Mass sequence for Genome Annotation (MGA) 配列データについて

[重要] MGA データの新規登録は終了しました。

国際塩基配列データベース (DDBJ/EMBL-Bank/GenBank) では,ゲノム配列・アセンブルのアノテーションに有用な情報を提供する大規模な配列群を受け入れるために新たなデータカテゴリーを創設しました。この新規データカテゴリーの名称は MGA (Mass sequence for Genome Annotation) です。MGA データの定義は以下となっております。

MGA データの定義
MGA is defined as those sequences which are produced in large quantity in view of genome annotation.
MGA データとして登録可能なデータ
ゲノムアノテーションに役立つ生物学的特徴を有する配列データ (転写物の末端部分など) 。
大量なデータセット (原則的に,1リソース* 当たり1万以上のユニークな配列セット) 。

MGAアクセッション番号の構成

MGA データエントリに発行されるアクセッション番号は12桁 (アルファベット5文字+7桁の数字) で構成されます。以下にアクセッション番号の内容を示します。

例:ZZZZZ0000001

アルファベット5文字 -- プロジェクト番号
    
1-2番目の文字 -- プロジェクト毎に割り振られるID (プロジェクトID *1)
    
3-5番目の文字 -- 各プロジェクトにおけるリソース*2に割り振られるID
7桁の数字 -- リソース配下の配列エントリに割り振られる番号
    *1 各プロジェクトIDに関してはプロジェクトインデックス をご参照ください。
    *リソースとは得られた配列の由来が同一であるものの単位を指します。

MGA データ公開形式

MGA データの公開形式は1エントリごとではなく,リソースを単位に行われます。公開ファイルは以下に示す Master record および Variable record から構成されています。MGA の公開データには,KEYWORDS 行に必ず "MGA" が記載されています。

Master record
リソース毎に作成されるファイルで,各リソースの共通情報が記載されています。
Variable record
リソース毎に各エントリの塩基配列およびアクセッション番号,マップ情報,配列のカウント数など関連情報が記載されています。

Master record の例

LOCUS       ZZZZZ0000000                       mRNA    linear   ROD 24-JAN-2005
DEFINITION  Mus musculus 1 month adult cerebellum short transcripts tag.
ACCESSION   ZZZZZ0000000
VERSION     ZZZZZ0000000.1
KEYWORDS    MGA; CAGE (Cap Analysis Gene Expression).
SOURCE      Mus musculus (house mouse)
  ORGANISM  Mus musculus
            Eukaryota; Metazoa; Chordata; Craniata; Vertebrata; Euteleostomi;
            Mammalia; Eutheria; Euarchontoglires; Glires; Rodentia;
            Sciurognathi; Muroidea; Muridae; Murinae; Mus.
REFERENCE   1
  AUTHORS   Mishima,H. and Shizuoka,T.
  TITLE     Direct Submission
  JOURNAL   Submitted (30-NOV-2009) to the DDBJ/EMBL/GenBank databases. 
            Contact:Hanako Mishima
            National Institute of Genetics, DNA Data Bank of Japan; Yata 1111,
            Mishima, Shizuoka 411-8540, Japan
REFERENCE   2
  AUTHORS   Mishima,H., Shizuoka,T. and Fuji,I
  TITLE     The gene expression analysis of short transcripts tags
  JOURNAL   Unpublished (2010)
COMMENT     The CAGE (cap analysis gene expression) is based on preparation
            and sequencing of concatamers of DNA tags deriving from the
            initial 20/21 nucleotides from 5' end mRNAs.
            Full-length cDNAs were at first selected with the Cap-Trapper
            method. Then, a specific linker (Linker1, some linker contain 5 bp
            sequences that have 15 variations for each rna sample) containing
            the ClassIIs restriction enzyme site MmeI was then ligated to the
            single-strand cDNA and then the second strand of cDNA synthesized.
            (中略)
FEATURES             Location/Qualifiers
     source          
                     /db_xref="taxon:10090"
                     /dev_stage="1 month adult"
                     /mol_type="mRNA"
                     /organism="Mus musculus"
                     /strain="C57BL/6J"
                     /tissue_type="cerebellum"
MGA         ZZZZZ0000001-ZZZZ0340780
            total number of count : 856609
            Header Format
            >[ACC#]|[submitter's identifier]|[number of sequence
            count]|[map]|[free text]|[db_xref1(,db_xref2,...)]|
// 

Variable record の例

Variable record の詳細についてもご参照ください。

>ZZZZZ0000001|ABC1004AA60F1902|10|9B|lipidosis-related protein Lipidosin| 
GI:2385656|
gactgtcttcggtgaatgca
>ZZZZZ0000002|ABC1003AE78G1607|5||||
gcggaagtcggaccggtcgca
>ZZZZZ0000003|ABC1003AE72P1806|6||||
gggagaccgatccgggatct
>ZZZZZ0000004|ABC1003AE30G1801|91||||
gagtcgggtcggtggggctgt
>ZZZZZ0000005|ABC1003AA45J1501|55||||
ggggaatctgcagcctgggc
>ZZZZZ0000006|ABC1003AE67B0902|152||||
gagccgtccccgacgccgcca
 (以下略) 

ページの先頭へ戻る