「NGSデータをIGVブラウザで見るまで」を以前こちらで紹介したのは2014年。体感時流は年齢に比例して早くなるもので中年のオッサンにとってはついこの間の様な気もしますが、４年といえば結構な時間。AKBで顔がわかるのはさしこだけになってしまいましたし、tophatもGalaxyから卒業してしまいました。時代に取り残されないようバージョンアップをしなくてはということで、サルでも分かるマッピングの2018年版、略してサルマップ2018です。大きな流れとしては（１）Aspera connctでsraを落としてきてsamtoolsを使ってfastqに変換。HiSAT2でマッピングしてsamtoolsを使ってIGVでブラウザするまで。（２）featureCountsを使って遺伝子ごとのカウントのファイルを作成。edgeRで標準化してggplot2で色々解析するまで。の二本立てでいこうと思います。個々の作業は理研の二階堂さんのページを参考にさせていただきました。

2021年3月22日 追記: PubMedが新しくなりRSSの仕様が変更されたことにともない、スクリプトが動かなくなっていましたので、一部加筆修正しました。ただし付け焼き刃的な対策なので、いつかまた動かなくなってしまうかもしれません。

さらに追記: Slackの仕様も変わり、Legacy Tokenが新規発行できなくなっていますので、下記の方法では、新たに設定することができません。が、ありがたいことに、SlackおよびPubMedの仕様変更に合わせて改造してくださった方がいらっしゃるようです。今後はそちらをご活用下さい!

皆さん、日々山のように出版され続ける新しい論文をどうやってチェックしていますか? PubMedにはRSSフィードの機能があるので、ある条件で検索した結果を自動的に配信させることができるのですが、一番知りたい情報である「タイトル」「著者」「雑誌名」の3つをいい感じで一覧表示できるRSSリーダーが見つかりません(昔はSafariに付いていたRSSリーダーやGoogle謹製のRSSリーダーが結構良かったのですが、いつの間にかそれらは無くなってしまいました)。そこで、みんな大好きSlackにPubMedのRSSフィードを自動的に流すことにしてみました。

ENCODEのshRNA-RNAseqはこりゃ便利だということでここのところENCODEコンソーシアムから頼まれたわけでもないのにウルトラ超絶宣伝していますが、このデータをよくよく見てみると、実験群ごとにだいぶ様子が違うのに気付きます。例えば、下の図はとあるふたつのコントロール実験（control shRNAでノックダウンした実験）におけるACTBのリードの張り付き方を見たものですが、、、

リードの張り付き方のパターンがえらく違います。

　恥ずかしながら、僕自身、ウェットの研究者がピンセットとピペットマンだけ握っていれば良い時代はとうの昔に終わったことに気づいたのは、実はつい最近。今更データサイエンティストを目指すのもなんだしなあ、、、と半ば諦めてたところはあるのですが、ちょろっと触ってみるとこれが意外と楽しいんですね。HelloとShitとGreatだけの英会話みたいなレベルでも、意思疎通できるというのはそれだけで喜びを与えてくれるものです。それに加えてI love youだけ覚えれば人生の90％のミュニケーションは事足ります。というわけで、I love you R！

もう10年ほど前になりますが、Gomafuの核内局在因子やXistの染色体極在化因子を探そうとして僕らがとったアプローチは、RNA結合蛋白質に対してデザインしたカスタムsiRNAライブラリーを用いて片っ端からノックダウンしていって、その効果を調べて真打を探す、というものでした。HGWさんのたぐいまれなる強運もあり、このアプローチは大成功を収めたわけですが、ENCODEのshRNA-RNAseqのデータが使える今日だったら、実験を始める前からデータは手許にある！ということで、かなりの部分をショートカットすることができるわけです。というわけで、R初心者によるR講座第ウン段。今回は、自分の興味のある遺伝子の転写産物が、特定のRNA結合蛋白質をノックダウンした時にどのような変化をするのか、ということを可視化する方法を紹介します。まあ、そのうちUCSC Genome Browserでもすぐに見れるようになるんでしょうが、ちょっとだけ先を行こうということで、、、

ベンチ屋がやるなんちゃってバイオインフォにとって欠かせないのは手軽に解析環境をインストールすることのできるMacOSとhomebrewなわけですが、homebrewでカバーできないツールも結構あります。ENCODEのデータがリリースされたのをきっかけにどりゃどりゃGomafuちゃんでも見てみようかと思った時に、一つあたり計算に数時間かかるCufflinksに多数のデータを突っ込むのは、ラボのMacProレベルでは小錦を自転車に乗せるようなものでとても無理。もっと手軽なカウントツールとしてHT-seqやらSubreadのfeatureCountやらあるわけですが、brew install HTseqやbrew install subreadではまだサポートされてないのでインストールできません。

タイトルの通りですが、Gene YeoさんやBrenton Graveleyさんが中心となって進めているENCODEのRNA結合蛋白質関連のプロジェクト論文がbioRxivにアップされました。

とにかくこれだけのデータが公共データベースで誰でも使えるようになっているというのがすごい！なんせ、200近いRNA結合蛋白質についてshRNAを用いたノックダウンのRNAseqのデータが手に入り、しかも半分ぐらいのものに関してはeCLIPのデータがセットになってるんですよ。これって一つのRNA結合蛋白質についてやるだけでも、普通に一つのラボが何年もかけてやる実験じゃないですか。多くのものについては免疫染色のデータもついてます。本当に一昔前なら信じられない状態です。今風に言うなら、やばい、やばい、やばい状態です。細胞はK562とHepG2と限られていますし、必ずしも自分の興味あるRNA結合蛋白質が全て含まれているわけではありませんが、特定のRNA結合蛋白質をノックダウンして発現量が変わるのかな、スプライシングのパターンが変わるのかな、転写開始位置やpoly-A付加位置が変わるのかな。これら全ての疑問は、ベンチで実験しなくても、データを解析するだけで答えが出る！！このデータを元にした再解析をするだけで、立派な論文が書けそうです。やってみようかな。いや、是非やってみましょうよ！

というわけで、eCLIPとshRNA-RNAseqのbamファイルを遺伝子の名前と細胞の名前つきでダウンロートできる簡単すぎる恥さらしでもちょっと役にたつかもしれないシェルスクリプト用意しました。ENCODEのサイトにも一括ダウンロードできるファイルがあるのですが、前記事でも触れた通り、Accession#しかファイル名がないので、直感的に使いにくいんですね。とりあえずダウンロードしておけば、好きな時にいくらでもデータにアクセスできます。そのうちUCSC Genome Browserにリンクがつくのでしょうが、それまで待てない！という感じですね。

しかし全部ダウンロードすると10TBぐらいにはなりそう。HDDをまず買いに行かなければ、、、

札幌はガトーキングダムで開かれた内藤カンファレンス。自宅から車で40分ほどにもかかわらず3泊4日もすることになり家族が悲しむかと思いきやむしろ喜んでいるようだったのでちょっぴり悲しくなりつつも、今回のテーマはずばり、"Noncoding RNA: Biology, Chemistry, & Diseases"。GordonやKeystoneに引けを取らない豪華な海外ゲスト。超ウルトラスーパーデラックスエキサイティングでグレートでプロジーヂャスなミーティングは非常に熱気に満ちていて、興味のある話はいくら聞いていても飽きないということを本当に実感した4日間でした。

東大富田研の山下です。最近、結晶化実験に対してRを用いたラボハックを試み、ささやかな達成感を得られたので紹介させていただきます。

私たちの研究室の主要な実験手法のひとつはＸ線結晶構造解析です。なにはなくとも生体高分子(タンパクなど)の結晶が必要で、結晶ができるかどうかが主要課題です。結晶は精製したサンプルを沈殿剤と混ぜて溶解度を下げ、析出させることで作成します。タンパクは別にきれいだから結晶になるわけではなく、不定形に沈殿するよりも周期的に並んだ状態(=結晶)のほうが自由エネルギー的に有利になりやすい、という現実的な理屈がそこにはあります。とはいえ分子のフレキシビリティや安定性などとの兼ね合いもあるので単純に成否を判断することはできません。むしろ結晶化予測に関してはいまだに人知はおろか計算機でも及ばず、数多くの沈殿剤条件(pH, 沈殿剤や添加する塩の種類や濃度)を試して良いものを探るというスクリーニング実験が必須となっています。

ピペットマンとピンセットばかり握っていたベンチ屋がMoistureを目指す時、越えなければいけない最初の壁がTerminalのコマンドライン、次の壁がRでしょうか。最近、海の向こうでは壁を作るのがはやってるみたいですが、壁はピンクフロイドだけにしておいて、目指せMoiture、サルでもできるRの続きです。