2010-01-18

情報系の人が生命科学者のモチベーションを知るのに有用かもしれない統合TV 10選

おまけ．

2010-01-08

TM値計算用スクリプト

bioinfo

BioRubyの中に見つからなかったので，書きました．
BioPHPのhttp://www.biophp.org/minitools/melting_temperature/を参照，というかコピーしています．(ライセンスはGPL)
コマンドラインから引数に配列を与えます．

% ruby tm.rb TTGCTTTCGAACAGTAGACAACATTTGAGCGTTTACATCATTTAGACACAGAAGAAACAT
{:tm=>67.6759141696788, :enthalpy=>-479.6, :entropy=>-1375.14333912341}

#!/usr/bin/ruby

require 'pp'

def nnmethod(seq, conc_primer, conc_salt, conc_mg)
  array_h = Hash.new
  array_s = Hash.new
  
  # enthalpy values
  array_h = {
    "AA" => -7.9, "AC" => -8.4, "AG" => -7.8, "AT" => -7.2,
    "CA" => -8.5, "CC" => -8.0, "CG" => -10.6, "CT" => -7.8,
    "GA" => -8.2, "GC" => -10.6, "GG" => -8.0, "GT" => -8.4,
    "TA" => -7.2, "TC" => -8.2,  "TG" => -8.5, "TT" => -7.9 }
  
  # entropy values
  array_s = {
    "AA" => -22.2, "AC" => -22.4, "AG" => -21.0, "AT" => -20.4,
    "CA" => -22.7, "CC" => -19.9, "CG" => -27.2, "CT" => -21.0,
    "GA" => -22.2, "GC" => -27.2, "GG" => -19.9, "GT" => -22.4,
    "TA" => -21.3, "TC" => -22.2, "TG" => -22.7, "TT" => -22.2 }

  # effect on entropy by salt correction; von Ahsen et al 1999
  # increase of stability due to presence of Mg
  salt_effect = (conc_salt/1000.0) + ((conc_mg/1000.0)*140)
  # effect on entropy
  h = 0.0
  s = 0.368 * (seq.length-1) * Math.log(salt_effect)

  # terminal corrections. Santalucia 1998
  firstnucleotide = seq[0,1]
  if firstnucleotide == "G" || firstnucleotide == "C"
    h += 0.1
    s += -2.8
  elsif firstnucleotide == "A" || firstnucleotide == "T"
    h += 2.3
    s += 4.1
  end
  lastnucleotide = seq[-1,1]
  if lastnucleotide == "G" || lastnucleotide == "C"
    h += 0.1
    s += -2.8
  elsif lastnucleotide == "A" || lastnucleotide == "T"
    h += 2.3
    s += 4.1
  end
  # compute new H and s based on sequence. Santalucia 1998
  0.upto(seq.size-2) do |n|
    nn = seq[n,2]
    h += array_h[nn]
    s += array_s[nn]
  end
  tm = ((1000.0*h)/(s+(1.987*Math.log(conc_primer/2000000000.0))))-273.15
  return {:tm=>tm, :enthalpy=>h, :entropy=>s}
end

pp nnmethod(ARGV.shift, 200, 50, 0)

2009-11-04

IEEE BIBM 2009 の講演内容メモ

bioinformatics

ちなみに来年は，香港, 12/18-21 です．http://www.math.hkbu.edu.hk/BIBM2010/

ーーーーーーーー
Chris Sander

物理からガンの生物学へ- ガンの細胞動態は複雑である．
複雑なデータから単純なモデルを導出したい．
- http://www.ncbi.nlm.nih.gov/pubmed/18766176
- タンパク質の量を観測.
- Network Phrarmacology: design combinatorial therapy
  - Wei Quing Wang, Rosen Lab. 2007-2008 (MCF7 cell, combination of 7 drugs)
- 実験と理論の中庸をnon-liner function'の最小化問題として解く
薬の組み合わせ % by Niklasu Schultz
- the cancer genome atlas (TCGA)を利用
- sequencing, copy number, methylation, expression, miRNA, data storage and distribution
- 〜5 years のプロジェクト
- 著者の順番に寄らない，電話すれば全てのデータを渡すコラボレーションを作る
- 25 samples, 3billion datapoints
- coding regionのSNPsは，タンパクの3次元構造を調べる．
Biological knowledge を，計算に入れる. 計算結果と何が同じで，何が違うのか
- BioPAX, GO representations
- copy number を pathway に入れる
- www.cbio.mskcc.org/cancergenomics
- 部分パスウエイの変化によるガンの発生
- ガン特異的に働くネットワーク
- 論文に出たネットワークを基にネットワークを描く

ーーーーーーーーーーーーー
Mark Gastein

スライドを飛ばしながら講演していたので，追てない．

コストとテクノロジー問題．コストをかければできるけど，技術を使って安く済ませたい．どれだけ効率よくできるか．
ショートリードの三つの利用法：pair read, split read (intron-exonの境界を跨いだリード)，depth
プログラム紹介：seqnode
- HMMでsequenceをパラメータ化
- sequence biasが変化している所を計測
プログラム紹介：ArrayCGH
- 統計量を定義してcopy numberのmean shift を観測
プログラムの紹介：PEMer
- simulationからsequence biasを計測する

ーーーーーーーーーーー
Trey Ideker

Working Map
- 入力：進化，分子プロファイル，転写，"進化とタンパク質ネットワークのアラインメント"
- 出力：病気，病理，遺伝子ファミリーの病気，"ネットワーク形式のGWAS"
Double deletionの影響を予測し，コロニーサイズを調べた (Kelly, Nature Biotech, 2005)
- 発展系：Functional maps of protein complexes. PLoS Comp 2008
  - Comparison of genetic interaction network across budding and fission yeast
NWAS：GWASのネットワーク解析
- Network-based approaches to identify genetic interactions in gene association studies
- NY Timesの記事: A dissenting voice as the genome is shifted to fight disease
- GWASをネットワークに
- SNPsの相関を調べる -> 相関有るSNPsのペアを作成 -> networkに
- 相関のある領域は飛び飛び．補完のために，chromosome vs chromosome で図を書いて相関する領域の補完をする．
  - 領域にかぶる遺伝子に着目．
  - 補完した領域の中にSNPsの関係が予測できる場所があるだろう
  - 2005 年の論文の図と，似たもの(PPIのmoduleとgenetic)が出てくる
    - 遺伝的な相関blue: genetic interaction, black protein interaction
- higher level maps of GWAS genetic interactions
  - 発見できいる内容が，mitochondrial, ribosomalだけ？
  - 実験はYeast．120個体 (だからmitochondrionとかribosomalが多いのだろう). trait は何だろう？->今は使ってない．

- - - - -

Stephen TC Wong from Texas Medical Center

ゲノムから治療までは遠い．
画像などの高次の情報からゲノムへ
Hoplins , Nature Reviews Drug discoverry 2002
- 薬が設計できるのは3000遺伝子，疾患に関連するのは3000遺伝子．両者の積集合は600-1500遺伝子．
  - ターゲットに制約があるので，薬を組み合わせて処方する．
  - 薬を組み合わせて処方する事が多い．組み合わせを決めるのは医者の芸術．
Deng X. comput methods progrms biomed, 2009
- 数遺伝子から成る全てのネットワークモチーフを作成し，ネットワークモデル
- G, Jin H Zhao, K. Cui TMHRI. 14 different cancers
  - 101 genes and 900 network path
- Nature 2009, Genes that mediate breast cancer metastasis to the brain
- Bloodの論文で検証．
- 25個の乳がん以外のガンの薬が認可．4つの候補が1.5年以内．
- 薬の組み合わせの発見は，SVMやペトリネットで．
Drug interaction by bioluminecense, Ziao
神経軸索の動的なモデルを作成．3Dの画像を見られるようにした（Axon Tracker）
Cancer stem cell
- cencer stem cell があると，爆発的に増加する
- stem cell を減らせれば直る？-> ccaner sterm cell を普通のcellに
- high drug-efflux cancer cells
- bioimage -> detect cells -> screening

- - - - -

Owen White

Towards a consensus annotation system.
Q

What if annotation generation can be easily out-sourced?
How Would multiple centers rationally contribute annotation >
What is the role of the increasing number of closely related species ?

TIGRFam HMM

annotation sources to functional names, GO assignments, genetic names, EC numbers.
予測のannotationは"hypotheticalに"
予測精度は良く知られた遺伝子でも低い．ribosomal proteinとかhisAとか．
siteによって，completenessにバラツキがある．
completeness と consistencyのバランス
completeness と consistencyでソートして，よさげな物から取っていく
Refinement of annotation data
- assign assertions and describe evidence code (GO based)
- Rich data types can be combined, to:
  - improve annotations
  - present an audit trail for users
  - cooperative model of annotation
  - aid addition of old annotation on top of new
  - make exchange of data possible
Minimal data types
- Defines what we guarantee.
- Simplify conversion to ontologies
Critical assessment of functional annotation experiments (CAFAE) by DOE/NIH, GSC
- annotation の casp?
- international consortium, fair and open evaluation
paper: toward an online repositoy of standard...
- dataのDOI
- pipe line by XML file
- crowd computing. Free science cluuds
  - Terragrid, U. of Chicago, U. of Florida
M5
- datashar. share search result ?
- run data-intensive workflows on cloud based systems

2009-07-25

MacBook Pro 13インチのHDDをSSDに換装

mac hardware

CPU/HDD的にヘビーな仕事が続くので、MacBook Pro 13インチを購入してSSDに換装しました。

やってきましたSSD。SAMSUNGの256GB、MLCのものです。外側にICチップとか全く無いのがかっちょよい（後のSSD装着後の写真参照）

まずは、USBで外に付けてHDDの中身を初期化。その後コピーします。Disk UtilityのRestoreを使ってコピー。

HDDを外します。今までのMacBookと違ってバッテリが交換できないため、背面には切れ目がありません。周囲の10本のネジを外します。ネジは2種類。ヒンジの近くの3本が長いネジで残りは短いネジです。全てプラスのネジです。

カバーは簡単に外れて、メモリやHDDが見えます。

HDDを取り出したところ。HDDの周囲に4本のネジ（プラス）があるので、それを外して、次に、プラスチックのベロを持ち上げると取り出せます。本体内側（ベロのある方）は、HDDのネジを挟み込む感じでプラスチックの棒があって、ベロを持ち上げると同時に外れます。

HDDには最近のMacでおなじみのT6のトルクスネジが刺さっています。しかもHDDに直接刺さっていて、下の写真の様な穴に（暗くて済みません）頭の大きなT6のネジが入り、支えます（うーん、表現が難しい）。HDDが空中に浮いて、衝撃が伝わらないようになっています。

換装後。ラベルの向きが反対だったらしく、SSDの型番が入っていない方が表側になりました。ICチップやモーターが表に出ていないので綺麗。

後はふたを閉めて完了。

さて、起動。リンゴマークが終了して、ログインプロンプトが出るまでや、全てのアプリが起動するまでが爆速。CPU200%使い切って、起動します。HDDのカツカツ言う音がないので、音で動作を判定していた私には動作しているか不安もありますが、動作中に持ち上げても壊れない安心感があります。

2009-06-05

Rubyで翻訳

ruby

Google AJAX APIを叩いて翻訳するライブラリを使うと、簡単に翻訳できます。（信頼性は保証しません:p）

準備
- 1.3.1以上のgemを用意します。1.2以前のバージョンの場合は以下を行ってバージョンアップ(今は1.3.4)します。

% sudo gem install rubygems-update
% sudo update_rubygems

- 後で必要なものをインストールします。

% sudo gem install hpricot
% sudo gem install json
% sudo gem install hoe

- rtranslateをインストールします

% git clone git://github.com/Pistos/rtranslate.git 
% gem build rtranslate.gemspec
% gem install rtranslate --local

プログラム
- ttest.rb

#!/usr/bin/env ruby
# -*- coding: utf-8 -*-

require 'rubygems'
require 'rtranslate'

puts Translate.t("Hello world", "ENGLISH", "JAPANESE")
puts Translate.t("こんにちは世界", "JAPANESE", "ENGLISH")

- 実行結果

% ruby ttest.rb
こんにちは世界
Hello World

2009-06-05

OMIMのエントリを自動翻訳するスクリプト

ruby research

遺伝病辞典のOMIMは私の様なnon-native かつ門外漢な人には、ひじょーに理解じにくい。でも、大量にざーっとチェックしたいな−と思うときがあるので、日本語になっていると便利かも？というわけで、OMIMをひたすら機械翻訳するスクリプト作りました。
このエントリのテクニックは、以下の2つのエントリを合わせた物です。

準備する物

上の2つのエントリに書かれているgemライブラリ群
ネットワーク
知りたいOMIMエントリのID

使い方
知りたいOMIMのエントリIDが265850(PYGMY) と、608747(INSULIN-LIKE GROWTH FACTOR I DEFICIENCY)とすると、

% ruby omim_translate.rb 265850,608747

元の文章と翻訳後の文章が併記されます。こんな感じ（都合上改行していますが、実際はタブ区切りで吐かれます）。

265850
1
CLINICAL FEATURES
Efe Pygmies from the Ituri forest of northeast Zaire have the shortest mean adult stature of any population on earth, with a mean adult male height of 4 feet, 8 inches, and a mean adult female height of 4 feet, 5 inches ({4:Diamond, 1991}).
Efe Pygmiesザイール北東部のイトゥリの森は、 4フィートの高さは成人男性で、 8インチ、 4フィートの高さを意味する、大人の女性、 5インチ（ （ 4地球上の任意の成人人口の最短の平均身長がある：ダイヤモンド、 1991 ） ） 。

出力はUTF8なので、そのままではExcelとかで見られません。必要に応じて、nkfとか通してください。

ruby omim_translate.rb | nkf -s > omim_translated.xls

ソース

#!/usr/bin/env ruby
# -*- coding: utf-8 -*-

require 'rubygems'
require 'rtranslate'
require 'xmlsimple'
require 'open-uri'
require 'pp'

omim_ids = ARGV.shift.split(",").uniq.sort

count = 0
omim_ids.each do |omim_id|
  count += 1
  url = "http://www.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?" + 
    "db=omim&id=#{omim_id}&mode=xml"
  xml = open(url).read
  omiminfo = XmlSimple.xml_in(xml)
  omiminfo["Mim-entry"].each do |omim_entry|
    mim_no = omim_entry["Mim-entry_mimNumber"][0]
    mim_title =  omim_entry["Mim-entry_title"][0]
    jp_title = Translate.t(mim_title, "ENGLISH", "JAPANESE")  
    puts "#{mim_no}\tTitle\t#{mim_title}\t#{jp_title}"
    STDERR.puts "#{mim_no}\tTitle\t#{mim_title}\t#{jp_title}"
    num = 0
    textfield = nil
    # 2種類のXMLがあるようなので、分岐。
    if omim_entry["Mim-entry_textfields"].nil?
      textfield = omim_entry["Mim-entry_text"][0]["Mim-text"]
    else
      textfield = omim_entry["Mim-entry_textfields"][0]["Mim-text"]
    end
    textfield.each do |text|
      num += 1
      label = text["Mim-text_label"][0]
      en_txt = text["Mim-text_text"][0]
      jp_txt = Translate.t(en_txt, "ENGLISH", "JAPANESE")
      puts "#{mim_no}\t#{num}\t#{label}\t#{en_txt}\t#{jp_txt}"
      #    pp jp_txt
      sleep(1)
    end
  end
end

欠点
文章が長すぎると、Google AJAX APIに拒絶されます。

2009-06-02

BioGPS(SymAtlas)組織名の日本語版を作ってみました

research

Wikipediaの遺伝子発現量表示(e.g. http://en.wikipedia.org/wiki/P53 )にも使われているBioGPS ( http://biogps.gnf.org/ )の組織名を日本語にしてみました(Humanのみ)。門外漢なので、突っ込み歓迎です！
あと、勝手に組織の系統を付けてみました。

翻訳にはALCの英和、googleの検索、統合DBのアナトモグラフィ http://lifesciencedb.jp/ag/ を、
組織の系統には、Wikipedia、アナトモグラフィを参考にしました*1

一番左の番号が奇数番だけですが気にしないでください。（もとのデータが、同じ組織から2回ずつサンプルされたものなので、重複があるため、1つ飛びになっています）

No	Cell Name	細胞(組織)名	Tissue Group	器官系
1	Colorectal Adenocarcinoma	結腸直腸腺癌	alimentary system	消化器系
3	WHOLEBLOOD	血液	blood	血液
5	BM-CD33+Myeloid	骨髄(BM-CD33+)	blood	血液
7	PB-CD14+Monocytes	単球(PB-CD14+)	blood	血液
9	PB-BDCA4+Dentritic_Cells	樹状細胞(PB-BDCA4+)	blood	血液
11	PB-CD56+NKCells	NK細胞(PB-CD56+)	blood	血液
13	PB-CD4+Tcells	T細胞(PB-CD4+)	blood	血液
15	PB-CD8+Tcells	T細胞(PB-CD8+)	blood	血液
17	PB-CD19+Bcells	B細胞(PB-CD19+)	blood	血液
19	BM-CD105+Endothelial	内皮細胞(BM-CD105+)	stem cell	幹細胞
21	BM-CD34+	CD34陽性細胞(幹細胞多)	stem cell	幹細胞
23	leukemialymphoblastic (molt4)	リンパ性白血病	blood	血液
25	721_B_lymphoblasts	B-リンパ球	blood	血液
27	lymphomaburkittsRaji	バーキットリンパ腫	blood	血液
29	leukemia promyelocytic	前骨髄球性白血病	blood	血液
	(hl60)
31	lymphomaburkittsDaudi	リンパ腫Daudi細胞	blood	血液
33	leukemia chronic myelogenous	慢性骨髄性白血病	blood	血液
	(k562)
35	thymus	胸腺	immune system	免疫系
37	Tonsil	扁桃腺	immune system	免疫系
39	lymphnode	リンパ節	immune system	免疫系
41	fetalliver	胎児肝臓	alimentary system	消化器系
43	BM-CD71+EarlyErythroid	赤血球造血因子	blood	血液系
45	bonemarrow	骨髄	blood	血液系
47	TemporalLobe	側頭葉	brain	脳
49	globuspallidus	淡蒼球	brain	脳
51	Cerebellum Peduncles	小脳脚	brain	脳
53	cerebellum	小脳	brain	脳
55	caudatenucleus	尾状核	brain	脳
57	WholeBrain	脳全体	brain	脳
59	ParietalLobe	頭頂葉	brain	脳
61	MedullaOblongata	延髄	brain	脳
63	Amygdala	扁桃体	brain	脳
65	PrefrontalCortex	前頭前野	brain	脳
67	OccipitalLobe	後頭葉	brain	脳
69	Hypothalamus	視床下部	brain	脳
71	Thalamus	視床	brain	脳
73	subthalamicnucleus	視床下核	brain	脳
75	Cingulate Cortex	帯状回皮質	brain	脳
77	Pons	橋（脳）	brain	脳
79	spinalcord	脊髄	nurvous system	神経系
81	fetalbrain	胎児脳	nurvous system	神経系
83	adrenalgland	副腎	endocrine system	内分泌系
85	Lung	肺	lung	肺
87	Heart	心臓	heart	心臓
89	Liver	肝臓	alimentary system	消化器系
91	kidney	腎臓	urinary system	泌尿器系
93	Prostate	前立腺	genital system	生殖器系
95	Uterus	子宮	genital system	生殖器系
97	Thyroid	甲状腺	endocrine system	内分泌系
99	fetalThyroid	胎児甲状腺	endocrine system	内分泌系
101	fetallung	胎児肺	respiratory system	呼吸器系
103	PLACENTA	胎盤	endocrine system	内分泌系
105	CardiacMyocytes	心筋細胞	muscular system	筋肉系
107	SmoothMuscle	平滑筋	muscular system	筋肉系
109	bronchial epithelial cells	気管支上皮細胞	respiratory system	呼吸器系
111	ADIPOCYTE	脂肪細胞
113	Pancreas	膵臓	alimentary system	消化器系
115	PancreaticIslets	膵島細胞	endocrine system	内分泌系
117	testis	精巣	genital system	生殖器系
119	TestisLeydig Cell	ライディッヒ細胞	genital system	生殖器系
121	TestisGermCell	精巣胚細胞	genital system	生殖器系
123	TestisInterstitial	精巣間質細胞	genital system	生殖器系
125	Testis Seminiferous Tubule	精細管	genital system	生殖器系
127	salivarygland	唾液腺	alimentary system	消化器系
129	trachea	気管	respiratory system	呼吸器系
131	AdrenalCortex	副腎皮質	endocrine system	内分泌系
133	Ovary	卵巣	genital system	生殖器系
135	Appendix	盲腸	alimentary system	消化器系
137	skin	皮膚	sensory system	感覚器系
139	ciliaryganglion	毛様体神経節	nurvous system	神経系
141	TrigeminalGanglion	三叉神経節	nurvous system	神経系
143	atrioventricularnode	房室結節	nurvous system	神経系
145	DRG	後根神経節	nurvous system	神経系
147	Superior Cervical Ganglion	上頚神経	nurvous system	神経系
149	SkeletalMuscle	骨格筋	muscular system	筋肉系
151	UterusCorpus	子宮体部	genital system	生殖器系
153	TONGUE	舌	sensory system	感覚器系
155	OlfactoryBulb	嗅球	sensory system	感覚器系
157	Pituitary	下垂体	endocrine system	内分泌系

*1:アナトモグラフィ使ったら簡単に翻訳も系統分けもできるとおもってたのですが、実はほとんど組織にかぶっているものがなくて、意外と大変でした・・・