ゲノムネットのデータベース利用法［第２版］より（一部修正）

ゲノムネットのデータベースサービス概要

京都大学化学研究所　　金久　實　

1 ゲノムネットとは

2 ゲノムネットのデータベースサービスとは

      http://www.genome.ad.jp/
      http://www.genome.ad.jp/Japanese/

です。
ところで、WWW はクライアント・サーバーと呼ばれる利用形態の一種で、 自分のマシンに クライアントプログラム（Web のブラウザ）を入れておくと、これはネットワーク上の サーバーマシンと必要なときに必要なデータのやりとりをしてくれます。 さらに、最近の Web ブラウザはエージェントと呼ばれる形に進化しており、 データのやりとりだけでなく、Java などで書かれたプログラムがサーバーから 送られて、クライアントでプログラムが実行されるようになってきました。 ゲノムネットでも、このようなネットワーク技術の進歩をいち早く取り入れ、 データの可視化やグラフィックス処理などに Javaが活用されています。 ただし、Java を必要としない利用形態も同時に提供していますので、お手元の マシンの性能やネットワーク回線の状況により選択してください。
WWW 以外にも、ゲノムネットの利用方法として次の３つがあります。

• 電子メール
  検索要求を書いた電子メールをゲノムネットの指定されたアドレスに送ると、結果が 返信メールとして送られてきます。長時間の計算を要するホモロジー検索などに 向いています。電子メールを出せるマシンであれば、必ずしもインターネット接続 されている必要はありません。
• アノニマス FTP
  遠隔地のマシンとファイル転送を行う FTP を、登録なしに誰でも利用できるように したのがアノニマス FTP です。ヒトゲノム解析センターなどにあるデータベースや プログラムのコレクションから、必要なものをダウンロードするときに使います。
• 専用クライアント
  WWW に用いる Netscape などが汎用のクライアントプログラムであるのに対し、 ゲノムネットで開発した専用のクライアントプログラムを利用する形態です。 アノニマス FTP でプログラムを取得し、自分のマシンにインストールして 利用してください。

1. DBGET/LinkDB 統合データベース検索システム（２章）
   世界中の主要な分子生物学関連データベースの統合検索を行う DBGET システムと、 検索されたデータから出発して関連するさまざまな情報をさらに検索するための LinkDB システムが一体化されたものです。いずれも京都大学化学研究所で開発されました。 WWW だけでなく、専用クライアント、電子メールでの利用も可能です。

2. KEGG 遺伝子・ゲノム百科事典（３章）
   代謝系・制御系をはじめとした生体内の分子ネットワークをコンピュータ化し、 ゲノムプロジェクトがもたらす遺伝子カタログとの対応付けを行った知識ベースです。 各生物種を遺伝子の集合とみなしたデータベース構築も行っており、 概念的にも機能的にも DBGET/LinkDB と密接につながっています。 KEGG はゲノム情報を基に生物学の知識を体系化することを目指した、 京都大学化学研究所のプロジェクトです。

3. 日本のゲノム関連データベース（４章）
   東京大学医科学研究所ヒトゲノム解析センターが作成しているデータベースを中心に、 わが国で行われているゲノムプロジェクトの成果としてのデータベースを集めたもの です。バクテリアからヒトまでさまざまな生物種で、またゲノム塩基配列 、cDNA データ、 変異データなどのデータに対して、データベース化が行われています。

4. 配列解釈ツール（５、６、７、８章）
   ホモロジー検索、モチーフ検索、マルチプルアライメント、タンパク質の機能予測、 遺伝子領域予測など、配列データから機能的な手がかりを探るためのツール群です。 欧米で開発された BLAST, FASTA など標準的なもの以外に、わが国のゲノム情報 研究者によって開発された新しいソフトウェアが次々と提供されています。 ほとんどは WWW で利用しますが、計算時間のかかるものは電子メールで利用 してください。

5. アノニマス FTP
   これまでヒトゲノム解析センターは、マッピングやシーケンシングなどに関するゲノム プロジェクトの実験支援システムも開発してきました。これらはアノニマス FTP で 公開されており、自由にダウンロードして利用することができます。他にも、 わが国のゲノム情報研究者が開発したプログラムやデータベースの提供、 米国 NCBI と英国 EBI のアノニマス FTP サイトのミラー（常に同じ内容を 提供すること）も行われています。

本書ではこれらの利用法の説明のほかに、９章で米国 NCBI (National Center for Biotechnology Information) が提供する Entrez システムの紹介も行っています。 これは PubMed システムを含んでおり、ゲノムネットにない膨大な文献データベース の検索機能があります。PubMed では Medline データベースの全データを検索できる だけでなく、出版社にもリンクがはられて論文の全文を見ることができたりします。 また、１０章では GCG と呼ばれる配列解析用ソフトウェアパッケージの簡単な紹介も しています。これはヒトゲノム解析センター計算機システムの利用登録をされた方 しか利用できませんが、登録自体は幅広い方々に開放されています。

3 リンク情報の概念

ゲノムネットのデータベース利用で最も基本となるのは、DBGET 統合データベース 検索システムです。DBGET では、データベースはエントリーと呼ぶ単位が 集まった単純なファイル（フラットファイル）として取り扱われます。ただし、 フラットファイルといっても単にテキストファイルだけでなく、パスウェイを グラフィカルに表示したイメージファイルなど、マルチメディアファイルでも 構いません。既存の分子生物学関連データベースの ほとんどはこのような単純な見方で眺めることができ、各エントリーには エントリー名（またはアクセッション番号）というデータベース内でユニークな 名前がつけられていますので、

      データベース名：エントリー名

の組を与えると、世界中に存在する数多くのデータベースを統合的に参照することが できるわけです。
近年、分子生物学の分野では異なるデータベースに関連するデータがあれば、 相互参照をすることが一般的になっています。文献データと文献に報告され た配列データとの関連、塩基配列とそれを翻訳したアミノ酸配列の関連をはじめ、 異なるデータベースのエントリーへリンク情報を付加してデータベース化が 行われています。この関連は

      データベース名１：エントリー名１　→　データベース名２：エントリー名２

の形で表現され、これを２項関係と呼ぶことにします。ゲノムネットでは、あらゆる データベース間の２項関係だけを抜き出した LinkDB リンク情報データベースを 作っています。LinkDB では、２項関係を演繹して（組み合わせたり、逆向きにた どったりして）新たな２項関係を作ることにより、多くの関連データを容易に見いだ せるようになっています。
これまでの塩基配列データベースやアミノ酸配列データベースは、文献などに 公表された配列を単位としてアクセッション番号が付与され、エントリーが 構成されてきました。これに対して、京都大学化学研究所で作成している KEGG の 遺伝子カタログでは、生物的な単位をエントリーとしてデータベース化が 行われています。つまり、１つの生物種とは遺伝子の集合で構成されるデータベース であるとみなし、

      生物種名：遺伝子名

によって、個々の遺伝子または遺伝子産物を参照します。コンピュータにとっては、 遺伝子カタログも１つのフラットファイルデータベースに過ぎませんので、 やはり DBGET で統合的に検索することができるわけです。 また、２項関係についても 生物学的な観点から拡張し、遺伝子間または分子間の関係すなわち相互作用を、

      生物種名：遺伝子名１　→　生物種名：遺伝子名２

といった形で表現すると、LinkDB に自然に組み込むことができます。 KEGG ではこのような生物的な２項関係を基に、さらに高次の関係、すなわち 代謝パスウェイや制御パスウェイなど生命系のネットワークを コンピュータ化しているのです。
さらに別のタイプのリンク情報として、 計算で求める類似なものへのリンクがあります。 実際、Entrez では類似配列や類似文献（キーワードなど似たものが多く含まれる 文献）をあらかじめ計算で求め、リンクがつけてあります。 ゲノムネットの LinkDB では、類似配列へのリンクはダイナミックにつけられます。 つまり、与えられた配列エントリーの類似エントリーを、その場で BLAST を起動して 求めるのです。
以上のようなリンク情報は、WWW のハイパーリンクの考え方にまさにうってつけで、 ゲノムネット WWW サーバーでも、ハイパーリンクをたどることにより自然に さまざまなリンク情報を利用することができるようになっています。では、WWW の もう１つのキーワードであるマルチメディアは、ゲノムネットではどのように なっているでしょうか。

4 グラフィックスの利用

表１．１ ゲノムネットデータベースのマルチメディア化

データの内容	データベース名	メディア
塩基配列	GenBank(DDBJを含む), EMBL	テキスト
アミノ酸配列	SwissProt, PIR, PRF, PDBSTR	テキスト
立体構造	PDB	テキスト、三次元グラフィックス
配列モチーフ	EPD, TRANSFAC, PROSITE	テキスト、三次元グラフィックス
酵素反応	LIGAND/ENZYME	テキスト、階層型テキスト
代謝化合物	LIGAND/COMPOUND	テキスト、イメージ、二次元グラフィックス
パスウェイマップ	KEGG/PATHWAY	イメージ、Javaグラフィックス
ゲノムマップ	KEGG/GENOME	イメージ、Javaグラフィックス
遺伝子カタログ	KEGG/GENES	テキスト、階層型テキスト
変異タンパク質	PMD	テキスト
アミノ酸指標	AAindex	テキスト
遺伝病	OMIM	テキスト
文献（タンパク質)	LITDB	テキスト
文献（医学・生物学)	Medline	テキスト
リンク情報	LinkDB	テキスト

また、KEGG のパスウェイマップやゲノムマップでは Java を使って独自の グラフィックス化が行われています。これも、Java をサポートする Web ブラウザ の普及に対応したものですが、一方、Java の利用環境はユーザーのマシンの性能 に大きく依存しますので、Java を使わないサービスも行っています。つまり、 サーバー側でグラフィックス処理をして、例えばパスウェイマップの検索結果に 色づけをしたりして、その結果のイメージファイルをユーザー側に転送しています。 なお、表にある階層型テキストとは、フラットファイルデータベース中のエントリー の階層分類を操作するためのデータ表現です。詳しくは３章をご覧ください。

5 基本的な検索システム

      http://www.genome.ad.jp/dbget/dbget.html
      http://www.blast.genome.ad.jp/
      http://www.fasta.genome.ad.jp/
      http://www.motif.genome.ad.jp/

です。BLAST, FASTA, MOTIF の検索結果はすべて DBGET/LinkDB につながって いますので、 さまざまなデータベースを参照して検索結果の解釈をすることができます。
一方、遺伝子・ゲノム百科事典 KEGG のホームページは

      http://www.genome.ad.jp/kegg/

です。いつも利用しているユーザーにとっては、百科事典の目次のページ

      http://www.genome.ad.jp/kegg/kegg2.html

から入ったほうが手っ取り早いでしょう。KEGG も DBGET/LinkDB と密接につながって おり、KEGG の新しい知識ベースが既存のデータベースと統合されています。
ゲノムネットのデータベースサービスでは、それぞれのシステムが相互に深く 関連していますので、全体像が見渡せるページが準備されています。 グラフィカルなクリッカブルマップである DBGET/LinkDB/KEGG リンク図と、 DBGET/LinkDB/BLAST/FASTA へ入るテーブル形式の IDEAS インターフェース

      http://www.genome.ad.jp/dbget/dbget.links.html
      http://www.genome.ad.jp/ideas/ideas.html

をご利用ください。 これらのシステムがサポートしているデータベースの一覧は表１.２に、生物種の一覧は表１．３に示した通りです (1997年12月現在)。

表１．２ 各システムがサポートしているデータベース

システム名	データベース名
DBGET	dna, protein, genbank, embl, swissprot, pir, prf, pdb, pdbstr, epd, transfac, prosite,ligand, pathway, genes, omim, pmd, aaindex,litdb, medline
LinkDB	linkdb
KEGG	ligand, pathway, genes, genome
BLAST	nr-nt, genbank, genbank-upd, dbest, embl, embl-upd, epd,nr-aa, swissprot, swissprot-upd, pir, prf, genpept, genpept-upd, genes
FASTA	nr-nt, genbank, genbank-upd, genbank/subdivisions, dbest, embl, embl-upd,embl/subdivisions, epd, nr-aa, swissprot, swissprot-upd, pir, prf, pdbstr,genpept, genpept-upd, genes
MOTIF	prosite

表１.３KEGG/DBGET/LinkDB がサポートしている生物種

カテゴリー		生物種
古細菌		M.jannaschii, M.thermoautotrophicum, A.flugidus
グラム陰性菌		E.coli, H.influenzae, H.pylori, S.typhimurium
グラム陽性菌		B.subtilis, S.aureus, M.genitalium, M.pneumoniae
藍藻		Synechocystis
菌類		D.discoideum, S.cerevisiae, C.albicans, S.pombe
高等植物		A.thaliana, O.sativa, Z.mays
線虫類		C.elegans
昆虫類		D.melanogaster
齧歯類		M.musculus
ヒト		H.sapiens (Human disease genes)

また、ゲノムネットでは DBGET/LinkDB や KEGG を使って特定のデータを取得する ための URL（WWW のアドレス）を、公式なものとして公開しています。 例えば、DBGET で特定データベースの特定エントリーを取得するには

      http://www.genome.ad.jp/dbget-bin/www_bget?DBname+Accession

としてください。ここで、DBname と Accession が、データベース名と エントリー名（アクセッション番号）です。これは、ユーザー側の Web の リソースにゲノムネットのリソースを組み込む場合に便利です。他の URL は、

      http://www.genome.ad.jp/dbget/dbget_url.html

をご覧ください。
ホモロジー検索は Web から電子メール検索の要求もできますが、 直接電子メールを書いて利用することもできます。その場合の電子メールアドレスは

      blast@genome.ad.jp
      fasta@genome.ad.jp

です。本文に help とだけ書いたメールを送ると、利用法が返送されます。 また、KEGG のパスウェイ検索も

      pathway@genome.ad.jp

宛の電子メールで行なうことができます。
DBGET/LinkDB は専用のクライアントプログラム NetDBget で利用することも できます。NetDBget はアノニマス FTP で以下のアドレスから取得してください。

      ftp://ftp.genome.ad.jp/pub/genomenet/netdbget/

NetDBget がインストールされていると、UNIX のコマンドとして bget や bfind など を利用することができますので、スクリプトを書いて一括処理をするときなどに最適 です。bget ではデータベース名とエントリー名（またはアクセッション番号）を 指定して目的のエントリーを取ることができます。bfind では簡単なキーワードを与えると、 それにマッチするエントリー名のリストを返します。詳しくは２章をご覧ください。

6 データベースサービスの一覧

6.1 基本サービス

6.1.1 利用可能なデータベース

6.1.2 利用可能な検索システム

6.2 新しいデータベースと解析ツール

6.2.1 日本のゲノム関連データベース(WWW)

6.2.2 基本サービス以外の解析ツール(WWW)

6.2.3 ヒトゲノム解析センター開発の配布用システム(FTP)

システム	内容	動作環境
Locus-in	マッピングデータ入力と統合マップ作成	Sun などの WS(X11)
ContigMaker	コンティグ地図作成	Unix(X11+Motif)
SAND	Nested Deletion 法による配列結合編集システム	Unix(X11+Motif)
Genomatica	染色体上の物理位置に基づき DNA 配列を整理	Sun(X11)
HyperGenome	染色体地図と配列情報を統合	Sun(OpenLook/X11)
Gnome	ネットワークを利用した配列解析支援システム	Sun, Macintosh
SMART	配列モチーフ検索・解析ツール	Sun
Gidre	データベース統合化環境構築システム	Sun(X11+Motif)

6.3 アドレス一覧

6.3.1 WWW

6.3.2 電子メール

6.3.3 Anonymous FTP

ゲノムネットのデータベース利用に関するお問い合わせは、下記までお願いします。

東京大学医科学研究所ヒトゲノム解析センター
〒108 東京都港区白金台4-6-1
Tel: 03-5449-5620 Fax: 03-5449-5434
E-mail: info@genome.ad.jp