic, epigenomic, gene expression data
- 10. 10 ? データベースを指向した種々の大規模プロジェクト –多額の研究費がデータに化けている ? 仮説駆動型からデータ駆動型（データ中心科学）へ –法人化、バイドール法 → データの囲い込み ? データや知識の分断、断片化 ? イノベーションには共有?統合化必要 –ブラウズ（検索）や一部のデータ公開では不十分 –データ生産者以外の不特定多数のイノベーターの存在 –再利用、 転用、マッシュアップが自由にできることが不可欠 ライフ分野におけるデータの共有?統合の重要性
- 11. 11 ? DBが散在していて所在情報や利用法が分からない –我が国で1,000、世界で10,000ものDB –似たようなものがいくつもありどれを使ってよいか分からない ? DBやDBのエントリに信頼性の高い注釈がついていない –DB構築、維持を行える人材不足、DB構築への評価の低さ ? 大型プロジェクトの成果公開、共有が不十分 –我が国のライフ関係予算は年間３,０００億円以上 –公開されているものもプロジェクトが終了すると更新ストップ ? ばらばらに構築?管理されていて検索?解析?応用が困難 –現在の統合化は分子レベルで行われていて医療などへの応用困難 –日本語化されていないので研究動向や分野の状況の把握困難 ?我が国にはDB戦略、中核センターがない ? 上記の問題を解決して、データの共有を促進し、価値を最大 化するための統合データベースプロジェクトが発足 我が国におけるライフサイエンスDBの問題点
- 15. 15 世界との連携＆国内の連携
- 16. 16 目次 I. データ駆動型科学とデータ共有をめぐる国内 外の状況 II. JST/NBDCとその取り組みについて III.主なサービス(カタログ、一括検索、データの 一括ダウンロード)の紹介 IV. ヒトに関するデータ関連のサービス V. その他のサービス例 VI. おわりに
- 20. 20 1. どんなDBがどこ(URLは？)にあるのか？ 欲しいデータは既に誰かが作成、 公開しているということも 2. 複数のDB内を横断的に検索できないか？ DBごとに訪れて検索するのは手間 文献や特許など異なるDBを一括検索できれば 3. データセットを取得できないか？ インタフェースに囚われずに?由に使いたい 手持ちのデータと組み合わせてみたい 生命科学分野のDBに対する要望 DBのカタログ DBの一括検索 データの一括 ダウンロード NBDCのサービス
- 21. 21 ? どのようなデータが入っているのか？ 多種多様なデータ データ項目の説明がばらばらor無 ? 求められるデータが入っているか？ 使いたいデータが見つからない ? どのように使って良いのか？ 利用に際しての条件がばらばらだし、 そもそもどこに書いてあるのか？ 使用料とか？ 論文に引用してもいいのか？ 商用可能か？ データを使って新しくDBを 作成したら公開してもいいのか？ データを利用する際の問題点 3216549 87??? ??? ATGTGGC CT??? 契 約 書 データフォーマットの標準化 データの説明(メタデータ)の標準化 利用条件の標準化and明示 ?データ作成者の著作権表示 ?商用?非商用 ?公開条件 ?引用方法 データを集めるための仕組み ?公的な研究には寄託を義務付け
- 24. 24 公募要領にデータ提供協力依頼記載 ? 文科省ライフ課委託プロジェクト(H20?） ? JST戦略事業（CREST、さきがけ）(H23?） ? 厚労科研費(H24?） ? 文科省科研費(H25?）
- 25. 25 目次 I. データ駆動型科学とデータ共有をめぐる国内 外の状況 II. JST/NBDCとその取り組みについて III.主なサービス(カタログ、一括検索、データの 一括ダウンロード)の紹介 IV. ヒトに関するデータ関連のサービス V. その他のサービス例 VI. おわりに
- 26. 26 NBDCのポータルサイト ? 40種類以上のサービス ? 生命科学のDB関連 ? 登録不要 ? 無料 ? どこからでも、誰でも http://biosciencedbc.jp/ ポータルサイトへは 「NBDC」で検索 DBのカタログ DBの一括検索 データの一括 ダウンロード
- 27. 27 Integbioデータベースカタログ 概要 ? 国内外の生命科学系DBの所在情報や 説明情報を提供するカタログ 収録DB数：1484件（国内1052件） ? 20種類の記述項目 DB名、URL、運用機関名、生物種、説明など ? DBをキーワード検索やカテゴリから探すことが可能 検索ボックス、絞込み機能 ? 記述項目がダウンロード可能 複製、改変などが可能なCC0ライセンスで配布 DBのカタログ
- 30. 30 生命科学データベース横断検索の特徴 ? 生命科学分野のコンテンツを対象にした検索システム 分子DBの中を文献や特許情報とあわせて一括検索できる 検索対象DB数：533件 ? 検索キーワードの日英相互翻訳 日英の辞書（京都大学 ライフサイエンス辞書）を搭載 ? 検索結果の絞込み機能 DBのカテゴリ、遺伝子名称 ? 類似キーワードの表示 DBの一括検索
- 32. 32 公開Web検索サービスの弱点 データベースに多い「深層ウェブ」データを、 検索対象にできていない場合がある。 安形輝,宮田洋輔,池内淳,上田修一 学術情報流通における深層ウェブの実態 － 機関リポジトリに収録された文献を用いた調査 － 情報学会研究大会発表論文集 巻：2009 ページ：37-40 カバー率は 公開Webの53.2％程度
- 33. 33 生命科学データベース横断検索の検索対象一例（概数） DBカテゴリ DB 数 主なDB 文献 42 蛋白質核酸酵素（共立出版）（1985?）、新着論文レ ビュー、文科省「ゲ ノム特定領域」報告書、各種実験 プロトコル集 学会要旨 4 日本農芸化学会、日本生物物理学会、トーゴーの日シンポ 要旨、医学?薬学予稿集全文データベース 特許関連文書 12 日本国特許公報（2004?2015） 統合DBプロジェクト 100 生命科学DBアーカイブ、統合TV 用語解説 15 Gene Wiki、Proteopedia、Molecule of the Month ゲノム?遺伝子?RNA 76 EntrezGene、RefSeq、H-Invitational、FANTOM 遺伝子発現?転写制御 42 CGED(がん組織発現）、DBTSS（転写開始部位）、 coxpressdb（共発現） タンパク質 59 UniProt, PIR、PDBj パスウェイ?相互作用? 生体反応 14 KEGG、ゲノムネットワークプロジェクト
- 34. 34 語句のサジェスト機能 （入力語句を含む単語の提案） 「データベース」か、 「ヒット件数」を選択して“検索” 横断検索インターフェース ~トップページ~ ヘルプページ DB一覧 モバイル版 クレジット英語版 上部ツールバーからのリンク 履歴※右隣の「設定」から CookieをONしたとき
- 37. 37 生命科学系データベースアーカイブ 概要 ? 国内で作成されたDBを丸ごとダウンロードできるサービス ? 収録DB数：103件 ? CSVやRDF形式でデータをダウンロード可能 ? DBやデータについての説明（メタデータ） ? データはCCライセンスで配布 ? CC表示-継承ライセンス、利用許諾を統一して明確に データの一括 ダウンロード
- 38. 38 生命科学系データベースアーカイブの収録DB DBカテゴリ DB 数 対象?生物種 ゲノム/遺伝子 7 マウス、イネ、トマト、植物、大腸菌、原核生物、微生物 遺伝子多型/変異 体/表現型 14 ヒト、イネ、ショウジョウバエ、マウス、シアノバクテリア、線虫 cDNA 18 イネ、トコジラミ、シダ、マボヤ、メダカ、粘菌、クラミドモナス、 シロイヌナズナ、ミヤコグサ、ムラサキツユクサ、酵母、カイコ 発現 7 カタユウレイボヤ、ヒト、マウス、粘菌、プラナリア、植物 蛋白質(配列/構 造/修飾/局在/相 互作用) 14 ヒト、マウス、線虫、酵母、トリパノソーマ、大腸菌、真核生物、 植物、生物全般 化合物/薬剤 4 ヒト、ラット、化合物全般 代謝物、代謝系/ シグナル伝達 15 ヒト、マウス、ラット、植物、藻類、酵母、生物全般 文献 5 遺伝子機能、微生物同定、安全性 カタログ 11 DB、ツール、学協会、プロジェクト、器官、生物画像、データ形式
- 40. 40 生命科学系データベースアーカイブ DB説明ページ DBの説明（メタデータ）ページ ? 作成者 ? 連絡先 ? 予算的背景?プロジェクト ? オリジナルサイト ? 運用開始年月日 ? 最終更新年月日 ? など 40
- 42. 42 目次 I. データ駆動型科学とデータ共有をめぐる国内 外の状況 II. JST/NBDCとその取り組みについて III.主なサービス(カタログ、一括検索、データの 一括ダウンロード)の紹介 IV. ヒトに関するデータ関連のサービス V. その他のサービス例 VI. おわりに
- 43. 43 世界的な医学PJにおけるデータ共有 国際がんゲノムコンソーシアム 50種類のがんを選定、そのゲノム変異の全貌解明と包括的なカタログ化を目指す 2008年から活動、16カ国およびEUの機関や組織が参画（2014.5.15現在） 日本からは理化学研究所、国立がん研究センターなど6大学と4研究機関が参加 得られたデータは全世界の研究コミュニティに迅速かつ無償で公開 2015.6.16に19回目のデータ公開を実施、合計12979症例のがんゲノムデータ公開 Alzheimer’s Disease Neuroimaging Initiative (ADNI) アルツハイマー病の早期発見や進行度を測るマーカー発見プロジェクト 2004年から開始 健常高齢者 200 名，軽度認知障害（MCI） 患者 400 名，軽度 AD 患者 200 名を 含む合計 800 名の被験者を57 臨床施設でリクルート すべての臨床データと検査結果，画像データは品質管理，補正と匿名化を施された のち，ウェブ サイト上にすみやかに公表 ADNI に参加する研究者と製薬企業のみならず，誰からもアクセス可能
- 44. 44 世界的な医学データ共有の動き Global Alliance for Genomics and Health （GA4GH） ミッション：様々な機関が集結し、参加者の自主性を尊重しながらも、 ゲノムデータと臨床情報を最大限に統合?活用し、ヒトの健康増進を図る。 パートナーとして 34ヶ国から341の 団体が参加表明 （7月13日現在）。 日本からは、がん センター、理研、 阪大をはじめ、 11団体が参加。 NBDC、DBCLS、 DDBJも参加して いる。
- 53. 53 目次 I. データ駆動型科学とデータ共有をめぐる国内 外の状況 II. JST/NBDCとその取り組みについて III.主なサービス(カタログ、一括検索、データの 一括ダウンロード)の紹介 IV. ヒトに関するデータ関連のサービス V. その他のサービス例 VI. おわりに
- 55. 55 統合TV 概要 ? DBやツールの使い方、講演を動画で配信 動画数：860本以上 吹き出しによる日本語の解説 ? 好きなときに好きな場所で視聴可能 YouTubeからも視聴可能 ? 本日紹介したカタログ? 横断検索 ?アーカイブの 使い方動画もあります 55 http://togotv.dbcls.jp/ja/
- 56. 56 ライフサイエンス新着論文レビュー 概要 http://first.lifesciencedb.jp/ ? 日本語による英語論文の解説記事 ? Nature, Scienceなどのトップジャーナル掲載記事の 中から第一著者が日本人のものについて、著者本人に よる解説記事 ? 公開数：830報以上 ? 文章や図の再利用が可能 ? CC表示により配布 ? 著者、URLなどの クレジットを表示 すること
- 57. 57 ライフサイエンス領域融合レビュー 概要 ? 学問分野/領域を対象にした日本語のレビュー ? 2012年9月に開始 ? 分子生物学会、蛋白質科学会、細胞生物学会、 植物生理学会が協力 ? 現在46報掲載中 ? 文章や図の再利用が可能 ? CC表示により配布 ? 著者、URLなどの クレジットを表示 すること http://leading.lifesciencedb.jp/
- 58. 58 目次 I. データ駆動型科学とデータ共有をめぐる国内 外の状況 II. JST/NBDCとその取り組みについて III.主なサービス(カタログ、一括検索、データの 一括ダウンロード)の紹介 IV. ヒトに関するデータ関連のサービス V. その他のサービス例 VI. おわりに
- 61. 61 世界との連携＆国内の連携
- 62. 62 データ共有に関する我が国の課題 ? データ共有に関する国レベルのルール、ガイドライン欠如 – データ生産者のデータ所有意識 – 研究者へのインセンティブ付与の仕組み ? 機微情報のDB化のための国レベルのルール、ガイドライン欠如 – パーソナルゲノム等の共有と保護のバランス – 国外からの利用への対応 – AMEDとの連携 ? 人員、予算の圧倒的な不足 – 欧米のDBセンターとの規模とは桁違い – ライフ分野のデータの特殊性、解析の複雑さ – バイオインフォマティクス人材の発掘、養成 ? 持続可能な体制、予算の仕組みの構築 – データ量の爆発への対応 – 新たな種類のデータへの対応（フォーマット、オントロジー、品質管理） ? 産出データの共有からプロジェクトの立案、実行時への貢献 まだまだ ある