資料1　ライフサイエンス分野における研究データの共有について

Size: px

Start display at page:

Download "資料1　ライフサイエンス分野における研究データの共有について"

なおしもとり
5 years ago
Views:

1 資料 1 科学技術学術審議会学術分科会学術情報委員会 ( 第 3 回 ) 平成 27 年 6 月 24 日 ( 水 ) ライフサイエンス分野における研究データの共有について東京大学大学院理学系研究科科学技術振興機構バイオサイエンスデータベースセンター国立遺伝学研究所 DDBJ センター高木利久 1

2 ライフサイエンスに係るデータの実態 (1) データベースの数世界全体 :10,000 から 20,000 メジャーなもの (NAR 誌の DB 特集収録 ): 約 1,600 我が国の DB 数 (NBDC Integbio カタログ ): 約 1,000 データの種類 NAR 誌での分類 :15 カテゴリ 40 サブカテゴリ Integbio カタログ : 生物種対象データ種類で分類生物種 : 動物植物原生生物菌類真正細菌ウイルス対象 : ゲノム遺伝子 cdna 多型タンパク質酵素細胞データ種類 : 配列構造発現相互作用画像オントロジーゲノムプロジェクトの数 (GOLD): 約 64,000 データ DB 開発国 (NAR 誌 ): 約 50 2

3 ライフサイエンスに係るデータの実態 (2) データのサイズ米国 NCBI: SRA 4PB, dbgap 2PB 年率 1.5 倍程度の伸び ( ムーアの法則と同じ程度 ) 文献 (PuBMed) は2,500 万件主要な DB センター :NCBI, EBI, DDBJ 等ゲノムのデータが中心欧米のセンターは数百人規模 10 30peta 程度のストレージ保有 2020 年にはゲノムだけで2EB 程度必要との試算 3

4 主要な DB センター 4

5 統合の考え方意義効果少数の数式や法則で表現できないデータはインフラかつフロンティア小規模データからビッグデータへビッグデータから知識へ統計解析のパワーアップデータの価値の最大化他の観点からのデータ活用イノベーション促進研究成果の再現性や検証研究不正への対応データ収集の重複の排除失敗データ活用研究 ( 資金 ) の効率化文献データの共有は 1960 年代より研究データの共有は 1970 年代よりヒトゲノムプロジェクトのバミューダ原則 ( 研究コミュニティ ) アルツハイマー研究 ADNI の全データ共有ルール ( 研究コミュニティ ) Sharing of Data Leads to Progress on Alzheimer s NY Times Aug12, 2010 米国 NIH NCBI のヒトの制限アクセス DB(dbGaP) 2007 年以降約 30,000 件の利用申請 ( 許可されたもの約 20,000 件 ) 41 カ国からの利用申請データの 2 次利用によって約 920 報の論文出版 5

米国 NIH の国立医学図書館 (NLM) 改革ビジョン国立国会図書館の情報ポータルより http://current.ndl.go.

6 米国 NIH の国立医学図書館 (NLM) 改革ビジョン国立国会図書館の情報ポータルより NIH approves strategic vision to transform National Library of Medicine 6

7 データの利用に関する障害自分の専門外の DB を使う必要性あり DB や解析ツールの数が多すぎて使い方分からない生体内相互作用 DB だけでも 500 以上の DB 注釈が信頼性のあるものとないものが混在フォーマットや用語がバラバラ遺伝子の概念さえ DB によって違う同じ遺伝子にも多数の名前ありデータの文脈依存性曖昧性冗長性複雑性誤差単にレポジトリするだけでは再利用性低い我が国の事情資金配分機関からの共有の義務化ルールなしデータの囲い込み ( 公開されないデータも多数 ) データの権利関係不明バイオインフォマティシャンの不足競争に負ける受け皿となる中核 DB センターがないプロジェクト終了するとデータの維持管理更新されない 7

8 我が国のライフサイエンス DB 統合推進事業データの共有公共財化を促進しその価値を最大化内閣府 CSTP 主導の統合データベースプロジェクト (H18 ) 文科省経産省農水省厚労省で実施 H23 年 12 月に四省連携のポータルサイト文科省の統合データベースプロジェクト (H18 ) 中核センターの設立 H19 情報システム研究機構ライフサイエンス統合 DB センター DBCLS H23 科学技術振興機構バイオサイエンス DB センター NBDC クリエイティブコモンズ (CC) ライセンスによるデータの共有フォーマット辞書統合技術動画教材などの開発カタログ横断検索アーカイブの構築など種々のサービス提供研究分野ごとのデータベース統合化進行中 ( ファンディングによる ) ヒト由来データの共有セキュリティガイドラインの作成ヒト DB( オープン制限アクセス ) の構築受入れ (DDBJ と連携して ) 8

9 収集共有すべきデータの範囲 (1) JST 科学技術情報委員会わが国におけるデータシェアリングのあり方に関する提言 ( 平成 27 年 4 月 ) 別添資料 1 ステークホルダーにおけるデータシェアリングの動向より 9

10 収集共有すべきデータの範囲 (2) 10

11 国際連携の枠組みと活動主体 INSDC( 国際塩基配列 DB) 米国 NCBI, 欧州 EBI, 日本 DDBJ dbgap/ega/jga( ヒトゲノム DB) 同上 wwpdb( タンパク質立体構造 ) 米国 BMRB, RCSB PDB, 欧州 PDBe, 日本 PDBj HUPO( ヒトプロテオーム機構 ) 約 20 カ国 ADNI(Alzheimer s Disease Neuroimaging Initiative) 米国発祥その後欧州日本オーストラリア台湾なども GA4GH(Global Alliance for Genomics and Health) 33 カ国 330 機関アマゾングーグルマイクロソフトイルミナなども 11

12 データの質や利活用を保証するためのルールデータの質保証おもにメタデータのチェックなかにはデータそのもののチェックも例えば INSDC ではデータの整合性確認補正データ重複の確認データに記載されている生物名と配列自体から予測される系統学的位置との矛盾を検証など dbgap では性別などの表現型と遺伝型間の整合性を検証別々のプロジェクトに登録されている参加者が同一人物かどうかゲノムデータから判定など遺伝子発現 DB(GEO) ではアレイシグナル強度のばらつきを検証など PDB はタンパク質としての構造上の制約を満たすかなどの検証利活用のためのライセンス CC-BY や CC0 のライセンス付与 ChEMBL(RDF を CC-SA-BY) Uniprot(CC-BY-ND) CC0:BioMed Central Nature Publishing Group linked data 12

INSDC におけるデータ利用のルール DDBJ の記載 DDBJ データ内の配列データには特許の認められている配列は含まれますが, 利用や再配布を制限する著作権はありませんしかしそれぞれのエントリ内には著作に近い表現があります ( 中略 )INSDC データは ( 中略 ) 個別の登録者から著作権譲渡を受けたものではありません DDBJ は GenBank や EMBL-Bank

13 INSDC におけるデータ利用のルール DDBJ の記載 DDBJ データ内の配列データには特許の認められている配列は含まれますが, 利用や再配布を制限する著作権はありませんしかしそれぞれのエントリ内には著作に近い表現があります ( 中略 )INSDC データは ( 中略 ) 個別の登録者から著作権譲渡を受けたものではありません DDBJ は GenBank や EMBL-Bank 同様なんらの利用制限も付加しませんが, それぞれのエントリの中に登録者の著作が含まれる可能性があり, 全体のコピー改変再配布について DDBJ として明言することができませんでしたこれについて 2002 年に国際諮問委員会により利用制限について助言をいただき, その後は登録される際に著者の方々に助言された以下の方針を一読いただいています INSD は, 公開データにその利用を制限するような記述ならびに, このデータを利用した出版物を禁止するような制限事項は付記しない特に, 公開されたいかなる配列データにも利用制限や利用許可取得義務を設けず, 公開データの二次公開や公開データベースの利用についても利用制限や利用許可取得義務を課さない 13

14 データ提供者の義務とインセンティブ付与出版社論文投稿前の公的 DB 登録の義務化資金配分機関研究申請時にデータマネージメントプラン提出論文公開の義務化データ共有の義務化インセンティブ INSDC では登録者の氏名と所属組織をデータに記載しているので評価対象として検索可能データに DOI 付与の動き加速 14

15 学術論文の公開とエビデンスデータの公開 PubMed Central(PMC) 米国 NIH が運営 2008 年より義務化 BioMed Central(BMC) シュプリンガーが運営投稿者費用負担モデル Public Library of Science(PLOS) Non profit publisher 投稿者費用負担モデル資金配分機関および出版社が義務化公的 DB やコミュニティ DB に登録公開を義務化 15

16 公開の意義と公開すべきエビデンスデータの範囲資金配分機関 : 研究の成果を最大限活用するため NIH: 資金援助した研究の結果および成果を研究者コミュニにティや一般社会が最大限利用できるようにする Wellcome Trust: 資金援助した研究から出る成果の価値を最大化するため出版社 : 発表論文に関するエビデンスの確保 PLOS 系列 : 論文作成に関係する全データを制限なしで公開 Nature 系列 : 論文 Submit 時には Editors や Reviewers が見られるように Science 系列 : 論文中のデータを作成したデータを自由に見ることができるように 16

17 Nature の規定より 17

18 より 18

19 公開非公開の判断基準など制限アクセスデータと非制限アクセスデータパーソナルゲノムなど個人同定可能なものは制限アクセスデータアクセス委員会で利用申請を判断公開の時期 NIH GDS(genomic data sharing) policy ではヒトデータは品質管理が済み次第 dbgap に登録非公開期間は最大 6 か月エンバーゴは設定できない非ヒトデータは論文公開まで非公開が認められている臨床試験データや臨床データなど新たな共有に向けた動きもそのためのデータアクセス委員会の機能強化の動き 19

20 データの保管公開にかかわる役割分担データの保管整備運用 DB センター : 米国 NCBI, 欧州 EBI, 日本 DDBJ,NBDC 研究機関 : 分野毎の DB 構築公開米国 NCI JGI 他出版社 : レポジトリ提供学会 : 自前の DB や推奨 DB もつものありデータ共有公開のルール作り資金配分機関米国 NIH 英国 Wellcome Trust などガイドライン策定制限アクセスデータのアクセス委員会 ( 研究機関がもつ場合も ) 出版社エビデンスデータの公的 DB やコミュニティ DB への登録義務化 20

21 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 ) AMED-CREST, PRIME(H27 ) 医療分野研究成果展開事業産学連携医療イノベーション創出プログラム (H27 ) ナショナルバイオリソースプロジェクトゲノム情報等整備プログラム (H27 ) 21

生命科学分野の研究用 DB の歴史と動向文献データは1960 年代より研究データは1970 年代より塩基配列データバンクは日米欧の3 極体制でタンパク質データバンクは日米欧の4センターで他のオミックスデータにも共有の枠組みが拡大トランスクリプトームプロテオームメタボロームフェノーム

生命科学分野の研究用 DB の歴史と動向文献データは1960 年代より研究データは1970 年代より塩基配列データバンクは日米欧の3 極体制でタンパク質データバンクは日米欧の4センターで他のオミックスデータにも共有の枠組みが拡大トランスクリプトームプロテオームメタボロームフェノーム 2017 年 6 月 26 日研究データ利活用協議会公開シンポジウムデータ共有の先行事例の紹介生命科学におけるデータ共有の歴史現状課題東京大学大学院理学系研究科生物科学専攻科学技術振興機構 (JST) バイオサイエンスデータベースセンター (NBDC) 情報システム研究機構 (ROIS) 国立遺伝学研究所 (NIG) DDBJ センター (DDBJ) 高木利久生命科学分野の研究用 DB

資料1 ライフサイエンス分野における研究データの共有について

資料1　ライフサイエンス分野における研究データの共有について