狠狠撸

DDBJ と
NIG SuperComputer の
紹介
国立遺伝学研究所 DDBJ センター
中村保一
DDBJing 講習会
＋
次世代モデル生物におけるゲノム情報利用ワークショップ
Dec. 15-16, 2016
第34回 DDBJing 講習会 in 三島 (2016.12.15-16)

DDBJ (http://www.ddbj.nig.ac.jp/)

?全世界で解読された塩基配列情報を
?査定して受入れ
?データベースに蓄積し
?公開して共有する
塩基配列データバンクとはこのような事業
データベース

国際塩基配列データベース (INSDC) の一員
?米国: GenBank (NCBI)
?欧州: ENA (EBI)
?日本: DDBJ

Paper
Paper
Paper
Paper
NGS
reads
assemble mapping
annotation
DDBJ
GenBank
ENA
Trad INSDC
re-annotation
omics paper
DOR
GEO
ArrayExpress
Omics Data Archives
papers
DRA
SRA
ERA
open access
contigs
Paper
genome paper
The ecosystem of sequence data
JGA
dbGAP
EGA
controlled
access
genome
database
公開
NGSデータ
制限公開
NGSデータ
公開
解析済データ

DDBJ登録ファイルの例
LOCUS AB091058 2109 bp DNA linear BCT 02-SEP-2003
DEFINITION Gluconacetobacter xylinus cmcase, ccp genes for
endo-beta-1,4-glucanase, cellulose complementing protein, complete
cds.
ACCESSION AB091058
VERSION AB091058.1
KEYWORDS .
SOURCE Gluconacetobacter xylinus
ORGANISM Gluconacetobacter xylinus
Bacteria; Proteobacteria; Alphaproteobacteria; Rhodospirillales;
Acetobacteraceae; Gluconacetobacter.
REFERENCE 1 (bases 1 to 2109)
AUTHORS Kawano,S., Tajima,K., Uemori,Y., Yamashita,H., Erata,T.,
Munekata,M. and Takai,M.
TITLE Direct Submission
JOURNAL Submitted (28-AUG-2002) to the DDBJ/EMBL/GenBank databases.
Contact:Kenji Tajima
Hokkaido University, Graduate School of Engineering; N13W8,
Kita-ku, Sapporo, Hokkaido 060-8628, Japan
REFERENCE 2
AUTHORS Kawano,S., Tajima,K., Uemori,Y., Yamashita,H., Erata,T.,
Munekata,M. and Takai,M.
TITLE Cloning of Cellulose Synthesis Related Genes from Acetobacter
xylinum ATCC23769 and ATCC53582: Comparison of Cellulose Synthetic
Ability Between ATCC23769 and ATCC53582
JOURNAL Unpublished (2002)
COMMENT
FEATURES Location/Qualifiers
source 1..2109
/db_xref="taxon:28448"
/mol_type="genomic DNA"
/note="synonym:Acetobacter xylinum"
/organism="Gluconacetobacter xylinus"
/strain="ATCC 53582"
CDS 10..1038
/codon_start=1
/gene="cmcase"
/product="endo-beta-1,4-glucanase"
/protein_id="BAC82540.1"
/transl_table=11
/translation="MSVMAAMGGAQVLSSTGAFADTAPDAVAQQWAIFRAKYLRPSGR
VVDTGNGGESHSEGQGYGMLFAASAGDLASFQSMWMWARTNLQHTNDKLFSWRFLKGH
QPPVPDKNNATDGDLLIALALGRAGKRFQRPDYIQDAMAIYGDVLNLMTMKAGPYVVL
MPGAVGFTKKDSVILNLSYYVMPSLLQAFDLTADPRWRQVMEDGIRLVSAGRFGQWRL
PPDWLAVNRATGALSIASGWPPRFSYDAIRVPLYFYWAHMLAPNVLADFTRFWNNFGA
NALPGWVDLTTGARSPYNAPPGYLAVAECTGLDSAGELPTLDHAPDYYSAALTLLVYI
ARAEETIK"
CDS 1035..2096
/codon_start=1
/gene="ccp"
/product="cellulose complementing protein"
/protein_id="BAC82541.1"
/transl_table=11
/translation="MSASGSDEVAGGGQAGSPQDFQRVLRSFGVEGGQYSYRPFVDRS
FDVTGVPEAVERHFDQAEHDTAVEEQVTPAPQIAVAPPPPPVVPDPPAIVTETAPPPP
VVVSAPVTYEPPAAAVPAEPPVQEAPVQAAPVPPAPVPPIAEQAPPAAPDPASVPYAN
VAAAPVPPDPAPVTPAPQARVTGPNTRMVEPFSRPQVRTVQEGATPSRVPSRSMNAFP
RTSASSISERPVDRGVADEWSPVPKARLSPRERPRPGDLSFFFQGMRDTRDEKKFFPV
ASTRSVRSNVSRMTSMTKTDTNSSQASRPGSPVASPDGSPTMAEVFMTLGGRATELLS
PRPSLREALLRRRENEEES"
BASE COUNT 343 a 661 c 661 g 444 t
ORIGIN
1 cgttccttta tgtcggtcat ggcggcgatg ggaggggcgc aggtgctttc atccaccggt
61 gcgttcgcag acaccgcccc cgatgcggtc gcgcagcaat gggccatctt ccgcgccaag
121 tatcttcgtc ccagcggacg tgtcgtggat acgggcaatg gtggcgaatc ccatagtgag
181 gggcagggct atggcatgct ctttgccgcg tcggcggggg accttgcgtc gttccagtcg
241 atgtggatgt gggcgcgcac caacctgcag cataccaatg acaagctgtt ttcctggcgg
301 ttcctcaagg ggcatcagcc cccggtgccc gacaagaaca atgccacaga tggcgacctg
361 ctgatcgcgc ttgcgcttgg tcgtgcgggc aagcgtttcc agcgccccga ttacattcag
421 gacgccatgg ccatttatgg cgatgtgctg aacctgatga cgatgaaggc gggaccgtat
481 gtcgtcctca tgcccggtgc tgtcggcttt accaagaagg acagcgtgat cctcaacctg
541 tcctattacg tcatgccctc gctgctgcag gcgttcgacc ttacggccga cccgcgctgg
601 cgtcaggtga tggaagacgg gattcgcctt gtttccgccg gccgtttcgg gcagtggcgc
661 ctgccccccg actggctggc ggtgaatcgc gccaccggtg cgctgtcgat cgcatcggga
721 tggccgccgc gcttttccta tgatgcgatt cgggtgccgc tttattttta ttgggcgcat
781 atgctggcgc cgaacgtgtt ggctgatttc acccgattct ggaataattt cggggctaat
841 gccctgccag gatgggttga tctgacaaca ggggcgcgtt cgccgtacaa cgccccgcct
901 ggatatcttg ctgttgccga atgcacgggg cttgattctg ccggggaact cccgacactg
961 gatcatgcgc ccgattatta ttccgcagcg ttgacgctgc tcgtttacat cgcgcgggcg
1021 gaggagacta taaagtgagt gcttcagggt ctgatgaggt ggctggggga gggcaggctg
1081 gaagtccgca ggattttcag cgggtcctgc gttcttttgg tgtcgaaggt gggcagtatt
1141 cctaccggcc gtttgttgac cgttcctttg atgtgacagg cgtgcccgag gctgttgaaa
1201 ggcacttcga tcaggcggag catgacacgg cggttgagga gcaggtcact cccgcgccac
1261 aaatcgcggt cgcaccgcca ccgccgccag tcgttcctga cccgcccgcc atcgtgacgg
1321 aaaccgcgcc cccgccgcct gtcgtggtca gcgctccggt cacgtatgaa cccccggctg
1381 ccgccgtgcc ggcagagcct cccgttcagg aagcccccgt gcaggcggcg ccggttcccc
1441 ccgcgcctgt gcccccgatt gcggagcagg ctcctcccgc ggcgccggac ccggcatccg
1501 tgccgtatgc gaacgtcgcg gcagcacccg ttccacctga tcccgcaccg gttacgcctg
1561 cgccgcaggc gcgcgtgacg gggccgaaca cccgtatggt ggagcccttt tcccgcccgc
1621 aggtccgcac ggtgcaggag ggggcaaccc cgtcacgtgt accttcgcgt tcaatgaacg
1681 ctttcccccg cacatcagca tcgtccataa gtgagcgtcc ggtggacagg ggtgttgccg
1741 atgaatggag tcctgttccg aaggcacgcc tcagcccgcg ggagcgtccg cgtcccggcg
1801 atctgagctt tttctttcag gggatgcgcg acacccgtga tgaaaagaag ttctttcccg
1861 tggcgtccac gcgatcagtt cgttctaatg tttccaggat gaccagcatg accaagacag
1921 acacgaattc ctctcaggct tctcgtcccg gcagccccgt cgcctcgcct gatgggtcgc
1981 ccacaatggc cgaagtgttc atgacgctgg gtggtcgtgc gacggaactc ctcagccccc
2041 gtccttcgct gcgggaggcg ctgttgcgtc gtcgtgaaaa cgaagaagaa tcctaaggcc
2101 ctatattca
//

遺伝子?立体構造の論文には登録が不可欠
?2012 PLoS Licensed Under CC Attribution 2.5
論文投稿時の注意：論文の著者は、論文で言及した塩基配列や立体構造などのデー
タについて、インターネットで参照可能な公共データベースの登録番号を掲載しな
ければならない

INSDC DB Growth
塩基数
2187億
登録数
1億9642万

INSDCに多くの配列が登録された生物種
DDBJに登録されている生物種 Top 100のワー
ドクラウド（数が多いほど大きい字で表示）
Images created by the Wordle.net web application are licensed under
a Creative Commons Attribution 3.0 United States License.
ヒト
トウモロコシ
マウス
ラット
ブタ
ウシ

Taxonomy DB (30万種を超える生物種)

今時（いまどき）のシーケンサー
（左）PacBio RSII System
（中）illumina: HiSeq 2500 System
（右）Oxford NANOPORE MinION/SmidgION

http://iric.irri.org/resources/3000-genomes-project

SRA growth (NCBI)
https://trace.ncbi.nlm.nih.gov/Traces/sra
完全公開分
4,137 TeraBases
(4 PetaBases)
制限公開分
9,203 TeraBases
(9 PetaBases)

今や生物学は
情報学である

遺伝研スーパーコンピュータサイト top
http://sc.ddbj.nig.ac.jp/

遗伝研スーパーコンピュータ全容

遺伝研スーパーコンピュータ（概要）
5.5 PB
MAID
大容量省電力HDD
7 PB
Lustre
高速HDD
“medium”
2TB memory
x 10 台
“thin”
64GB memory
x 554 台
“fat”
10TB memory
(SGI UV) 1 台
CC-PD from OpenClipart

NGS s + SC s in Biology
“medium”
2TB memory
x 10
“fat”
10TB memory
(SGI UV)

スパコン利用申請はこちら
?[ 遺伝研スーパーコンピュータ ] で検索
無料です！

Complete:
9,078!
GOLD DB - https://gold.jgi.doe.gov
［genome gold ］
で検索

「ゲノム」が解読された「身近な」生物種
Oryza sativa
Solanum lycopersicum
Glycine max
Zea mays
Populus trichocarpa
Gallus gallus
Bos taurus
Sus scrofa
Canis lupus familiaris
Felis catus
Mus musculus
Rattus norvegicus
Homo sapiens
?
稲
トマト
大豆
トウモロコシ
ポプラ
ニワトリ
牛
豚
イヌ
イエネコ
マウス
ラット
ヒト

研究に
使い倒して
役立てよう

[DDBJing34] DDBJ と NIG SuperComputer の紹介

狠狠撸

[DDBJing34] DDBJ と NIG SuperComputer の紹介

Recommended

More Related Content

More from DNA Data Bank of Japan center (20)

[DDBJing34] DDBJ と NIG SuperComputer の紹介