バイオインフォマティクス実践ガイド

I.1 概要：バイオインフォマティクスにおけるデータベースの重要性

I.1.1 データベースエコシステムの理解

バイオインフォマティクス研究では、多様なデータベースが相互に連携し、包括的な生物学的情報基盤を形成しています。

バイオインフォマティクスデータベースエコシステム 1次データベース、2次データベース、専門データベース、統合データベース、解析プラットフォームの関係性を示すバイオインフォマティクスデータベースエコシステムの図 バイオインフォマティクスデータベースエコシステム 1次データベース（実験データ直接収録） 2次データベース（キュレーションデータ） 専門データベース 統合データベース 解析プラットフォーム データフロー例 GenBank 配列データ SRA シークエンシング PDB 立体構造データ ArrayExpress マイクロアレイ UniProt タンパク質情報 Gene Ontology 機能分類 KEGG 代謝パスウェイ Ensembl ゲノム注釈 ClinVar 臨床変異 COSMIC がん変異 dbSNP 一塩基多型 GTEx 組織発現 Human Protein Atlas タンパク質発現 NCBI 統合プラットフォーム EBI 欧州統合DB UCSC Genome Browser - ゲノムブラウザ Galaxy ワークフロー Bioconductor R解析環境 BioPython - Python解析ライブラリ 研究課題 DB検索 データ解析 データ統合 生物学的知見
図 I-1: バイオインフォマティクスにおけるデータベースエコシステム。1次/2次/専門/統合DBおよび解析プラットフォームの役割とデータフローを整理。

I.1.2 データベース選択の戦略的アプローチ

研究目的に応じた効果的なデータベース選択フレームワーク：

Step 1: 研究クエスチョンの分類

この断片は、研究クエスチョンから参照候補DBを整理するための考え方を示す教育用の決定表です。各DBの現行API、利用条件、release、rate limit、疾患・臨床領域ごとの妥当性は検証していないため、そのまま自動推薦システムや臨床判断には使えません。

🧪 概念例（実行不可: DB選定ロジック・API接続・release確認を省略した Python 断片）

def classify_research_question(question_type, data_scope, analysis_depth):
    """
    研究クエスチョンに基づくデータベース推奨システム
    
    Args:
        question_type: "functional", "structural", "evolutionary", "clinical"
        data_scope: "single_gene", "pathway", "genome_wide", "multi_omics"
        analysis_depth: "descriptive", "comparative", "predictive", "causal"
    
    Returns:
        dict: 推奨データベースとアクセス戦略
    """
    
    recommendations = {
        "functional": {
            "single_gene": {
                "descriptive": ["UniProt", "GO", "InterPro"],
                "comparative": ["UniProt", "GO", "OMA"],
                "predictive": ["STRING", "GO", "KEGG"],
                "causal": ["GO", "KEGG", "Reactome"]
            },
            "pathway": {
                "descriptive": ["KEGG", "Reactome", "BioCyc"],
                "comparative": ["KEGG", "STRING", "GO"],
                "predictive": ["KEGG", "STRING", "MetaCyc"],
                "causal": ["Reactome", "KEGG", "SIGNOR"]
            }
        },
        "structural": {
            "single_gene": {
                "descriptive": ["PDB", "UniProt", "Pfam"],
                "comparative": ["PDB", "CATH", "SCOP"],
                "predictive": ["AlphaFold", "ModBase", "I-TASSER"],
                "causal": ["PDB", "CASTp", "ConCavity"]
            }
        },
        "clinical": {
            "single_gene": {
                "descriptive": ["ClinVar", "OMIM", "PharmGKB"],
                "comparative": ["ClinVar", "COSMIC", "gnomAD"],
                "predictive": ["ClinVar", "PharmGKB", "DGIdb"],
                "causal": ["ClinVar", "OMIM", "DisGeNET"]
            },
            "genome_wide": {
                "descriptive": ["GWAS Catalog", "UK Biobank", "GTEx"],
                "comparative": ["GWAS Catalog", "PhenoScanner", "Open Targets"],
                "predictive": ["PRS Catalog", "GWAS Catalog", "UK Biobank"],
                "causal": ["Open Targets", "DisGeNET", "STRING"]
            }
        }
    }
    
    try:
        return {
            "primary_databases": recommendations[question_type][data_scope][analysis_depth],
            "access_strategy": generate_access_strategy(question_type, data_scope),
            "integration_approach": suggest_integration_methods(data_scope, analysis_depth)
        }
    except KeyError:
        return {"error": "Invalid combination of parameters"}

def generate_access_strategy(question_type, data_scope):
    """データアクセス戦略の生成"""
    if data_scope in ["genome_wide", "multi_omics"]:
        return {
            "method": "bulk_download",
            "tools": ["FTP", "API", "rsync"],
            "preprocessing": "required",
            "storage": "local_database_recommended"
        }
    else:
        return {
            "method": "query_based",
            "tools": ["REST_API", "web_interface"],
            "preprocessing": "minimal",
            "storage": "cache_sufficient"
        }

def suggest_integration_methods(data_scope, analysis_depth):
    """データ統合手法の提案"""
    integration_matrix = {
        ("single_gene", "descriptive"): ["manual_curation", "simple_joins"],
        ("single_gene", "comparative"): ["orthology_mapping", "sequence_alignment"],
        ("pathway", "predictive"): ["network_analysis", "enrichment_analysis"],
        ("genome_wide", "causal"): ["mendelian_randomization", "colocalization"],
        ("multi_omics", "predictive"): ["multi_modal_ML", "network_integration"]
    }
    
    return integration_matrix.get((data_scope, analysis_depth), ["custom_integration"])

# 使用例
recommendation = classify_research_question("clinical", "single_gene", "predictive")
print(f"推奨データベース: {recommendation['primary_databases']}")
print(f"アクセス戦略: {recommendation['access_strategy']['method']}")

I.1.3 ExAC と gnomAD の位置づけ

ExAC（Exome Aggregation Consortium）は、2014年に大規模 exome データを集約して公開された歴史的な集団頻度リソースです。ExAC の成果は後続の gnomAD（Genome Aggregation Database）に拡張され、2016年に名称とスコープが広がりました。現在の variant / 変異頻度確認では、ExAC を過去の研究・論文の文脈を読むためのリソースとして扱い、通常は gnomAD の release、genome build、exome/genome、subset、filter 条件を記録して参照します。12

確認項目 記録する内容 理由
DB と release 例: gnomAD v4.1.1（確認日: 2026-05-12） allele frequency は release に依存する。
genome build GRCh37 / GRCh38 など VCF座標・注釈・ClinVar等との突合に影響する。
データ種別 exome / genome、subset、filter 条件 観測領域・カバレッジ・除外条件が異なる。
集団頻度の使い方 AF、AN、AC、popmax など 希少性の確認には使えるが、病原性や臨床判断を単独では決められない。
provenance / 来歴 取得URL、取得日、checksum、利用条件 解析結果の再現性と監査に必要。

gnomAD などの集団頻度DBは、variant / 変異の「一般集団での観測頻度」を確認するための基盤です。研究・教育用途の注釈では有用ですが、臨床的意義の判断には ClinVar 等のキュレーション情報、対象疾患、表現型、家系情報、専門家レビュー、施設の品質管理が別途必要です。

  1. MacArthur Lab, Genomic Data Aggregation（参照日: 2026-05-12） ↩

  2. gnomAD, gnomAD v4.1.1（参照日: 2026-05-12） ↩