高速アミノ酸配列検索

提供:TogoWiki

(版間での差分)
移動: 案内, 検索
(検索アルゴリズムとインターフェースを追加)
(検索アルゴリズムとインターフェースを編集)
16行: 16行:
** アミノ酸置換マトリクスは使用せず、ミスマッチ残基数のみ考慮
** アミノ酸置換マトリクスは使用せず、ミスマッチ残基数のみ考慮
** クエリの例
** クエリの例
-
*** ACDEW(完全一致検索)または 0:ACDEW
+
*** '''ACDEW'''(完全一致検索)または '''0:ACDEW'''
-
*** 1:ACDEW(1ミスマッチまで許容)
+
*** '''1:ACDEW'''(1ミスマッチまで許容)
-
*** 2:ACDEW(2ミスマッチまで許容、以下同様)
+
*** '''2:ACDEW'''(2ミスマッチまで許容、以下同様)
* 複数のアミノ酸配列のAND検索、OR検索に対応
* 複数のアミノ酸配列のAND検索、OR検索に対応
-
** 検索結果の例
+
** 検索語ごとにヒット件数を表示。例:
-
*** 検索語ごとにヒット件数を表示
+
*** FCW (23)
-
FCW (23)
+
*** 1:ACDE (125)
-
1:ACDE (125)
+
*** AND (3)
-
'''AND (3)'''
+
** OR検索のヒット件数は、個々のクエリのヒット件数を足したものに概ね一致するので、わざわざ正確に計算して表示しなくてもよい
** OR検索のヒット件数は、個々のクエリのヒット件数を足したものに概ね一致するので、わざわざ正確に計算して表示しなくてもよい
** OR検索の結果一覧(ヒットをハイライト表示)がほしい
** OR検索の結果一覧(ヒットをハイライト表示)がほしい
35行: 34行:
** HTML / TSV / CSV / JSON で出力
** HTML / TSV / CSV / JSON で出力
** http://◯◯/uniprot/FCW+1:ACDE.csv のような感じ
** http://◯◯/uniprot/FCW+1:ACDE.csv のような感じ
-
* デフォルトはAND検索、URL内では “+" で連結
+
** デフォルトはAND検索、URL内では “+" で連結
-
* ORをはさむとOR検索、URL内では ■ で連結(検討中)
+
** ORまたは | をはさむとOR検索、URL内では "|" (%7C) で連結?
== 検索したいアミノ酸配列のデータベース ==
== 検索したいアミノ酸配列のデータベース ==

2017年8月31日 (木) 08:28時点における版

目次

概要

  • アミノ酸配列の検索に特化したサイト
  • 短いアミノ酸配列をミスマッチを許容しつつ高速に検索したい
    • 高速ゲノム検索GGGenomeのアミノ酸配列版に相当
    • MS解析などに役立つ
  • サンプル画像

Ppp small.png

検索アルゴリズムとインターフェース

  • 検索キーワードはアミノ酸配列のみ
  • 最短3残基から検索可能
  • ヒットのposition(先頭からの残基数)がわかるようにする
  • ミスマッチを許容して検索
    • アミノ酸置換マトリクスは使用せず、ミスマッチ残基数のみ考慮
    • クエリの例
      • ACDEW(完全一致検索)または 0:ACDEW
      • 1:ACDEW(1ミスマッチまで許容)
      • 2:ACDEW(2ミスマッチまで許容、以下同様)
  • 複数のアミノ酸配列のAND検索、OR検索に対応
    • 検索語ごとにヒット件数を表示。例:
      • FCW (23)
      • 1:ACDE (125)
      • AND (3)
    • OR検索のヒット件数は、個々のクエリのヒット件数を足したものに概ね一致するので、わざわざ正確に計算して表示しなくてもよい
    • OR検索の結果一覧(ヒットをハイライト表示)がほしい
      • 複数のモチーフがどのようにヒットしているか眺めたい
      • 重なる部分は濃く表示、ゆくゆくはキーワードごとに色分け
  • 検索結果のランキング
    • ヒットしたキーワードの種類が多い順
    • 同じ場合は、ミスマッチの数が少ない順
  • REST APIを提供
    • HTML / TSV / CSV / JSON で出力
    • http://◯◯/uniprot/FCW+1:ACDE.csv のような感じ
    • デフォルトはAND検索、URL内では “+" で連結
    • ORまたは | をはさむとOR検索、URL内では "|" (%7C) で連結?

検索したいアミノ酸配列のデータベース

アミノ酸配列のmulti-FASTAを作れば簡単にDB追加できるようにしたい。

  • UniProt
    • まずはヒトのsubsetを対象とする
  • RefSeqのタンパク (NP_* / XP_*)
  • GENCODEのタンパク
  • (ヒト)ゲノム
    • 全フレーム翻訳してアミノ酸配列に変換したもの(〜6G残基)を検索
      • 未知のペプチドをゲノムから探せるようにする
      • tblastnのような感じ
    • 疾患ゲノム(リファレンスゲノムとの差分だけで十分)
      • 疾患固有のタンパクを検索できるようにする
  • PDB

検討事項

  • サービスの名称
    • GGGenome(ゲゲゲノム)様のネーミングを踏襲しPPProt(プププロット)、PPPeptide(ぺぺペプチド)などが候補
      • PPとは?(ねたがみつからない)
個人用ツール