トーゴーの日シンポジウム 2016 東大弥生講堂, 5 October 2016 生命科学におけるデータサイエンスの課題と PDB 中村春木大阪大学蛋白質研究所

Size: px

Start display at page:

Download "トーゴーの日シンポジウム 2016 東大弥生講堂, 5 October 2016 生命科学におけるデータサイエンスの課題と PDB 中村春木大阪大学蛋白質研究所"

しおりみつだ
4 years ago
Views:

1 トーゴーの日シンポジウム 2016 東大弥生講堂, 5 October 2016 生命科学におけるデータサイエンスの課題と PDB 中村春木大阪大学蛋白質研究所 harukin@protein.osaka-u.ac.jp

2 , Sir Isaac Newton ( ) PF ( 理化学研究所計算科学研究機構ホームページから 4 (- or ) Wisdom Knowledge Information Data DIKW (J. Rowley: The wisdom hierarchy, 2007) (Data) Information Knowledge Wisdom) AI

3 データ科学の課題データが無ければ問題解決はできない ( より正しくは ) 正確なデータが無ければ問題解決はできない使われるデータは正しいのか? データの客観的な validation の仕組みが必要使われるデータは最新か? データの versioning の仕組みが必要正確なデータが無い場合はどうするか? 実験シミュレーションにより正確なデータを創出する ( シミュレーション結果もアーカイブする )

4 PDB: Protein Data Bank since ! X-ray Crystallography X! Nuclear Magnetic Resonance (NMR) NMR 1 HN (ppm)! Cryo-Electron Microscopy 15 N (ppm) XFEL & Synchrotron (SACLA & SPring-8) CryoEM (@IPR)

5 3.8 Å PfV (Pf Virus-like particle) C6!D+E+8+5+!.9!+F$!(0>>G1 Mw = 7 MDa

6 PDB H!!! 2%A0

7 蛋白質の形のデータバンク :PDB 1980 年代 : データ登録の急増 ( 国際結晶学会 : データ登録が論文投稿の必須条件 ) 1990 年代 :RCSB-PDB( 米国 ) が運営を開始 2000 年代 :wwpdbが設立(2003 年 ) 構造ゲノム科学による構造急増 2010 年代 : 新規の手法が開発 123,000 件以上のデータ公開ビッグデータの時代へ

8 Protein Data Bank Japan 年から国立研究開発法人科学技術振興機構 ( 現在は NBDC) の支援を受けて活動 PDBj スタッフ (2016 年 4 月 ) PDBj-BMRB スタッフ PDBj トップページ ( 日英中台韓 )

9 The wwpdb (world-wide PDB) wwpdb since 2003 wwpdb.org 第 12 回 wwpdb 国際諮問委員会大阪大学蛋白質研究所 2015 年 10 月 2 日 14

10 wwpdb の各メンバーの活動とサービス Data-in の活動 :wwpdbの一員としてデータの高品質を保つその目的のためデータ登録法検証システム versioning システム新規データフォーマットを開発 Data-out の活動 : 共通データのダウンロードサイト ( 毎週水曜 9 時にアプデート ) の運営種々のサービスや二次データベースの提供

11 PDB OneDep ep (Depositions & Annotations)! ! RCSB PDB:! PDBe:! PDBj: 125K 74K 28K 24K

12 wwpdb.org OneDep: Unified Deposition Portal for the wwpdb

13 OneDep: Unified Deposition Portal for the wwpdb

14 OneDep: Unified Deposition Portal for the wwpdb Re-directed to PDBj site

15 PDBj と wwpdb の Data-in 活動 PDB 登録データ件数 PDBj で処理された総件数 (27,779, 2016 年 9 月 27 日 ) PDB の総データ件数 (123,021, 2016 年 9 月 28 日 ) * 年 (*2016 年 9 月 28 日付 ) * 世界中で決定された構造の約 1/4 の登録処理を PDBj で実施 22

16 wwpdb NMR X-ray EM NMR EM,-./!"#$%&'%()#*"$"#+,-./)#0"#1%2%345%#6789:;#

研究者番号 ORCID の利用 Open Researcher and Contributor ID http://orcid.

17 研究者番号 ORCID の利用 Open Researcher and Contributor ID ORCID の例 : orcid.org/ wwpdb では 2016 年 4 月から利用開始 2018 年には必須項目とする予定 24

18 データ検証 (Validation) レポートの発行と実験データの公開 Validation report の web 公開登録時に必須とされている実験情報 X-ray: Structure Factor( 構造因子 ) NMR: 化学シフトと距離拘束情報 EM: 3DEM volume マップ Validation report の例 25

19 PDB エントリーの version 管理現行の問題点座標更新時には同一の実験データに由来するものでも PDB ID が変更される論文中で使われる PDB ID と実際に公開される PDBID とが一致しない新規 PDB ID コードの導入 ( 案 ) 分かり易く透明性のある version 管理による更新データファイル名称 PDB を先頭につけ 4 文字コードも拡張 ( 例 : 現行の 1ABC から PDB_00001ABC のように変更拡張 ) PDB ID コードの例 : PDB_00001ABC_XYZ_V2-2.cif.gz 実装の計画 ( 案 ) version 管理がなされた新規の PDB ID コードによる ftp サイトを公開 ( ツリー構造として構造情報だけでなく関連する実験情報メタ情報を含む ) 現行の PDBID を付けた ftp サイトを継続して公開 ( 最新 version の構造情報のみを公開 ) 26

20 PDB の新規フォーマット : PDBx/mmCIF PDB フォーマットは 40 年以上前に作られ現在の科学にはうまく合致しない PDB レコードの限界最大 62 本の高分子鎖まで最大 99,999 ヶの原子までリガンドの結合次数や光学活性 ( キラリティー ) が記載されない NMR, 電子顕微鏡, ハイブリッド法, etcへの対応が不備メタデータの記載が面倒であり情報を引き出しにくい新規フォーマットでもできるだけ互換性を保つ新規フォーマットからPDBフォーマットへの変換サービスを公開 2014 年から開始

21 Large Structures (434) in PDB! , large structures PDB PDBx/mmCIF PDBML! A bundle of best-effort PDB files (PDB bundle) wwpdb FTP! wwpdb large structures PDBe PDBj 4v6x: structure of human 80S ribosome, 89 chains, 4 MDa RCSB-PDB

$<-3=--> ]N,9T*C4PN,R!\TNO!+FF!9-.!55&:;!V+T9,.TR! &.9.T!LNR.J!$ $Q.S.FF!?GJFGI# [+T4E*!D+E+O4T+J![*TN\4O*!34?4E*J! U.T9/I+,!;.$

22 Web-based Molecular Graphics D**!3-N,+,!O..P,8!N,!Q.C/ C+R.S!KNF.M4F+T!UT+V-*MR! # 23#)4'#5-678#%$!&#9:7;#%'#.<-3=--> ]N,9T*C4PN,R!\TNO!+FF!9-.!55&:;!V+T9,.TR! &.9.T!LNR.J!WF.X!LNR.! ####?@A#5.3#B:-CDE#FA5G4HBGI# 3+O..T!Y.F+,E.T!?HBG-I# ZN,!Q.S.FF!?GJFGI# [+T4E*!D+E+O4T+J![*TN\4O*!34?4E*J! U.T9/I+,!;.EE.T! ####?HBGKI MMTF (Macromolecular Transmission Format) compression %+#

23 PDB PDB (ca. 1974) PDBx/mmCIF (ca. 1997) PDBML (ca. 2005) RDF (ca. 2011) PDB PDBx/ mmcif PDBML & RDF PDBx/mmCIF

24 ATOM 1 N GLN A N ATOM 2 CA GLN A C ATOM 3 C GLN A C ATOM 4 O GLN A O ATOM 5 CB GLN A C ATOM 6 N VAL A N ATOM 7 CA VAL A C ATOM 8 C VAL A C ATOM 9 O VAL A O ATOM 10 CB VAL A C PDB loop atom_site.group_pdb _atom_site.id _atom_site.auth_atom_id _atom_site.type_symbol _atom_site.auth_comp_id _atom_site.auth_asym_id _atom_site.auth_seq_id _atom_site.cartn_x _atom_site.cartn_y _atom_site.cartn_z _atom_site.pdbx_pdb_model_num _atom_site.occupancy _atom_site.pdbx_auth_alt_id _atom_site.b_iso_or_equiv ATOM 1 N N GLN A ATOM 2 CA C GLN A ATOM 3 C C GLN A ATOM 4 O O GLN A ATOM 5 CB C GLN A ATOM 6 N N VAL A ATOM 7 CA C VAL A ATOM 8 C C VAL A ATOM 9 O O VAL A ATOM 10 CB C VAL A ATOM 11 N N ALA A PDBx/mmCIF

25 PDBx/mmCIF ソフトウェアサポート Phenix and Refmac produce native PDBx files for deposition MMDB - macromolecular object library in CCP4 iotbx.cif/ucif - CCTBx C++/Python IO library with dictionary validation CCIF CCP4 C++ library with FORTRAN support and dictionary validation CBFLib - ANSI-C library for CIF & imgcif files mmlib - Python toolkit supporting CIF & mmcif BioPython - Python toolkit for computational biology PyCifRW - Python CIF/mmCIF parsing tools BioJava - Java mmcif IO package STAR::Parser Perl mmcif parser and molecular object library RCSBTools - C++/Python parsing and dictionary validation tools plus many other supporting format conversion and data management applications Visualization - UCSF Chimera, Jmol, OpenRasMol, Coot, CCP4mg, jv, Molmil

26 新規フォーマットへの wwpdb のサービスサイト or

27 新規フォーマットへの変換サービスサイト

28 wwpdb の各メンバーの活動とサービス Data-in の活動 :wwpdbの一員としてデータの高品質を保つその目的のためデータ登録法検証システム versioning システム新規データフォーマットを開発 Data-out の活動 : 共通データのダウンロードサイト ( 毎週水曜 9 時にアプデート ) の運営種々のサービスや二次データベースの提供

29 PDBj における Data-out 活動 Amino acid sequence (FASTA) Data viewer at PDBj Graphic viewer: jv and Molmil Molecular surface DB: ef-site KEGG, IDEAL(IDP/IDR), Binding MOAD, etc にもリンク Kinjo et al. NAR 40, D453 (2012)

30 Molmil: PDBj で独自開発した WebGL による分子ビューア JavaScript/WebGL テクノロジーを活用 PDB, PDBx/mmCIF, PDBML フォーマットが利用可能 PDB, chem_comp (Compound), ef-site, ProMode Elastic が閲覧可能スクリーンショットを出力可能 ios8, ios9 (ipad, iphone etc) で利用可能

31 PDBj における特徴的な Data-out 蛋白質分子表面の形状と静電物性の表示 : ef-site (large structures にも対応 ) Protein Molecular Surface DB

32 PDBj Data-out 電顕による TRPV1 イオンチャネル (5irx)

33 PDBj における特徴的な Data-out 電顕画像と原子構造とを同時に可視化 EM Navigator: Viewer of Images of EM-DB Yorodumi: Viewer of both Image and Atomic Structure

34 Omokage search: PDB, EMDB, SASBDB のデータベース横断的に類似形状を探索 Suzuki, Kawabata, Nakamura (2016) Bioinformatics 32,

35 Omokage search: PDB, EMDB, SASBDB のデータベース横断的に類似形状を探索 Query: human RNA polymerase II with RNA (EMDB: 2190) Similar shapes from 224,894 images/structures

wwpdb/rdf PDBj http://rdf.wwpdb.org/ Semantic Web wwpdb/rdf Service from wwpdb Kinjo et al. (2012) Nucl. Acids Res. 40, D453-D460. Yokochi et al. (2016) J. Biomed. Semantics, 7:16. Kinjo et al. (2012) Nucl. Acids Res. 40, D453-D460. X-ray Structure Cryo-EM SAXS BMRB/RDF PDBj-BMRB http://bmrbpub.

36 wwpdb/rdf PDBj Semantic Web wwpdb/rdf Service from wwpdb Kinjo et al. (2012) Nucl. Acids Res. 40, D453-D460. Yokochi et al. (2016) J. Biomed. Semantics, 7:16. Kinjo et al. (2012) Nucl. Acids Res. 40, D453-D460. X-ray Structure Cryo-EM SAXS BMRB/RDF PDBj-BMRB NMR Structure Large Complex Sequence In UniProt RDF: Exp. Information (X-ray, NMR, EM, etc) PPI (interaction)

37 wwpdb/rdf PDBj Semantic Web wwpdb/rdf Service from wwpdb Kinjo et al. (2012) Nucl. Acids Res. 40, D453-D460. Yokochi et al. (2016) J. Biomed. Semantics, 7:16. Linked Data: Connect Distributed Data across the Web BMRB/RDF PDBj-BMRB PDB In UniProt RDF: Linking Open Data Cloud Diagram by Cyganiak & Jentzsch

38 NBDC RDF-portal への統合化 wwpdb/rdf BMRB/RDF NBDC RDF-Portal

39 PDB SIFTS (Structure integration with function, taxonomy and sequence) EBI PDBj SIFTS/RDF BioHackathon FALDO (Feature Annotation Location Description Ontology: Bolleman et al, 2016)

41 SIFTS PDB

42 PDBj スタッフ謝辞 Data-in Data-out BMRB

43 RDF 開発謝辞川島秀一 (DBCLS) 大久保克彦 (JST-NBDC, 日立製作所 ) Jerven Bolleman (UniProt, EBI: FALDO) Sameer Velankar (SIFTS & PDBe, EBI) RESTful web Michelle Ragsac (UCSD internship student)

PDB の新フォーマット金城玲日本蛋白質構造データバンク (PDBj) 大阪大学蛋白質研究所 1

PDB の新フォーマット金城玲日本蛋白質構造データバンク (PDBj) 大阪大学蛋白質研究所 1 PDB の新フォーマット金城玲日本蛋白質構造データバンク (PDBj) 大阪大学蛋白質研究所 1 概要 PDB の新フォーマットとは? PDBx/mmCIF なぜ新フォーマットに移行するのか? PDB format の限界対応済みソフトウェア自作のソフトはどうする? 2 新フォーマットとは? 3 PDBx/mmCIF のことです! PDBx (PDB exchange dictionary)

トーゴーの日シンポジウム 2016 東大弥生講堂, 5 October 2016 生命科学におけるデータサイエンスの課題と PDB 中村春木 大阪大学蛋白質研究所

トーゴーの日シンポジウム 2016 東大弥生講堂, 5 October 2016 生命科学におけるデータサイエンスの課題と PDB 中村春木大阪大学蛋白質研究所