糖鎖情報のRDF連携について

提供：TogoWiki

目次 1 糖鎖関連遺伝子のデータベース 1.1 GGDBのエンドポイントについて 2 UniProtとの連携を探る 2.1 RefSeqのIDから行けるか？ 3 Gene symbol を UniProt Accession にコンバートしてみる 4 SPARQL クエリ 5 Gene symbolで連携 5.1 Federated query 5.2 GGDBのRDFをアップロード 5.3 GGDB RDF から rdfs:labelの"FUT9"を取り出す 5.4 UniProtのエンドポイントから、"FUT9"を見つける 5.5 Federated query その２ 5.6 Federated query その３ 6 Gene IDで連携 6.1 GGDBでGene IDを取得するクエリ 6.2 UniProtのエンドポイントで、Gene ID (10690) を取得するクエリ 6.3 Gene IDで結合するクエリ

糖鎖関連遺伝子のデータベース

• 糖鎖関連遺伝子のデータベース、GGDB（産総研で開発）
  • RDF化されている
  • RefSeqのリソースURI が使われている。ex. http://identifiers.org/refseq/NP_003024
  • UniProt のTaxonomy URI が使われている。ex. http://purl.uniprot.org/taxonomy/9606
• UniProt で利用されているアクセッション番号を含んだ URI は含まれていなかった。

GGDBのエンドポイントについて

GGDBのエンドポイントは、2017/5/16現在公開されていない。

UniProtとの連携を探る

RefSeqのIDから行けるか？

例として、ST3GAL1を例として UniProt のRDFを見てみる。

• UniProtの検索フォームに、「ST3GAL1」のみを突っ込んだら、当たり前だが、3桁の結果が出てきたので、「NP_003024」をクエリとして投げた。
  • http://www.uniprot.org/uniprot/?query=NP_003024&sort=score
• Q11201を選択し、エントリーのRDFを見てみる。
  • http://www.uniprot.org/uniprot/Q11201.ttl
• http://identifiers.org/refseq/NP_003024 の記述は、UniProt のRDFでは見つからなかった。
  • NP_003024.1というバージョンが入っているものが URIとして利用されていた。
  • バージョン情報を含んだURIであれば、連携ができる。

最新のバージョンは、 togows.org を使って取ることができる。

• http://togows.org/entry/protein/NP_003024/version

Gene symbol を UniProt Accession にコンバートしてみる

• IDをコンバートできるサイト
  • http://biodb.jp/
  • ID Converterで、HUGO gene symbol —> UniProt Accession ができる

• GGDB の HUGO gene symbol から UniProt Accession へ変換してみる
  • ST3GAL1
    • --> Q11201 (homo sapiense)
• 他の gene symbolからでも、変換してみる
  • FUT9
    • --> B4DEW1 (homo sapiense)
    • --> Q5Q0U2 (homo sapiense)
    • --> Q9BUV6 (homo sapiense)
    • --> Q9Y231 (homo sapiense)

• gene symbolで、対応を取るだけなら、コンバーター使わなくても、SPARQLの文字列マッチでできるはず。

SPARQL クエリ

対応を取るための、sparql クエリをつくる。

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> 
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#> 
PREFIX up: <http://purl.uniprot.org/core/> 
PREFIX ggdb:  <http://purl.jp/bio/12/ggdb/2015/6/owl#> 
PREFIX edam:  <http://edamontology.org/> 
PREFIX skos:  <http://www.w3.org/2004/02/skos/core#> 

CONSTRUCT{
	?glycogene a ggdb:Glycogene.
	?glycogene ggdb:has_gene ?up_gene.	
	?up_gene a up:Gene.
}
WHERE{
	?glycogene a ggdb:Glycogene;
		ggdb:has_gene ?gene.

	?gene a edam:data2299;
		rdfs:label ?gene_name.

	SERVICE SILENT <http://sparql.uniprot.org> {
		?up_gene a up:Gene; 
			skos:prefLabel ?gene_name.
	}
}

クエリが正しいかどうか、未確認。。。

• スクリーニングには、いいかもしれない
• キュレーションとしての使用はできない

Gene symbolで連携

2017/5/15-16記述

Federated query

docker-virtuosoを使ってローカルで、federated queryを行った。

VirtuosoのConductorにある、ISQLフォームに以下を実行。

grant select on "DB.DBA.SPARQL_SINV_2" to "SPARQL";
grant execute on "DB.DBA.SPARQL_SINV_IMP" to "SPARQL";

UniProtのエンドポイントで使えるクエリを拾ってきたので、以下のクエリを実行。

SELECT *
WHERE {
  SERVICE <http://sparql.uniprot.org/sparql> {
    <http://purl.uniprot.org/uniprot/P38398> ?p ?o .
  }
}

結果、エンドポイントからの検索結果が表示された。

p	o
http://www.w3.org/1999/02/22-rdf-syntax-ns#type	http://purl.uniprot.org/core/Protein
http://www.w3.org/2000/01/rdf-schema#seeAlso	http://purl.uniprot.org/mim/114480
http://www.w3.org/2000/01/rdf-schema#seeAlso	http://purl.uniprot.org/mim/167000
http://www.w3.org/2000/01/rdf-schema#seeAlso	http://purl.uniprot.org/mim/604370
http://www.w3.org/2000/01/rdf-schema#seeAlso	http://purl.uniprot.org/mim/614320
http://www.w3.org/2000/01/rdf-schema#seeAlso	http://purl.uniprot.org/intact/P38398
http://www.w3.org/2000/01/rdf-schema#seeAlso	http://purl.uniprot.org/iptmnet/P38398 
...

GGDBのRDFをアップロード

GGDB（FUT9）のRDFをcURLを使って、ローカルのVirtuosoにアップロードする。

• FUT9 : Alpha-(1,3)-fucosyltransferase 9

まずは、GGDB（FUT9）のRDFをダウンロード

$ wget http://acgg.asia/ggdb2/gg008.ttl

TTLをcURLで、ローカルのVirtuosoへアップロード (PUT)

参考：https://virtuoso.openlinksw.com/dataspace/doc/dav/wiki/Main/VirtGraphProtocolCURLExamples

$ curl --digest --user dba:dba --verbose --url "http://localhost:8890/sparql-graph-crud-auth?graph-uri=http://rdf.glycoinfo.org/ggdb/fut9" -T gg008.ttl 

RDFが入った模様

$ curl --verbose --url "http://localhost:8890/sparql-graph-crud?graph-uri=http://rdf.glycoinfo.org/ggdb/fut9"
*   Trying ::1...
* TCP_NODELAY set
* Connected to localhost (::1) port 8890 (#0)
> GET /sparql-graph-crud?graph-uri=http://rdf.glycoinfo.org/ggdb/fut9 HTTP/1.1
> Host: localhost:8890
> User-Agent: curl/7.51.0
> Accept: */*
> 
< HTTP/1.1 200 OK
< Server: Virtuoso/07.20.3217 (Linux) x86_64-unknown-linux-gnu  
< Connection: Keep-Alive
< Date: Mon, 15 May 2017 08:08:48 GMT
< Accept-Ranges: bytes
< Content-Type: text/turtle; charset=UTF-8
< Content-Length: 36092
< 
@prefix rdf:	<http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix up:	<http://purl.uniprot.org/core/> .
<http://purl.uniprot.org/taxonomy/9606>	rdf:type	up:Taxon .
@prefix rdfs:	<http://www.w3.org/2000/01/rdf-schema#> .
<http://purl.uniprot.org/taxonomy/9606>	rdfs:label	"Homo sapiens" ;
	rdfs:seeAlso	<http://identifiers.org/taxonomy/9606> .
<http://acgg.asia/ggdb2/img/structure/175_JCGG-STR029404.png>	rdfs:label	"175_JCGG-STR029404.png" .
...

GGDB RDF から rdfs:labelの"FUT9"を取り出す

2017/5/15記述

GGDBのRDF (FUT9) に記述されている "rdfs:label" から、"FUT9" をSPARQLで取り出せることを確認する。

以下のクエリで"FUT9"を取得。

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> 
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#> 
PREFIX up: <http://purl.uniprot.org/core/> 
PREFIX ggdb:  <http://purl.jp/bio/12/ggdb/2015/6/owl#> 
PREFIX edam:  <http://edamontology.org/> 
PREFIX skos:  <http://www.w3.org/2004/02/skos/core#> 
PREFIX sio: <http://semanticscience.org/resource/>

select distinct *
from <http://rdf.glycoinfo.org/ggdb/fut9>
where{
	?glycogene a ggdb:Glycogene;
		ggdb:has_gene ?gene.
	?gene sio:SIO_000008 ?gene_name.
	?gene_name a edam:data_2299.
	?gene_name rdfs:label ?gene_name_label.
}

以下が、結果。

 glycogene  gene	gene_name	gene_name_label 
 http://acgg.asia/ggdb2/gg008  http://acgg.asia/ggdb2/gg008#gene  http://acgg.asia/ggdb2/gg008#genename  "FUT9" 

UniProtのエンドポイントから、"FUT9"を見つける

2017/5/16記述

UniProtのエンドポイントから、"FUT9"のラベルを取り出すクエリを作り、結果を確認する。

SELECT *
WHERE {
  SERVICE <http://sparql.uniprot.org/sparql> {
    <http://purl.uniprot.org/uniprot/Q9Y231> up:encodedBy ?gene .
    ?gene a up:Gene.
    ?gene skos:prefLabel ?gene_label.
  }
}

以下が、結果。"FUT9"が取れた。

gene	gene_label
http://purl.uniprot.org/uniprot/Q9Y231#gene-MD57B4A70848C9654350A86951FBD37C6CC	 "FUT9"

Federated query その２

GGDB (FUT9) のRDFに記述されている "FUT9" のラベルから、UniProtのエンドポイント内で紐づいてる情報を取得する。

• 最初は、FROM句でグラフ名を指定していて、うまく行かなかったが、GRAPH句に変えることで解決できた。
• 参考：SPARQLthon20/FederatedQueryTips

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> 
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#> 
PREFIX up: <http://purl.uniprot.org/core/> 
PREFIX ggdb:  <http://purl.jp/bio/12/ggdb/2015/6/owl#> 
PREFIX edam:  <http://edamontology.org/> 
PREFIX skos:  <http://www.w3.org/2004/02/skos/core#> 
PREFIX sio: <http://semanticscience.org/resource/>

select distinct ?gene_name_label ?p ?up_gene
where{
	GRAPH <http://rdf.glycoinfo.org/ggdb/fut9>{
		?glycogene a ggdb:Glycogene.
		?glycogene ggdb:has_gene ?gene.
		?gene sio:SIO_000008 ?gene_name.
		?gene_name a edam:data_2299.
		?gene_name rdfs:label ?gene_name_label.
	}

	SERVICE <http://sparql.uniprot.org/sparql> {
		?up_gene ?p ?gene_name_label.
	}
}

以下が、Federated queryの実行結果。"FUT9"のラベルから、UniProtのエンドポイント内で紐づく情報を取得できた。

gene_name_label	p	up_gene
"FUT9"	http://www.w3.org/2000/01/rdf-schema#comment	http://purl.uniprot.org/hgnc/4020
"FUT9"	http://www.w3.org/2000/01/rdf-schema#label	http://purl.uniprot.org/uniparc/UPI00072CFB73
"FUT9"	http://www.w3.org/2000/01/rdf-schema#label	http://purl.uniprot.org/uniprot/A0A0S7I5K1
"FUT9"	http://www.w3.org/2004/02/skos/core#altLabel	http://purl.uniprot.org/uniprot/Q8UWC1#gene-MD5C374E2557F7C5C0DAB401B7CCA409039
"FUT9"	http://www.w3.org/2004/02/skos/core#prefLabel	http://purl.uniprot.org/RefSeq/XP_007052844.1#gene-FUT9
.... (prefLabel を使った記述が続く・・)	
"FUT9"	http://www.w3.org/1999/02/22-rdf-syntax-ns#object	http://purl.uniprot.org/uniprot/#_13E673249AF8AF8F_FFA56BCD0169E5A3_FUT9
.... (object を使った記述が続く・・)	
"FUT9"	http://purl.uniprot.org/core/fullName	http://purl.uniprot.org/uniprot/A0A0S7I5K1#SIPE22BE32823D800F3
"FUT9"	http://purl.uniprot.org/core/structuredNameType	http://purl.uniprot.org/EMBL_TSA/JAO48485.1#name-FUT9
"FUT9"	http://purl.uniprot.org/core/structuredNameType	http://purl.uniprot.org/embl-cds/AIC55837.1#name-FUT9

Federated query その３

UniProtの "up:Protein" クラスを指定した場合、このクラスのインスタンスはどうなっているのか？

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> 
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#> 
PREFIX up: <http://purl.uniprot.org/core/> 
PREFIX ggdb:  <http://purl.jp/bio/12/ggdb/2015/6/owl#> 
PREFIX edam:  <http://edamontology.org/> 
PREFIX skos:  <http://www.w3.org/2004/02/skos/core#> 
PREFIX sio: <http://semanticscience.org/resource/>

SELECT DISTINCT ?gene_name_label ?up_gene ?up_protein ?class
WHERE{
	GRAPH <http://rdf.glycoinfo.org/ggdb/fut9>{
		?glycogene a ggdb:Glycogene.
		?glycogene ggdb:has_gene ?gene.
		?gene sio:SIO_000008 ?gene_name.
		?gene_name a edam:data_2299.
		?gene_name rdfs:label ?gene_name_label.
	}

	SERVICE <http://sparql.uniprot.org/sparql> {
		?up_gene skos:prefLabel ?gene_name_label.
		?up_gene a up:Gene.
		?up_protein up:encodedBy ?up_gene.
		VALUES ?class { up:Protein }
		?up_protein a ?class.
	}
}

実行結果。

gene_name_label	   up_gene	up_protein	class
"FUT9"	http://purl.uniprot.org/uniprot/B4DEW1#gene-MD57B4A70848C9654350A86951FBD37C6CC	http://purl.uniprot.org/uniprot/B4DEW1	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/Q5Q0U2#gene-MD5FF41112C1D33A0108C98297E620AC836	http://purl.uniprot.org/uniprot/Q5Q0U2	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/Q9XI77#gene-MD55E3FCA3F8163BAE07C399E9B0898E109	http://purl.uniprot.org/uniprot/Q9XI77	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/Q9Y231#gene-MD57B4A70848C9654350A86951FBD37C6CC	http://purl.uniprot.org/uniprot/Q9Y231	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/A0A0M3LHU2#gene-MD57B4A70848C9654350A86951FBD37C6CC	http://purl.uniprot.org/uniprot/A0A0M3LHU2	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/A0A0M3LIL7#gene-MD57B4A70848C9654350A86951FBD37C6CC	http://purl.uniprot.org/uniprot/A0A0M3LIL7	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/A0A0S7I5K1#gene-MD57B4A70848C9654350A86951FBD37C6CC	http://purl.uniprot.org/uniprot/A0A0S7I5K1	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/A0A0M3LI81#gene-MD57B4A70848C9654350A86951FBD37C6CC	http://purl.uniprot.org/uniprot/A0A0M3LI81	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/A0A0M3LJH3#gene-MD57B4A70848C9654350A86951FBD37C6CC	http://purl.uniprot.org/uniprot/A0A0M3LJH3	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/Q659L0#gene-MD57B4A70848C9654350A86951FBD37C6CC	http://purl.uniprot.org/uniprot/Q659L0	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/Q659L1#gene-MD57B4A70848C9654350A86951FBD37C6CC	http://purl.uniprot.org/uniprot/Q659L1	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/Q8HZR2#gene-MD57B4A70848C9654350A86951FBD37C6CC	http://purl.uniprot.org/uniprot/Q8HZR2	http://purl.uniprot.org/core/Protein
"FUT9"	http://purl.uniprot.org/uniprot/Q9JIG1#gene-MD57B4A70848C9654350A86951FBD37C6CC	http://purl.uniprot.org/uniprot/Q9JIG1	http://purl.uniprot.org/core/Protein
.....

• 絞り込みする必要があるが、何で絞り込むか？

Gene IDで連携

2017/5/16記述

GGDBでGene IDを取得するクエリ

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> 
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#> 
PREFIX up: <http://purl.uniprot.org/core/> 
PREFIX ggdb:  <http://purl.jp/bio/12/ggdb/2015/6/owl#> 
PREFIX edam:  <http://edamontology.org/> 
PREFIX skos:  <http://www.w3.org/2004/02/skos/core#> 
PREFIX sio: <http://semanticscience.org/resource/>

SELECT DISTINCT *
WHERE{
	GRAPH <http://rdf.glycoinfo.org/ggdb/fut9>{
		?gene_id a edam:data_2295.
		?gene_id dcterms:identifier ?id.
		?gene_id rdfs:seeAlso ?ncbi_gene.
	}
}

UniProtのエンドポイントで、Gene ID (10690) を取得するクエリ

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> 
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#> 
PREFIX up: <http://purl.uniprot.org/core/> 
PREFIX ggdb:  <http://purl.jp/bio/12/ggdb/2015/6/owl#> 
PREFIX edam:  <http://edamontology.org/> 
PREFIX skos:  <http://www.w3.org/2004/02/skos/core#> 
PREFIX sio: <http://semanticscience.org/resource/>

SELECT DISTINCT *
WHERE{
	SERVICE <http://sparql.uniprot.org/sparql> {
		<http://purl.uniprot.org/uniprot/Q9Y231> rdfs:seeAlso ?ncbi_gene.
	}
}

Gene IDで結合するクエリ

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> 
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#> 
PREFIX up: <http://purl.uniprot.org/core/> 
PREFIX ggdb:  <http://purl.jp/bio/12/ggdb/2015/6/owl#> 
PREFIX edam:  <http://edamontology.org/> 
PREFIX skos:  <http://www.w3.org/2004/02/skos/core#> 
PREFIX sio: <http://semanticscience.org/resource/>

SELECT DISTINCT *
WHERE{
	GRAPH <http://rdf.glycoinfo.org/ggdb/fut9>{
		?gene_id a edam:data_2295.
		?gene_id dcterms:identifier ?id.
		?gene_id rdfs:seeAlso ?ncbi_gene.
	}
	SERVICE <http://sparql.uniprot.org/sparql> {
		?up_protein rdfs:seeAlso ?ncbi_gene.
	}
}

結果

gene_id	 id	 ncbi_gene	up_protein
http://acgg.asia/ggdb2/gg008#gene_id   "10690"^^<http://www.w3.org/2001/XMLSchema#int>   http://identifiers.org/ncbigene/10690	http://purl.uniprot.org/uniprot/Q9Y231

• Q9Y231