DDBJ Sequence Read Archive

DDBJ Sequence Read Archive (DRA) は Roche 454 GS System®、Illumina Genome Analyzer®、Applied Biosystems SOLiD® System などの次世代シークエンサからの出力データのためのデータベースです。 DRA は International Nucleotide Sequence Database Collaboration (INSDC) のメンバーであり、 NCBI Sequence Read Archive (SRA) と EBI Sequence Read Archive (ERA) との国際協力のもと、運営されています。

公開された Analysis 以外のデータは3極で自動的にミラーリングされます。

キャピラリ式シークエンサからの出力データは DRA Experiment Instrument Model で Genetic Analyzer シリーズの機種を選択し、fastq ファイルとして DRA に登録することができます。DDBJ Trace Archive は SRA に統合される予定であり、クロマトグラム（波形データ）の登録は基本的に受付けていません。

メタデータ

メタデータオブジェクト

メタデータにはシークエンスデータがどのようにして得られたのかが記載されています。 メタデータは Submission、BioProject、BioSample、Experiment、Run、Analysis の各オブジェクトで構成されます。 各オブジェクトは XML スキーマで定義され、相互に関連付けられています。アクセッション番号はオブジェクトに して発行されます。 オブジェクトの構造とアクセッション番号は DDBJ/EBI/NCBI で共通です。 Experiment Run、Analysis は SRA のオブジェクトで、BioProject と BioSample は外部データベースのオブジェクトにな ます。

メタデータの詳細は対応する XML スキーマをご覧ください。DRA XML schema

Submission

登録するオブジェクトをとりまとめるオブジェクト。

BioProject

研究プロジェクト全体の概要。プロジェクトは複数のサンプルやデータセットを含むことが一般的です。

BioSample

生物学的なサンプルに関する記述。サンプルはユニークな属性をもった BioSample として登録します。

Experiment

BioSample に由来するシークエンス用ライブラリーとシークエンスの手法について記載します。 Experiment は１つの BioProject と１つの BioSample を参照します。 複数の Experiment は１ BioSample を参照することができますが、逆に１つの Experiment が複数の BioSample を参照することはできません。

Run

シークエンス用ライブラリー (Experiment) に由来するファイルをまとめます。 Experiment を介してデータファイルは特定のサンプルにリンクされます。 Run に含まれる全てのファイルは１つの SRA/fastq ファイルにマージされ、Run のアクセッション番号がファイル名になります。そのため、異なる replicate に由来するファイルは同じ Run に含めるべきではありません。 一方、ペアードデータファイルは同じ Run に含め、リードが正しくペアとして処理されるようにします。

Analysis

Run に格納されたデータを解析したデータで、しかるべき登録先がないようなデータを登録します。Analysis は DDBJ/EBI/NCBI で交換していません。Analysis は DDBJ Search でインデックスされます。

オブジェクトの構成例

登録者は実際のデータにあわせて柔軟にオブジェクトを構成することができます。

• 最もシンプルなケース
• 三つの菌株の比較ゲノム解析 (ペアエンド)
• Biological replicate がある場合 (ペアエンド)
• 関連するデータが別々の論文に発表される場合

最もシンプルなケース

三つの菌株の比較ゲノム解析 (ペアエンド)

ペアリードファイルは同じ Run に含めます。

Biological replicate がある場合 (ペアエンド)

関連するデータが別々の論文に発表される場合

メタデータ各項目の説明

必須*
条件によって必須*

Submission

Center Name

登録者が所属する組織に関する情報を記載します。

Center Name*

登録者が所属する組織の Center Name。Center Name リスト。DDBJ/EBI/NCBI SRA にデータを登録する際にはこの Center Name が必要です。

メタデータ作成ツールはアカウント情報から Center Name を自動的に取得します。

Center Name は登録の所有権を示すものではなく、SRA が運用上使用している略称です。所有権は Submitter に記載される登録者にあります。

Lab Name*

登録者が所属する研究室やグループ名。アカウントに登録されている “Lab/Group”、”Department (2)”、”Department (1)”、”Organization” がカンマで連結されたテキストが初期表示されます。

Hold Until

公開方法を指定します。

Hold Until*

公開予定日を設定します。最長で4年後まで設定でき、延長することができます。

Immediate Release*

即日公開。登録作業が終わり次第、データが公開されます。

Submitter

登録者の名前とメールアドレスのリストです。責任者 (principal investigator) を含めてください。登録に関する連絡は記入された全てのアドレスに対して行われます。責任者以外の人が登録作業をした場合、その作業者を含めてください。登録者情報は公開されません。登録者情報を明示したい場合は BioProject に記載してください。

Name*

登録者の名前。

E-mail*

登録者の電子メールアドレス。

BioProject

BioProject ID*

BioProject に登録済みのプロジェクトから該当するものを１つ選択するか、新規に BioProject を登録します。BioProject の登録方法は BioProject Handbook を参照してください。

BioSample

BioSample ID*

BioSample に登録済みのサンプルから該当するものを選択するか、新たにサンプルを登録し BioSample の登録方法は BioSample Handbook をてください。

Experiment

Alias

自動的に Experiment に付けられる名前。アクセッション番号のないオブジェクトは Alias で参照されます。

BioSample Used*

Experiment が参照している BioSample を選択します。

Title*

検索結果で表示される Experiment の短いタイトル。 自動的に “[Sequencing Instrument Model] [paired end] sequencing of [BioSample ID]” というタイトル（例 “Illumina HiSeq 2000 paired end sequencing of SAMD00025741”）が構築されます。 独自のタイトルを入力する場合は、Experiment の内容をタブ区切りテキストファイルとしてダウンロードし、Title カラムにユニークなテキストを入力しアップロードします。

Library Name

ライブラリーの名前。

Library Source*

ライブラリー構築に用いた試料。

Library Source	Description
GENOMIC	Genomic DNA (includes PCR products from genomic DNA).
TRANSCRIPTOMIC	Transcription products or non genomic DNA (EST, cDNA, RT-PCR, screened libraries).
METAGENOMIC	Mixed material from metagenome.
METATRANSCRIPTOMIC	Transcription products from community targets.
SYNTHETIC	Synthetic DNA.
VIRAL RNA	Viral RNA.
OTHER	Other, unspecified, or unknown library source material.

Library Selection*

シークエンスに用いたライブラリを構築するためのサンプルの選別や濃縮方法。

Library Selection	Description
RANDOM	Random shearing only.
PCR	Source material was selected by designed primers.
RANDOM PCR	Source material was selected by randomly generated primers.
RT-PCR	Source material was selected by reverse transcription PCR.
HMPR	Hypo-methylated partial restriction digest.
MF	Methyl Filtrated.
repeat fractionation	Selection for less repetitive (and more gene rich) sequence through Cot filtration (CF) or other fractionation techniques based on DNA kinetics.
size fractionation	Physical selection of size appropriate targets.
MSLL	Methylation Spanning Linking Library.
cDNA	complementary DNA.
cDNA_randomPriming
cDNA_oligo_dT
PolyA	PolyA selection or enrichment for messenger RNA (mRNA); should replace cDNA enumeration.
Oligo-dT	enrichment of messenger RNA (mRNA) by hybridization to Oligo-dT.
Inverse rRNA	depletion of ribosomal RNA by oligo hybridization.
ChIP	Chromatin immunoprecipitation.
MNase	Micrococcal Nuclease (MNase) digestion.
DNAse	Deoxyribonuclease (DNase) digestion.
Hybrid Selection	Selection by hybridization in array or solution.
Reduced Representation	Reproducible genomic subsets, often generated by restriction fragment size selection, containing a manageable number of loci to facilitate re-sampling.
Restriction Digest	DNA fractionation using restriction enzymes.
5-methylcytidine antibody	Selection of methylated DNA fragments using an antibody raised against 5-methylcytosine or 5-methylcytidine (m5C)MBD2 protein methyl-CpG binding domain : Enrichment by methyl-CpG binding domain.
MBD2 protein methyl-CpG binding domain	MBD2 protein methyl-CpG binding domain.
CAGE	Cap-analysis gene expression.
RACE	Rapid Amplification of cDNA Ends.
MDA	multiple displacement amplification.
padlock probes capture method	Padlock Probes capture strategy to be used in conjuction with Bisulfite-Seq.
other	Other library enrichment, screening, or selection process.
unspecified	Library enrichment, screening, or selection is not specified.

Library Strategy*

ライブラリーの構築手法。

Library Strategy	Description
WGS	Whole genome shotgun.
WGA	Whole genome amplification.
WXS	Random sequencing of exonic regions selected from the genome.
RNA-Seq	Random sequencing of whole transcriptome.
miRNA-Seq	Micro RNA and other small non-coding RNA sequencing.
ncRNA-Seq	Capture of other non-coding RNA types, including post-translation modification types such as snRNA (small nuclear RNA) or snoRNA (small nucleolar RNA), or expression regulation types such as siRNA (small interfering RNA) or piRNA/piwi/RNA (piwi-interacting RNA).
ssRNA-seq	strand-specific RNA sequencing
WCS	Whole chromosome (or other replicon) shotgun.
CLONE	Genomic clone based (hierarchical) sequencing.
POOLCLONE	Shotgun of pooled clones (usually BACs and Fosmids).
AMPLICON	Sequencing of overlapping or distinct PCR or RT-PCR products.
CLONEEND	Clone end (5’, 3’, or both) sequencing.
FINISHING	Sequencing intended to finish (close) gaps in existing coverage.
RAD-Seq	Restriction Site Associated DNA Sequence
ChIP-Seq	Direct sequencing of chromatin immunoprecipitates.
MNase-Seq	Direct sequencing following MNase digestion.
DNase-Hypersensitivity	Sequencing of hypersensitive sites, or segments of open chromatin that are more readily cleaved by DNaseI.
Bisulfite-Seq	Sequencing following treatment of DNA with bisulfite to convert cytosine residues to uracil depending on methylation status.
EST	Single pass sequencing of cDNA templates.
FL-cDNA	Full-length sequencing of cDNA templates.
CTS	Concatenated Tag Sequencing.
MRE-Seq	Methylation-Sensitive Restriction Enzyme Sequencing strategy.
MeDIP-Seq	Methylated DNA Immunoprecipitation Sequencing strategy.
MBD-Seq	Direct sequencing of methylated fractions sequencing strategy.
Tn-Seq	Gene fitness determination through transposon seeding.
FAIRE-seq	Formaldehyde Assisted Isolation of Regulatory Elements
SELEX	Systematic Evolution of Ligands by EXponential enrichment
NOMe-Seq	Nucleosome Occupancy and Methylome sequencing.
RIP-Seq	Direct sequencing of RNA immunoprecipitates (includes CLIP-Seq, HITS-CLIP and PAR-CLIP).
ChIA-PET	Direct sequencing of proximity-ligated chromatin immunoprecipitates.
Hi-C	Chromosome Conformation Capture technique where a biotin-labeled nucleotide is incorporated at the ligation junction, enabling selective purification of chimeric DNA ligation junctions followed by deep sequencing
ATAC-seq	Assay for Transposase-Accessible Chromatin (ATAC) strategy is used to study genome-wide chromatin accessibility. alternative method to DNase-seq that uses an engineered Tn5 transposase to cleave DNA and to integrate primer DNA sequences into the cleaved genomic DNA
Targeted-Capture
Tethered Chromatin Conformation Capture
Synthetic-Long-Read	binning and barcoding of large DNA fragments to facilitate assembly of the fragment
Other	Library strategy not listed.

Library Construction Protocol

DNA の断片化 (DNA fragmentation)、アダプター配列などのライゲーション (DNA ligation) や濃縮 (DNA enrichment) 方法をフリーテキストで記載します。キットを使用した場合はキットの名前とバージョン (あれば) を含めます (例 Illumina Nextera DNA Library Preparation Kit)。

参考: Alnasir J, Shanahan HP. Investigation into the annotation of protocol sequencing steps in the sequence read archive. Gigascience. 2015 May 9;4:23. doi: 10.1186/s13742-015-0064-7. eCollection 2015. PMID: 25960871 (Open Access)

Instrument*

シークエンサの機種を選択します。Sequel IIe の場合、Sequel II を選択し、Library Construction Protocol に Sequel IIe を使ったことを記載してください。

Spot Type*

データファイル中のリード構成を選択します。

Nominal Length*

ペアエンドライブラリを構築した際のインサートサイズ。

Nominal Sdev

インサートサイズの標準偏差

Spot Length*

データファイル中のリードの長さを記載します。ペアードの場合は両リードの合計長 (ギャップ長は除きます) を記入します。

• Spot length が一定の場合、一定の値を記入
• リード長が一定ではない 454 プラットフォームの場合、フロー数を記入
• 不定長の fastq の場合、平均長を記入

Run

Alias

自動的に Run に付けられる名前。アクセッション番号のないオブジェクトは Alias で参照されます。

Title*

Run の短いタイトル。ユニークなタイトルを付けます。 検索結果で表示される Run の短いタイトル。 自動的に “[Sequencing Instrument Model] [paired end] sequencing of [BioSample ID]” というタイトル（例 “Illumina HiSeq 2000 paired end sequencing of SAMD00025741”）が構築されます。 独自のタイトルを入力する場合は、Run の内容をタブ区切りテキストファイルとしてダウンロードし、Title カラムにユニークなテキストを入力しアップロードします。

Experiment Referenced*

Run が属する Experiment を選択します。

Data files for Run

Run に含めるデータファイルを選択します。

Run/Analysis

データファイルが Run もしくは Analysis に属しているのかを指定します。ウェブ画面上では入力できず、属している Run もしくは Analysis の alias が選択されると自動的に入力されます。タブ区切りテキストファイルで入力する場合には、Run もしくは Analysis を入力します。

File Name*

シークエンスデータファイル名。DRA サーバにアップロードされているファイル名が自動的に入力されます。

Run/Analysis contains files*

データファイルが属する Run を選択します。

File Type*

シークエンスデータのファイル形式。fastq ファイルの場合、リード長が一定かそうでないかに関わらず全て “fastq” を選択します。

MD5 Checksum*

データファイルの MD5 チェックサム値。MD5 チェックサム値の取得方法

Analysis

Alias

自動的に Analysis に付けられる名前。アクセッション番号のないオブジェクトは Alias で参照されます。

Title*

Analysis オブジェクトのタイトル。

Description*

Analysis の内容を記述します。

Analysis Type*

Analysis の種類を選択します。アライメントデータは Run に登録します。

Analysis Type	Description
De Novo Assembly	A placement of sequences including trace, SRA, GI records into a multiple alignment from which a consensus is computed..
Sequence Annotation	Per sequence annotation of named attributes and values. Example: Processed sequencing data for submission to dbEST without assembly. Reads have already been submitted to one of the sequence read archives in raw form. The fasta data submitted under this analysis object result from the following treatments, which may serve to filter reads from the raw dataset: - sequencing adapter removal - low quality trimming - poly-A tail removal - strand orientation - contaminant removal.
Abundance Measurement	Identify the tools and processing steps used to produce the abundance measurements (coverage tracks).

Data files for Analysis

Analysis に含めるデータファイルを選択します。

Run/Analysis

データファイルが Run もしくは Analysis に属しているのかを指定します。ウェブ画面上では入力できず、属している Run もしくは Analysis の alias が選択されると自動的に入力されます。タブ区切りテキストファイルで入力する場合には、Run もしくは Analysis を入力します。

File Name*

解析データのファイル名。

Run/Analysis contains files*

データファイルが属する Analysis を選択します。

File Type*

解析データのファイル形式。

File Type	Description
bam	Binary form of the Sequence alignment/map format for read placements, from the SAM tools project. See http://sourceforge.net/projects/samtools/.
tab	A tab delimited text file that can be viewed as a spreadsheet. The first line should contain column headers..
ace	Multiple alignment file output from the phred assembler and similar programs. See http://www.phrap.org/consed/distributions/README.16.0.txt for a description of the ACE file format..
fasta	Sequence data format indicating sequence base calls.The format is simple: a header line initiated with the > character, data lines following with base calls..
wig	The wiggle (WIG) format allows display of continuous-valued data in track format.This display type is useful for GC percent, probability scores, and transcriptome data. See http://genome.ucsc.edu/goldenPath/help/wiggle.html for a description of the Wiggle Track format..
bed	BED format provides a flexible way to define the data lines that are displayed in an annotation track. See http://genome.ucsc.edu/FAQ/FAQformat#format1 for a description of the BED format..
vcf	Variant Call Format. See http://www.1000genomes.org/wiki/analysis/variant%20call%20format/vcf-variant-call-format-version-41 for a description of the VCF format.
maf	Mutation Annotation Format
gff	General Feature Format
csv
tsv

MD5 Checksum*

Analysis データファイルの MD5 チェックサム値。MD5 チェックサム値の取得方法補足

Run データファイル

アライメントデータやシークエンスデータを登録します。

登録するデータファイルの形式について

DRA のメタデータ作成ツールは technical read (アダプター、プライマーやバーコード配列) を記載することに対応していません。 「technical read を含む生データを登録する場合」や「DRA XML schema 中にはあるがツール中には無い項目をメタデータに記載する場合」はメタデータを XML ファイルで登録する必要があります (XML の記載例)。
10x Genomics のデータファイルについては What format of 10x Genomics data should I submit to NCBI GEO/SRA? を参考にしてください。

一般的な形式

プラットフォーム特異的な形式

BAM ファイル

BAM は Sequence Alignment/Map (SAM) ファイル形式のバイナリー圧縮です (詳細は SAMv1.pdf)。BAM ファイルは SAM/BAM 用ツール (例えば samtools) で human-readable なテキスト形式である SAM に変換することができます。BAM はアライメントされなかった unaligned read を含めることができます。DRA はプライマリーデータとして Run に unaligned read を含む BAM を登録することを推奨しています。

SAM はリードの既知リファレンス配列へのアライメントに関する情報と生リードデータを含んだタブ区切りテキストファイルです。 SAM ファイルは二つの主要なセクション、ヘッダーとアライメント（シークエンスリード）セクション、から構成されます。 ここでは「BAM ファイルの DRA への登録」という観点で SAM フォーマットについて説明していることに留意してください（DRA は SAM ファイルでの登録を受付けていません）。 より詳細なファイルフォーマット仕様は samtools ウェブサイトを参照してください。

SAM ヘッダーの例:

@HD    VN:1.4    SO:coordinate
@SQ    SN:CHROMOSOME_I    LN:15072423
UR:ftp://ftp.ncbi.nlm.nih.gov/genbank/genomes/Eukaryotes/invertebrates/Caenorhabditis_elegans/
WBcel215/Primary_Assembly/assembled_chromosomes/FASTA/chrI.fa.gz    AS:ce10    
SP:Caenorhabditis elegans
 
@SQ    SN:CHROMOSOME_II    LN:15279345    
UR:ftp://ftp.ncbi.nlm.nih.gov/genbank/genomes/Eukaryotes/invertebrates/Caenorhabditis_elegans/
WBcel215/Primary_Assembly/assembled_chromosomes/FASTA/chrII.fa.gz     AS:ce10    
SP:Caenorhabditis elegans  
 
@RG    ID:1    PL:ILLUMINA    LB:C_ele_05    DS:WGS of C elegans    PG:BamIndexDecoder
@PG    ID:bwa    PN:bwa    VN:0.5.10-tpx

SAM アライメントの例:

3658435    145    CHROMOSOME_I    1    0    100M    CHROMOSOME_II    2716898    0    
GCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCT
AAGCCT    
@CCC?:CCCCC@CCCEC>AFDFDBEGHEAHCIGIHHGIGEGJGGIIIHFHIHGF@HGGIGJJJJJIJJJJJJJJJJJJJJJJJJJJJHHHHHFF
FFFCCC    RG:Z:1    NH:i:1    NM:i:0
    
5482659    65    CHROMOSOME_I    1    0    100M    CHROMOSOME_II    11954696    0    
GCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCTAAGCCT
AAGCCT    
CCCFFFFFHHGHGJJGIJHIJIJJJJJIJJJJJIJJGIJJJJJIIJIIJFJJJJJFIJJJJIIIIGIIJHHHHDEEFFFEEEEEDDDDCDCCCA
AA?CC:    RG:Z:1    NH:i:1    NM:i:0

BAM ファイル処理

ヘッダーとアライメントセクションは整合的である必要があります: 各アライメントリードの RNAME (リファレンス配列の名前、3フィールド目) はヘッダー中の SN タグ値 (例 CHROMOSOME_I) と一致している必要があります。加えて、アライメントリードの任意フィールドである read group (RG:Z:) はヘッダー中の read group ID と一致している必要があります (例 1)。 また、2フィールド目の FLAG フィールドはデータに対して正しい値がセットされていることが重要です。 DRA ファイル処理パイプラインは不正な FLAG 値を補正しますが、不正な値が多すぎる場合はエラーになり す。DRA はアライメントセクション中の任意かつ非標準のタグ/フィールド値は保持しません。 しかし、ヘッダーセクション全体は保持されます。

SAM フォーマットはリードのリファレンスへの全体マッチを表すイコールサイン (=) の sequence フィールドでの使用、もしくは、アスタリスク (*) の sequence と quality 両フィールドでの使用を許容していますが、DRA 処理パイプラインはこれらの値を認 しません。

予期せぬ表記方法で記されたペアリードは適切に認識されず不適切な SRA ファイル形成をもたらします（ペアリードがシングルフラグメントとして扱われてしまいます）。例えば、リー 名の後ろに :0 と :1 と付されたリードはペアのリード１と２として認識されません。これらの表記方法が使用されている 合、:0 と :1 を削除して同じリード名を使ったほうがよいです。特定のシークエンサから出力される標準的な表記方法は正し 認識されます。 例えば、Illumina のリード名に付された /1 と /2 は標準的な表記方法です。 ペアリードに対して SAM BAM flag に適切なビット値 (multi-segment template 1-bit、first segment 64-bit と last segment 128-bit) が設定されていない場合、もしくは、ペアリードが別々の bam ファイルに分かれ いる場合は適正な SRA ファイルが生成されません。

Run にアライメントデータを登録する場合は、「BAM」、「INSDC, refseq アクセッション番号 OR リファレンス配列マルチ fasta、それから bam SN リファレンス名、との対応表」が必要です。1 Run に 1 bam ファイルを登録します。

Run ではなく Analysis に登録する場合対応表は不要ですが、アライメントされなかったリードを含めた bam を Run に登録することを強く推奨します。

1. BAM

   アライメントデータを BAM フォーマットで登録することができます。BAM ファイルは SAMtools と picard で読み込める形式になっている必要があります。圧縮していない BAM ファイルをアップロードしてください。
   Run の File Type には “bam” を選択します。

2. リファレンスを INSDC/RefSeq アクセッション番号で指定 {#リファレンスを_INSDC/RefSeq_アクセッション番号で指定}

   リファレンス配列がリストにある場合、アクセッション番号.バージョン番号 (例 NC_000001.11) でリファレンスを参照することができます。 配列のバージョン番号は必須です。リファレンスゲノム配列のアクセッション番号はNCBI Assembly で検索することができます。

3. リファレンスをマルチ fasta で提供

   リファレンス配列がリストにない場合、リファレンス配列をマルチ fasta ファイルで提供します。真核生物のオルガネラ配列等短い配列は番号指定に対応していないケースがあります。 Run の File Type には “reference_fasta” を選択します。bam ヘッダーで定義されたリファレンスとマルチ fasta 中の配列は対応表を介して defline 中の配列名でリンクされます。 bam SQ 行 LN タグのリファレンス配列長とマルチ fasta 中の配列長が異なっている場合ワーニングになります。

4. INSDC/RefSeq アクセッション番号とマルチ fasta が混在するケース {#INSDC/RefSeq_アクセッション番号とマルチ_fasta_が混在するケース}

   一部のリファレンス配列がリストにある場合、アクセッション.バージョン番号 (例 NC_000001.11) で一部のリファレンスを指定し、残りのリファレンス配列はマルチ fasta ファイルで提供します。混在しているケースでは、対応表にアクセッション.バージョン番号とマルチ fasta 中の defline 中の配列名を記載します。

5. SN-リファレンス配列の対応表

   ご自分で独自に作成するファイルです。「BAM ファイルヘッダーの SQ 行中の SN 値」と「アクセッション番号 OR リファレンスマルチ fasta ファイル中の配列名」との対応関係をタブ区切りで記載します。 Run の File Type には “tab” を選択します。

BAM ファイルヘッダー

@HD VN:1.0 GO:none SO:coordinate
@SQ SN:chr1 LN:249698942
@SQ SN:chr2 LN:242508799
@SQ SN:chr3 LN:198450956
...

SN-リファレンス配列の対応表。例では SN:chr1 にリファレンス fasta ファイル中の配列 ref1 が対応。

chr1 ref1
chr2 ref2
chr3 ref3
...

リファレンスマルチ fasta。

>ref1
CGGTGGGGGTGGTGTTAGTACCCCATCTTGTAGGTCTGAAACACAAAGTGTGGGGTGTCT
...
>ref2
TCCACCAACGTTAGAAGGCCTTGGCCCCCAGAGAGCCAATTTCACAATCCAGAAGTCCCC
...
>ref3
GTGTGTGACCAGGGAGGTCCCCGGCCCAGCTCCCATCCCAGAACCCAGCTCACCTACCTT
...

SN-リファレンス配列の対応表。例では SN:chr1 に NC_000001.11 が対応。

chr1 NC_000001.11
chr2 NC_000002.12
chr3 NC_000003.12
...

fastq

Run の filetype はリード長が一定かどうかに関わらず fastq を選択します。

fastq の形式。詳しくはNCBI のサイトをご覧ください。

• Quality value は phred 形式にしてください。オフセットはデフォルトで 33 (!) になります。64 (@) の場合は Run XML を編集して ascii_offset=”@” にしてください。
• DRA のメタデータ作成インターフェースは Technical read (アダプター、リンカー、バーコード配列) 記載に対応していないため、Technical read を含める場合は 登録するデータファイルの形式について を参考に technical read が記載された Experiment XML を登録してください (XML の記載例)。Technical reads が除去されている場合、XML 登録は必要ありません。
• ペアードリードは別々の fastq ファイルとして登録してください。リード名にペアリードを同定するためのサフィックス (例 ‘/1’ と ‘/2’) が含まれている必要があります。
• 各リードの最初の行は ‘@’ で始まっている必要があります。
• ベースコールと Quality value は ‘+’ で始まる行で区切られている必要があります。
• fastq ファイルは gzip もしくは bzip2 で圧縮してください。

454

454 からのシークエンスデータは sff ファイル か fastq/bam ファイルで登録します。

sff ファイル中のリード名は、プレート内の位置情報とユニークな run id を反映した情報を含んでいるので、sff ファイルを書き変えないでください。

sffファイル形式はすでに最適化されており、ファイルをさらに圧縮する必要はありません。圧縮していない sff ファイルを送付してください。

sff ファイルに２つ以上のサンプルに由来するデータが含まれている場合は、sff から生成した fastq ファイルをサンプルごとに分割して登録してください。

Illumina Genome Analyzer

Illumina Native Data

Illumina pipeline v1.4 以降

qseq ファイルでの登録は受け付けておりません。fastq/bam ファイルに変換してから登録してください。

BGI-seq

fastq ファイルを登録します。

SOLiD

SOLiD Native Format

SOLiD native ファイルでの登録は受け付けておりません。fastq/bam ファイルに変換してから登録してください。

Ion Torrent

fastq ファイルを登録します。Ion Torrent から出力される bam ファイルは samtools で fastq に変換することができます。Converting BAM to fastq

Helicos Heliscope

quality value をすべて “14” として作成した fastq/bma ファイルを登録します。

Complete Genomics

fastq ファイルを登録します。

Pacific Biosciences

HDF5

Pacific Biosciences は生データを格納するためにディレクトリ様構造を持つ HDF5 ファイルを使用しています。DRA は bas.h5 と bax.h5 両方のファイル形式での登録を受け付けています。RS II から出力されるデータは、１ の Run に *.bas.h5 １ファイルと *.bax.h5 ３ファイルを登録します。ファイル名を変更しないでください。

bam

以下の unaligned bam ファイルの登録をサポートしています。1 Run に 1 bamファイルを指定してください。 unaligned bamの場合、リファレンス配列や対応表の指定は必要ありません。

• *.subreads.bam
• *.ccs.bam
• *.reads.bam

fastq

fastq を Run の filetype で指定してください。

Oxford Nanopore

fastq/bam ファイルを登録します。

キャピラリシークエンサ

fastq/bam ファイルを登録します。

Analysis データファイル

PacBio Base Modification Files

PacBio シークエンサーは塩基配列に加え、塩基のメチル化状態を解析することができ、そのデータを共有することは研究者コミュニティにとって重要です。 例えば、修飾された塩基の正確な位置情報は DNA メチルトランスフェラーゼの特異性の解析に用いることができます。 PacBio の解析ソフトウェア(RS_Modification_and_Motif_Analysis) はこれらの修飾塩基配列情報を抽出し、以下のいくつかのファイルに出力します:

• motif_summary.csv
• modifications.csv
• modifications.gff
• motifs.gff

この解析結果ファイル、原核生物については少なくとも motif_summary.csv ファイルを DRA Analysis として登録することは研究者コミュニティにとって貴重なデータになります。 Run に加え、これらのファイルを Sequence Annotation type Analysis として是非ご登録ください。 サポートが必要な場合は DRA チームにご連絡ください。

NCBI guidelines of PacBio Base Modification Files

BioNano Whole Genome Map Files

BioNano はラベルの位置を染色体レベルで測定し、マッピングデータとして出力します。 マッピングデータはゲノムアセンブリ、構造バリアント検出、アセンブリの改善といった各種ゲノム解析に使われています。 次世代シークエンスデータと組み合わせ、より連続したハイブリッドゲノムアセンブリを得るために活用されています。 BioNano のマッピング・ハイブリッドアセンブリでは以下のファイル群が生成されます。

• CMAP
  • BioNano の cmap ファイルはゲノムマップ中のラベル位置を測定した生データです。 cmap ファイルはタブ区切りテキストファイルでマップ上のラベル位置が開始・終了座標で記されています。
• COORD
  • coord ファイルはハイブリッドアセンブリにおいてコンティグ座標と AGP ファイルを関連付けます。 coord ファイルは cmap の位置情報をリファレンスゲノムにマップしたものです（ギャップが両端に無い場合もあります）。 コンティグは、最も左端にある配列中の左端のラベルまで、最も右端にある配列の右端のラベルまで、トリミングされています。
• XMAP
  • BioNano の xmap ファイルは二つのマップの比較結果です。 xmap ファイルはクエリの cmap とクエリ対象の cmap をアライメントし、比較した結果が記載されています。 xmap はタブ区切りテキストファイルで、マップの開始・終了座標、及び、マップにおけるラベル位置から構成されています。
• SMAP
  • BioNano の smap ファイルはクエリの cmap とクエリ対象の cmap をアライメントし、検出された構造バリアント (SV) が記載されています。 smap はタブ区切りテキストファイルで SV の開始・終了座標、及び、マップにおける SV の位置から構成されています。
• BNX
  • BioNano の bnx ファイルは染色体におけるラベル位置の測定結果、及び、チャンネル毎の Quality score の生データです。

ファイル仕様の最新情報は BioNano GitHub サイト を参照してください。

BioNano データをアセンブルに使用した場合、bnx ファイル、それから、de novo アセンブリに使用した EXP_REFINEFINAL1.cmap と coord ファイルを DRA Analysis として共有することは有益です。DRA では BioNano Genome Map データ用の analysis type と filetype を追加する予定ですが、それまでの間、analysis type “De Novo Assembly” と filetype “tsv” として BioNano データを登録してください (例 DRZ011299, DRZ011300)。

DRA へのデータ登録

次世代シークエンサからのデータを DRA に登録するためにはメタデータとシークエンスデータが必要です。

アセンブルした配列データは DDBJ へ登録します。DDBJ Mass Submission System (MSS) が、次世代シークエンサから生み出されるゲノムや大量データの登録受付先になります。

DRA 登録の流れ

1. 登録アカウントを作成

• D-way 登録アカウントを作成
• 公開鍵と center name をアカウントに登録し、DRA 登録を可能に

2. DRA 登録を作成しデータファイルをアップロード

• 新規 DRA 登録を作成 (アカウントに DRA 登録権限を付与しておきます)
  データは DRA 登録 (Submission) 単位で公開されます。
• BioProject、BioSample、Experiment と Run を投稿する前にデータファイルを scp でアップロード

3. プロジェクトとサンプル情報を登録

BioProject (Study)

• 研究プロジェクトの内容
• 「なぜ」そのサンプルをシークエンスしたのか

BioSample (Sample)

• 生物学的、物理的にユニークなサンプル
• 「何を」シークエンスしたのか

メタデータをタブ区切りテキストファイルで登録できます

4. Experiment と Run を登録

DRA Experiment

• 特定のサンプルから構築したライブラリーについての説明
• 「どのように」シークエンスをしたのか
• 複数の Experiment は一つの Sample を参照できるが、逆はできない

DRA Run

• Experiment と Run を投稿した後、データファイルの検証処理を開始
• Run にリンクしている全てのデータファイルは 1 つの SRA ファイルにマージされます

5. シークエンスデータファイルの検証処理

• シークエンスデータファイルをアーカイブ用 SRA ファイルに変換する処理を開始
• 検証処理を通った登録が査定されアクセッション番号が発行される

DRA へのデータ登録方法

アカウント取得から BioProject/BioSample/DRA の登録まで全てをカバーした TogoTV (22分12秒、作成:2019年)

BioProject/BioSample/DRA の登録方法 (6分50秒、作成:2015年)

登録アカウント

日本 DNA データバンク (DDBJ) センター は BioProject 、BioSample と DRA への登録をユーザアカウントで管理しています。

登録アカウントマニュアルに従い、登録アカウントを取得し、DRA 登録権限をアカウントに追加します。

データ構成

オブジェクトの構成例はこちらをご覧ください。 Submission 中では１つの BioProject のみ登録できます。 BioSample、Experiment、Run は複数登録することができます。サンプル数を中心に考えるとデータを構成しやすくなります。

ここでは３つのバクテリア菌株のゲノム配列をペアーエンドでシークエンスしたデータを登録する場合を例に説明します。

新規登録の作成

D-way (https://ddbj.nig.ac.jp/D-way) にログインします。上部の DRA メニューから DRA のデータ登録一覧ページへ進みます。

[New submission] をクリックし、新規登録を作成します。
同時に、データ受付サーバ (ftp-private.ddbj.nig.ac.jp) に対応するディレクトリがホーム直下に作成されます。データファイルはこのディレクトリにアップロードします。

登録のステータスには以下のものがあります。”submission_validated” と “data_error” になった登録が査定されます。

DRA 登録のステータス一覧

シークエンスデータのアップロード

メタデータを作成する前に登録するシークエンスデータファイルをアップロードします。サブディレクトリは作成しないでください。先にメタデータを作成する場合は適当なファイルをアップロードしてください。

$ scp -i private-key-for-auth <Your Files> <D-way Login ID>@ftp-private.ddbj.nig.ac.jp:~/<DRA Submission ID>

Enter passphrase for key '/home/you/.ssh/id_rsa': 

$ ssh -i private-key-for-auth <D-way Login ID>@ftp-private.ddbj.nig.ac.jp

Enter passphrase for key '/home/you/.ssh/id_rsa':

[test07@dradata ~]$

ls cd cp mv rm more mkdir tar gzip gunzip bzip2 bunzip2 zip unzip

> scp -i private-key-for-auth <Your Files> <D-way Login ID>@ftp-private.ddbj.nig.ac.jp:~/<DRA Submission ID>

Enter passphrase for key 'private-key-for-auth': 

メタデータの登録

メタデータはウェブツールで登録する方法とメタデータ登録用エクセルを使って登録する方法の二通りがあります。
メタデータのオブジェクト数が100を超えるような多件数であり、ウェブツールの応答が遅く登録作業が困難な場合、エクセルを使った登録方法を推奨します。

ウェブツールでのメタデータ作成

作成した新規登録をクリックし、登録詳細ページへ移動します。

登録詳細ページ中の [Enter / Update metadata] をクリックし、メタデータ作成ツールを起動します。

新規登録に対応するファイルサーバのディレクトリにデータファイルがアップロードされていない場合、下記のようなメッセージが表示されます。データファイルをアップロードします。

先にメタデータを作成しておきたい場合は、適当なファイルをアップロードしておきます。

メタデータは Submission、BioProject、BioSample、Experiment、Run、Analysis (任意) オブジェクトで構成されています。 メタデータ作成ツールの画面上で、各項目に内容を英語で入力していきます。

入力画面で必須項目は赤色のアスタリスク記号 (＊) で示されています。

画面の下部にある [Save] や次のオブジェクトへの移動ボタンをクリックすると入力内容がチェックされます。エラーが表示された場合は内容を修正してください。

Submission

公開予定日を4年以内に設定します。 登録者には実作業者と責任者を含む複数名を指定してください。登録者情報は一般に公開されません。

Study

[register a project] をクリックして新規にプロジェクトを登録するか、もしくは、自身のアカウントで登録したプロジェクト一覧から、該当するものを1つ選びます。 従来通りプロジェクトを BioProject から個別に登録することもできます。

複数のプロジェクトを登録することはできません。 自身のアカウント以外で取得されたプロジェクトを参照したい場合は DRA チームに連絡してください。

BioProject を新規登録する場合は左のタブから順番に内容を英語で入力していきます。二段目が BioProject になります。登録者などの情報は DRA Submission で入力した内容が引き写されます。

各項目の説明は BioProject Handbook を参照してください。

個人識別符号に該当するデータを DRA/GEA/DDBJ へ登録するためには、 NBDC ヒトデータ審査委員会事務局に登録予定データの提供申請書を提出し、承認されている必要があります。
承認されている場合、BioProject の「Private comments to DDBJ staff」に提供申請 ID (例 J-DS000001-001) を記入します。

ゲノムをアセンブルするプロジェクトでは、アセンブリに対してユニークな Locus tag prefix が必要です。

[Project data type=”Genome Sequencing” or “Metagenome”] AND [Capture=”Whole”] AND
[Objective=”Sequence” or “Annotation” or “Assembly”] で Locus tag prefix 入力ボックスが現れます。

プレフィックスには３-12文字の英数字のみを含めることができます。先頭は英文字にします。数字は２文字目以降で使用できます (例: A1C)。 シンボル (-*) を含めることはできません。プレフィックスとタグの値はアンダースコア ‘’ で区切ります (例: A1C_00001)。

WGS の登録のみで prefix を使用しない場合は入力欄を空にしてください。

prefix は NCBI が一括管理しています。プロジェクトを投稿する段階で、NCBI に prefix を予約しにいきます。予約済みの場合はエラーになるので、再度希望する prefix を入力して投稿します。

最後の “OVERVIEW” で内容を確認したうえで [Submit BioProject] をクリックして投稿します。

BioProject を投稿した後、Study では投稿したプロジェクトが選択されている状態になります。

Sample

[register sample(s)] でサンプルを新規に登録するか、もしくは、自身のアカウントで作成した BioSample 一覧から、該当するものを全て選択します。

一つのチェックボックスを選択し、続いて Shift キーを押しながら次のボックスをクリックすると、サンプルが範囲選択されます。 また、カラム上部のボックスにテキストを入力しサンプルを絞った状態で [Select filtered BioSamples] をクリックすると、フィルターされたサンプルが全て選択されます。

自身のアカウント以外で取得された BioSample を参照したい場合は DRA チームに連絡してください。

BioSample を新規登録する場合は左のタブから順番に内容を英語で入力していきます。二段目が BioSample になります。登録者などの情報は DRA Submission で入力した内容が引き写されます。

各項目の説明は BioSample Handbook を参照してください。

“SAMPLE TYPE” でサンプルの種類を選択します。

Sample type については BioSample Handbook を参照してください。

Sample type に応じた属性入力用テンプレートファイルをダウンロードします。

必須・任意・ユーザが定義した一連の属性でサンプルを記述することが、登録作業の中心になります。

BioSample 属性の説明。独自の属性を追加したい場合は、右端に属性名と値を追加します。 ヒト由来サンプルについては Human Sample も参照してください。

サンプル属性ファイルの記入例

ファイルはタブで区切られているので、エクセルなどの表計算ソフトで編集することができます。一行目には属性名が記載されています。* が必須属性です。

二行目以降に１行１サンプルで入力していきます。BioProject アクセッション番号が発行されていないプロジェクトの場合 bioproject_id には PSUB 番号を入力します。値がない属性には、適宜 “missing” や “not applicable” などを記入します。

Biological replicate は別々の BioSample として登録します。登録に必要なサンプル数は FAQ: 塩基配列登録にはいくつのサンプルが必要ですか? を参照してください。

サンプル属性ファイルを選択して Continue をクリックすると validator がルールに基づいてアップロードされたファイルをチェックします。Error や Warning メッセージが表示された場合は必要に応じて内容を修正して再度アップロードします。Error が解消されない限り次のタブに進んで内容を submit することはできません。

Validation ルールとメッセージについては Validation rules ページをご覧ください。

最後の “OVERVIEW” で内容を確認したうえで投稿します。”ATTRIBUTES” で属性ファイルをダウンロードすることができます。

BioSample を投稿した後、Sample では投稿したサンプルが選択されている状態になります。

Experiment

初期状態では選択された BioSample と同数の Experiment と Run が自動生成され、それぞれの BioSample - Experiment - Run がリンクされています。Experiment/Run の自動生成は Experiment タブの初回表示時にのみ行われ、自動生成後に BioSample を選択し直した場合には自動生成されません。

下の例では３つの Experiment が自動的に作成され、それぞれがユニークな BioSample を参照しています。

[Add new Experiment(s)] で Experiment の追加、右端の [Delete] で Experiment の削除をすることができます。Run から参照されている Experiment は削除することができません。

タブ区切りテキストファイルでまとめて Experiment を作成することができます。まず [Save] で内容を保存し、Alias (例 test07-0040_Experiment_0001 ～ 0003) を確定します。Alias はアクセッション番号が発行されるまでのオブジェクトの仮の名称になります。

[Download TSV file] で内容をタブ区切りテキストファイルとしてダウンロードします。

エクセルなどの表計算ソフトでメタデータをまとめて作成することができます。

“Title” は空であれば、自動的に “[Sequencing Instrument Model] [paired end] sequencing of [BioSample ID]” というタイトル（例 “Illumina HiSeq 2000 paired end sequencing of SAMD00025741”）が構築されます。独自の Title を付けたい場合は、”Title” 欄にテキストを入力します。

“BioSample Used” は “SSUB BioSample Submission ID” : “Sample name” (例 SSUB003746 : Genome bacteria strain A) で指定します。”:” の両側の空白は無視されます。

入力内容をタブ区切りテキストファイルとして保存し、選択したうえで [Upload TSV file] をクリックして読み込ませます。

Run

初期状態で選択された BioSample と同数の Experiment と Run が作成されており、それぞれの Run はユニークな Experiment を参照しています。

下の例では３つの Run が作成され、それぞれが作成された Experiment を参照しています。

[Add another Run(s)] で Run の追加、右端の [Delete] で Run の削除をすることができます。ファイルが紐づいている Run は削除することができません。

[Save] で Run の Alias を確定すると、内容をタブ区切りテキストファイルでまとめて編集できるようになります。

[Select data files for Run] で Run とアップロードしたデータファイルをリンクする画面に移動します。

ディレクトリにアップロードされているファイル一覧が表示されます。ファイルが属すべき Run の Alias を “Run/Analysis contains files” で選択します。

続いて File type と MD5 Checksum を入力します。タブ区切りテキストファイルでまとめて内容を入力する場合、データファイルを区別するため Run に登録するファイルの左端の Run/Analysis に “Run” と入力します。

Analysis (任意) が不要な場合は [Submit / Update DRA metadata] をクリックし、メタデータを投稿します。

メタデータの投稿後、データファイルを検証する処理を開始します。”Validate uploaded data files to finish this submission” をクリックします。

Analysis (任意)

必要な数の Analysis を作成後、それぞれの Analysis について詳細を入力します。不要な Analysis は [Delete] ボタンで削除することができます。

[Select data files for Analysis] ボタンをクリックし、ファイルと Analysis を結び付ける画面に移動します。

データファイルの属性を入力し、Analysis とリンクさせます。タブ区切りテキストファイルでまとめて内容を入力する場合、Analysis に登録するファイルを区別するために左端の Run/Analysis に “Analysis” と入力します。

[Enter / Update metadata] をクリックして内容を投稿し、データファイルの検証に進みます。Analysis 用のファイルは md5 しかチェックされません。

メタデータ登録用エクセルを使った登録方法

メタデータの件数が100を超えるような多件数であり、ウェブ登録ツールの応答が遅く、登録作業が困難な場合、エクセルを使って登録します。
メタデータ登録用エクセルを記入する前に以下を済ませておきます。

• BioProject を登録
• BioSample を登録
• DRA Submission の新規作成
• シークエンスデータファイルのアップロード

メタデータ登録用エクセルをダウンロードし、内容を記入します。記入例

続いて、メタデータ登録用エクセルから生成した XML を登録、もしくは、メタデータ登録用エクセルを担当者に送付します。

メタデータ登録用エクセルから 生成した XML を登録

コンテナイメージを使ったコマンドライン操作に慣れている方はこちらの方法で登録してください。

メタデータ登録用エクセルとプログラムを使ってエクセルから XML を生成し、XML を D-way からアップロードすることで多件数を一括で登録することができます。 GitHub に記載されている手順に従い、メタデータを記入したエクセルからコマンドラインツールで Submission, Experiment, Run XML を生成します。

D-way にログインし、対象 DRA submission のページに移動します。
以下は DRA submission “test07-0040” に Submission/Experiment/Run XML をアップロードする例です。

処理に時間がかかる場合、ブラウザーがタイムアウトしますが、システムでは登録処理が続いているため、ステータスが metadata_submitted になるまで放置します。一日経ってもステータスが変わらない場合は問い合わせてください (FAQ)。
ステータスが metadata_submitted になったことを確認し、データファイルの検証に進みます。
タイムアウトした後、何度も XML をアップロードすることは避けてください。
状況が分からなくなった場合、DRA に問い合わせてください。

メタデータ登録用エクセルを担当者に送付

コマンドライン操作に不慣れな方はエクセルを担当者にメール添付でお送りください。

対象の DRA submission ID を添え、メール添付でエクセルファイルを次のアドレスに送付します。

DRA 担当者がエクセルから XML を生成し、対象の DRA submission にアップロードします。
完了後、担当者が登録したメタデータの内容をファイルで返送します。内容を確認後、問題が無ければデータファイルの検証処理に進みます。

データファイルの検証

転送したシークエンスデータファイルをアーカイブ用 SRA ファイルに変換する過程で MD5 値とシークエンスデータの整合性が検証されます。

“Data Files” に「Run と Analysis (任意) のメタデータに記載されているファイル名」と「データ受付サーバにアップロードされたファイル名と MD5 値」が一覧表示されます。

メタデータに記載されている全てのファイルがアップロードされている場合、[Validate data files] がクリックできる状態になります。

アップロードされているファイルのうちメタデータに記載されていないものは無視されます。

登録詳細画面中の [Validate data files] をクリックし、シークエンスデータファイルの検証処理を開始します。

検証処理は以下の順番で実行されます。

MD5 Check

メタデータに記載されている MD5 値と、実際のファイルの MD5 値とが一致するかチェックされ、一致しない場合はエラーが表示されます。 エラーの場合は [Enter / Update metadata] からメタデータを修正するか、ファイルを再アップロードしてください。

Data Check

シークエンスデータからアーカイブ用の SRA ファイルを作成します。この過程でシークエンスデータファイルのフォーマットとメタデータとの整合性が検証されます。 作成に失敗するとエラーが表示されます。エラーが発生した場合は [Stop validation] をクリックして検証処理を停止した後、メタデータを修正、もしくは、データファイルを再アップロードします。 ファイルサイズが大きい場合は検証処理に時間がかかります。

問題が無ければ登録のステータスが “submission_validated” になり、検証 されたファイルが別ディレクトリに移されます。

登録のステータスが “submission_validated” になると DRA スタッフが査定を始めます。 DRA スタッフから指示があるまで D-way を操作せずにお待ちください。

data_error になった場合

検証処理のいずれかのステップでエラーになると、ステータスが “data_error” になります。 [Stop validation] をクリックして検証処理を停止してから、メタデータの編集やファイルの再アップロードを行い、再度 [Validate data files] をクリックしてください。

FAQ: データファイルの validation エラーへの対処方法は？

ステータスが “metadata_submitted” に戻るので、必要に応じてメタデータの修正、データファイルの再アップロードを行います。

アクセッション番号の発行

メタデータとシークエンスデータに問題がなければ、プレフィックス DR (Submission (DRA)、Experiment (DRX)、Run (DRR)、Analysis (DRZ)) のアクセッション番号が発行され、ステータスが “completed” になります。アクセッション番号は “Component” に表示されます。

また、Submission に記載されている登録者には、アクセッション番号がメールで通知されます。

アーカイブ済み fastq/SRA ファイルの期間限定アクセス提供

登録者がアーカイブ済みデータファイルを確認できるようにするため、アクセッション番号が発行された Run の fastq/SRA ファイルはファイルサーバ (ftp-private.ddbj.nig.ac.jp) 上の登録者がアクセスできる場所にコピーされます。 ディスク容量の圧迫を防ぐため、コピーされたファイルは作成から一ヶ月後に自動的に削除されます。

• (submitter’s home)/report/dra/(DRA submission accession)/fastq/
• (submitter’s home)/report/dra/(DRA submission accession)/sra/

例

• /report/dra/DRA000001/fastq/DRR000001.fastq.bz2
• /report/dra/DRA000001/fastq/DRR000002.fastq.bz2
• /report/dra/DRA000001/fastq/DRR000002_1.fastq.bz2
• /report/dra/DRA000001/fastq/DRR000002_2.fastq.bz2
• /report/dra/DRA000001/sra/DRR000001.sra
• /report/dra/DRA000001/sra/DRR000002.sra

データ公開

登録データのデータベースへの取り込みが完了するとステータスが “confidential” になり、即日公開が指定されている場合以外は、以下の原則に則り、データが公開されるまで非公開で保持されます。

DRA では以下の場合にデータを公開しています。

• A. 登録者から公開依頼の連絡を受けた場合
• B. 登録者がアクセッション番号を公表した事を確認した場合。
  登録者以外の第三者が過失により他人のアクセッション番号を論文や学会等で公表した場合などは該当しません。
  公表とは、アクセッション番号を不特定多数の対象に知らせる行為 (学術論文、学会、インターネット、報道機関などを媒体とした発表) を指します。
• C. 公開予定日が到来した場合
• D. DRA Run (DRR) アクセッション番号を引用している DDBJ/EMBL-Bank/GenBank レコード (TSA、WGS, CON など) が公開された場合

B, C または D の場合は登録者の了解がなくても例外なく公開します。D の場合、引用されている DRR 番号を含む DRA 登録全体が公開されます。

FAQ: BioProject/BioSample/塩基配列データの連動公開の仕組みは？

データが公開されると、数日間のうちに DDBJ Search で検索可能になり NCBI SRA にミラーリングされます。

DRA ファイルサーバに存在する fastq ファイル一覧: fastqlist

FAQ: データ公開の依頼方法は？

登録の更新

各データベースにおける更新方法

公開予定日の変更

公開予定日は最長で4年後まで指定でき、繰り返し更新することができます。Hold Date の [Change] をクリックし、公開予定日変更ページに移動し、予定日を変更します。

データを即日公開する場合は “Release Now” をクリックします。作業した日の深夜に公開処理が実施され、ftp にデータファイルが公開され、数日以内に DRA 検索システムにインデックスされます。

メタデータの更新

[Enter / Update metadata] からメタデータを編集します。編集不可項目はブロックされています。 必要な編集が完了後、メタデータ作成ツールの [Submit/Update DRA metadata] ボタンをクリックし、更新内容を DRA データベースに反映させます。

関連する文献が公表された場合は、pubmed ID を含む文献情報を添えて BioProject チーム に追加を依頼します。

データファイルの追加

DRA では登録が完了した Run データファイルの追加・変更はできません。別の Submission で新しく Experiment-Run のセットを追加し、既存の BioProject や BioSample を参照することでデータを追加します。

Run と同様登録が完了した Analysis データファイルの追加・変更はできません。Analysis を差し替える場合は DRA チームにご連絡ください。

D-way にログインし、[New submission] をクリックし、新規 DRA 登録を作成します。 作成した新規登録でデータを追加する対象の BioProject と BioSample を選択します。

• 新たにサンプルを追加する場合は BioProject を共有し、新規登録で BioSample - Experiment - Run を追加します。
• 既存のサンプルにデータを追加する場合は BioProject と BioSample を共有し、新規登録で Experiment - Run を追加します。

続いて DRA Experiment と Run タブで、Experiment、Run オブジェクトとデータファイルを追加します。

メタデータを submit し、ファイルの検証処理を実行します。追加された Experiment/Run オブジェクトに対してアクセッション番号が発行されます。

登録が完了した DRA 登録にデータファイルを直接追加する場合は DRA チームに連絡してください。

オブジェクトの削除

Experiment、Run や Analysis などのオブジェクトを削除する場合は DRA チームに連絡してください。

補足: MD5 値

MD5 (Message Digest Algorithm 5) はハッシュ関数であり、与えられたファイルに対してハッシュ値 (MD5値、32桁の英数字) を出力します。ファイルが破損していると MD5 値が変化します。 DRA では、到着したファイルの MD5 値の一致をチェックすることで、ファイルの破損がないかどうか確認しています。

$ md5sum file1 file2
9F6E6800CFAE7749EB6C486619254B9C file1
B636E0063E29709B6082F324C76D0911 file2

$ md5 file1 file2
9F6E6800CFAE7749EB6C486619254B9C file1
B636E0063E29709B6082F324C76D0911 file2