タグ: 科学

DNAのダウンロードとアップロード方法

ざっくり言うと「DNAのダウンロード＝配列データを公式DBから取得」「アップロード＝公式DBへ自分の配列やリードを登録」です。実物のDNAを扱う手順ではなく、デジタル配列データの話として安全に説明します。

1) ダウンロード（取得）

代表的な取り先は NCBI・Ensembl・ENA です。

  • NCBI Datasets（ゲノム／遺伝子）
    ブラウザ or CLI で目的の生物やアセンブリをまとめて落とせます（FASTA、GFF/GTF、注釈一式）。CLI は datasets と dataformat を使用。使い方は公式の「Download a genome data package」と「Download and Install」に詳しいです。 NCBI+2NCBI+2
    • 例（CLI の雰囲気）：
      datasets download genome taxon "Homo sapiens" --include genome,annotation
      dataformat tsv genome --input-file ncbi_dataset.zip > report.tsv
  • Ensembl（参考配列・遺伝子セット）
    ブラウザの「Export data」から FASTA/GTF/GFF を取得できます。FTP/rsync でもまとめ取り可能。最新リリース情報も公開されています。 ensembl.org+2ensembl.org+2
  • ENA（European Nucleotide Archive）
    原則として NCBI/ENA/DDBJ はデータ連携します。ENA でも配布・ダウンロードが可能です。 OUP Academic

補足：GenBank 全体の最新リリース規模（配列数・塩基数）などは「Current GenBank Release Notes」で確認できます。 NCBI

2) アップロード（登録）

自分の配列やシーケンスデータを公式リポジトリに登録してアクセッション番号を取得します。代表ルートは次のとおり。

  • NCBI Submission Portal（総合窓口）
    GenBank（配列）、SRA（生リード）、GEO（発現）、dbSNP 等へ Web から提出できます。アカウント作成 → フォームにメタデータ入力 → FASTA/FASTQ などをアップロード → 審査 → アクセッション付与、という流れです。 submit.ncbi.nlm.nih.gov
  • GenBank への配列提出（ゲノム含む）
    近年は Submission Portal 経由が基本。単一ゲノムの提出等のガイドも公式にまとまっています。 NCBI+1
  • ENA（Webin）
    ENA へは Webin（Web/REST API）で提出できます。プログラマブルに投げたい場合は Webin REST v2 のドキュメントが便利です。 ena-docs.readthedocs.io

提出の一般的な準備物（高レベル）

  • 配列ファイル：FASTA（配列）、FASTQ（リード）など
  • メタデータ：生物種、由来、ライブラリ情報、アセンブリ法、文献情報 等
  • 連絡情報：提出者・所属・ORCID 等
    （いずれも各ポータルの入力フォームに沿って用意します。具体的なフィールド名はポータルの最新ガイドに従ってください。） submit.ncbi.nlm.nih.gov+1

倫理・公開に関する注意（重要）

  • ヒト由来データ：個人特定情報や同意に関わる要件があります。適切なリポジトリ（例：制限付きアクセスのデータベース）や同意状況の確認が必要です。
  • 公開タイミング：多くのリポジトリで**エンバーゴ（公開保留）**設定が可能です。論文受理まで非公開にしてアクセッションだけ取得、といった運用が一般的です。
    （具体仕様は提出先ポータルのポリシーを必ず確認してください。） submit.ncbi.nlm.nih.gov

必要なら、あなたの目的（例：「人間の遺伝子の特定領域を取りたい」／「自前のアセンブリを GenBank に出したい」／**「リードを SRA に出したい」**など）に合わせて、実際のダウンロード／提出手順（検索クエリ、必要な最小メタデータ、CLI コマンド例）をあなたのケースに即して書き起こします。どの用途ですか？