トーク

test https://www.biorxiv.org/content/10.1101/2020.03.12.989806v1

http://faculty.marshall.usc.edu/gareth-james/ISL/

「DeepL翻訳」が日本語と中国語を習得
https://t.co/lEYTakQSqN
「翻訳システムの名前を伏せた状態で日本語と中国語の翻訳者に示し、評価してもらいました。またしても、DeepL翻訳が他よりも優れているとして選ばれる頻度が最も高いという結果になった」

翻訳ツール
https://t.co/ur1PHUroUg https://t.co/miMY1NvW4K

google翻訳、みらい翻訳より良いみたいですよー

英語訳が変、、、google翻訳やみらい翻訳よりDeepL翻訳のほうが良いらしい

https://academic.oup.com/bioinformatics/article-abstract/36/6/1955/5626181

https://ranaseq.eu/

アブストしか読んでませんが、クラウド上で発現解析できるみたいです

Although the transmission potential is lower in non-documented patient, it says “undocumented infections were the infection source for 79% of documented cases.” stunned… https://science.sciencemag.org/content/early/2020/03/13/science.abb3221.full

たぶんnon-documented infection = 不顕感染

https://www.thermofisher.com/blog/learning-at-the-bench/pcr-basic2/?cid=T
PCRで増えない人は参考になりそう

Zoomに集中していないとバレるのですね!　次使ってみよう。。。
https://headlines.yahoo.co.jp/hl?a=20200326-00010006-huffpost-int

https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkaa172/5809668

イカって核外でRNA編集できるんですね。知らなかったです。

頭足類はとても知能が高いですが、他生物よりも頻繁に起きているRNA editingがそれに関係しているのでは？という議論が以前からあります。一般に高い知能の生物は寿命長いですが、頭足類は例外的に寿命短く、ダイオウイカですらあの体サイズにして三年程度。頭足類は成長や寿命の解析対象としても面白そうだと思っています

http://bowtie-bio.sourceforge.net/recount/

GENEWIZでIllumina相当のショートリードシーケンス、DNAを送ったあとのライブラリ調整費用込みでなんと12万円＋税らしいです。マクロジェンだとシーケンスだけで14万円です。
RNA-seqは1サンプルだけで1レーン使うわけにはいかないですが、ゲノムはHiSeqからDNBSEQへの切り替えを考えても良いのかもしれません。

Famous computational biologist, Lior Pachter(developer of Tophat, Cufflinks etc), explains how to analyze single cell RNA-seq using actual Drop-seq dataset. Amazing thing is he shared his code in Google colab and we don’t have to prepare anything like  python environment and dataset. In this practice he reproduce the drop-seq analysis from the raw fastq file to downstream result.
https://www.youtube.com/watch?v=vKsh_ovq8x8
code: https://www.youtube.com/redirect?redir_token=VdhE-6dnoB2J3GXUr0gb4Pg8Ks98MTU4NTQ2MDA4MUAxNTg1MzczNjgx&v=vKsh_ovq8x8&q=https%3A%2F%2Fcolab.research.google.com%2Fgithub%2Fpachterlab%2FBBB%2Fblob%2Fmaster%2Fnotebooks%2Flung_atlas%2Fmouse_lung_dropseq_SRR8426358_python.ipynb&event=video_description

https://twitter.com/marimiya_clc/status/1244831839509811200?s=21

木島くん　[Googleのcolabでコードを共有し

浅川先生、Shift押しながらEnterで改行が入力できますし、左下の歯車マーク→環境設定→送信方法で「Ctrl+Enter」とかにしておくと、途中で誤送信しなくなります。

『Googleのcolabでコードを共有し』　とは　Googleのサーバーで演習ができて、こちらは端末だけあればいいということでしょうか？でも自分のデータを解析する時は、codeをダウンロードして、自らのコンピュータなりで行うということですか？

「Googleのサーバーで演習ができて、こちらは端末だけあればいい」という認識であってると思います。ただしデータは一定期間おきに削除されます。（違ってたら教えて下さい→吉武先生）

あ、そんなに便利なやつなんですか？　いわゆるGoogleクラウドコンピューティングで無料のノードって、1CPUでメモリ1GBだったかを一人一台なので、データ解析をそんなに優遇してくれているとは思っていませんでした。ちょっと調べてみます。。。

私の質問の前半は適当な印象ですが、後半は、ピント外れなのかもしれません。だれか忖度してください。

うーん調べたらそんなにリソース多くはなさそうですね

ただkallistoはfastqを内部でwgetして一行ずつメモリに載せて処理してくれるらしいので、上の解析に関してはクラウドベースで完結するはずです。

なので今回のシングルセルkallisto解析に関しては、クラウド上で使えるリソースでローカルPC使わずに最後まで走らせられますって感じでしょうか。

あ、自分のデータはgoogle cloudに上げればグーグルのサーバー上で解析できるみたいなのだった気が

自分でColaboratoryを起動して、試しにコマンド打ってみました。メモリ13GB、CPU1個、ディスク75GBを自由に？使えるようですね。
Python、Rを自由に使える、もちろん各言語を少し知っていれば、外部呼出しで別のツールを使うことも可能だと気が付くと思います。
最初のお勉強には良いかもしれませんが、その場合PythonなどからLinuxのコマンドを外部呼出しするという状態が理解できているのか心配ではあります。

個人的なおすすめは、WindowsならWSL上で自分のPCでタスクマネジャー開きながら解析してみる、Macなら普通にターミナルでアクティビティモニタを開きながら解析すると、コンピュータが頑張っていること（計算始めると熱くなるとか、ファンがうるさくなるとか）がわかって良いのかなと思います。
そして、タスクマネジャーなどでメモリを食いつぶしたときのみ、OS全体が重くなることが実感としてわかると思うので。

KBaseというWEBブラウザでデータ解析が完了するWEBサービスがあって、有名なGalaxyとかよりも使いやすく、リファレンスありのRNA-seqやメタゲノムについては、非常に充実していておすすめなのですが、それを使ったゲノム解析についてのウェビナーがありました。
https://drive.google.com/file/d/1EquxmQ64P57u47JZZAztk5tYfMkklM4q/view?usp=sharing

どうやら、アルゴンヌ国立研究所とバークレー校のコンピュータでCPU 700コア、メモリ14TB、ディスク610TBを提供してくれているようです。7日以内にジョブが終わる必要があるようですが、私が開発に加わっている遺伝研のMaserよりもカッコよくて好きです。de novo RNA-seqはMaserを使うしかないですが。

なんかフライングでプレスリリースだけ出しちゃってるっぽいんだけど（論文見つからない）、プラナリア相当気色悪い https://research-er.jp/articles/view/87819

咽頭だけ動くんですねw

ヒラムシもそうかもしれませんね

kimosugi

ご時世的になかなか気が滅入りますが、こんなときのためにpythonのテキストを紹介します。最近始まった東大のPython講座のテキストですが、とてもよくできていてこれを終わらせればかなり実用的なレベルでNGSの下流解析とかできるんじゃないかと思ってます（僕はこれで勉強してだいぶ使えるようになりました）。バイオインフォの世界だとどうもRが優遇されがちですが、Pythonの方がずっと直感的だしコーディングが楽なので僕はPython推しです。家で手持ち無沙汰ならぜひどうぞ。本気出せば二週間位で終わるはずです
https://drive.google.com/drive/folders/1HVRMUq-4CFmQa8REnU9GwhPSsWuR8PVa?usp=sharing

自分の手持ちのPCにダウンロードしてフォルダ内でjupyter-lab起動すればあとはハンズオンでpythonが一通り学習できます。

ちなみにECCSクラウドメールアドレスをもってることが条件ですが動画なんかもあるらしい（みたことない）https://sites.google.com/view/ut-python/resource

あ、pythonの環境構築がよくわからなかったらこういうときこそGoogle Colabを使うというのもあり

これだけでいいっぽい

pythonを勉強する前の予備勉強、ありますか？

自分でPythonの環境を作るってのは実際のところなかなか面倒で未だに自分も正解がわかっていないのですが、すでに環境がセットアップされているGoogle Colabを使ってプログラミング自体を学習するだけであればキーボードが打てて文字が読めれば大丈夫なはずです

テキスト300ページ近くあるね。😅
こっちも学生登校禁止で当面やれる事が限られているので、やってみます。

まあ環境構築で格闘するというのも一つの勉強だとは思うのですが、いらん苦労はしないほうがいいってのが最近の気持ちです

学振の書類が落ち着いたらやってみます

https://www.frontiersin.org/articles/10.3389/fmars.2020.00188/full

https://dev.biologists.org/content/early/2020/03/20/dev.183855

哺乳類でみられる老化に伴う筋幹細胞の機能低下（成長や再生能力の低下）について、single cellでcell motility assay, RNA-seq, RNA velocity assayをやってます

https://research-er.jp/articles/view/87932

↑これ私も共著に入っていたりします

わー、本当だー！
プレスリリースしか読んでないんでちゃんと読んでみます。

もともとは鉄の殻を作ることができるスケーリーフットがいて、なんでその種だけ鉄をため込めるのか、ゲノムを読んで解明したいということだったのですが、鉄をため込む能力は
http://www.jamstec.go.jp/j/about/press_release/20190910/?tw
で解明されているように思いました。
7年前はゲノムで鉄の殻を作るメカニズムを解明しようとしていて、私が行ったゲノム解析では、鉄の殻を作る種だけ共生細菌がやたらと多かったので、それが原因じゃないかと指摘したりしましたが、結局宮下さんが紹介してくれているゲノムの論文では、鉄の殻を作る能力については一切触れていないのではないかなと思います。
ゲノムから表現型の違い（鉄の殻を作る種・作らない種）を説明するのは難しいと思わせてくれた生物の一つです。

StringTieよりも、Scallop, PASAというツールのほうが正確に転写産物を予測できているらしい？
https://twitter.com/genolib_19/status/1249858421391687682

誰か試してみて結果を教えて下さい。

取材されました！
https://bio.nikkeibp.co.jp/atcl/news/p1/20/04/10/06796/

吉武先生　おめでとうございます。

おめでとうございます!

おめでとうございます!

おめでとうございます!

吉武先生
こういう時期ですので、うれしい話題をありがとうございます！

今MGIのウェビナーを見ているのですが、10xのLinked-Readに似たstLFRという手法だと10万円くらいでN50: 1 Mbp越えのゲノムができるみたいです。10xのLinked-Readもそこまで高くないですが30万円くらいです。
https://www.biorxiv.org/content/10.1101/2020.03.16.992933v1.full

まだ日本にはMGIのシーケンサーはほとんど入っていない気がしますが、いずれIlluminaからMGIに移るかもしれません。少なくともIlluminaショートリード+ナノポアの組み合わせは近いうちにMGI stLFRに置き換わるのかなと思います。

stLFRの原理についての過去のウェビナーのリンクです。
https://en.mgitech.cn/resource/webinars_info/7

これいいね。これに私のBACライブラリー構築のDNA調整法を組み合わせたら、鬼に金棒だね。また使用目的が全然違うけどAsfanaさんのやってる方法とある部分が同じだね。Asfanaさん急がないといけないね。シーケンシングは何の機種を使っているのかな？

日本での外注はここで受けているようです。
https://gikenbio.com/dnaanalysis/ngs/dnbseq/
DNBSEQ（旧MGISEQ）という機種で、10年くらい前のcomplete genomics社のシーケンサーを買収して改良したものです。

農学部2号館にも納品するとかMGIの人が言ってましたが、もう納品されているのでしょうか。MiSeqよりも安いらしいです。

本体価格、ラニングコストもかなり安いらしいので、農学部内部にあれば、Illuminaの外注をやめてDNBSEQを使うことにしたいですが、Illuminaのバーコードといいますか、アダプターと互換性がなくて、まだ96サンプルまでのマルチプレックスキットがなかったように思います。

途中のスライドがまさに昨日水圏生物工学特論で講義したWhole genome shotgun法とBACを介した2段階のゲノムシーケンシング法のスライドと同じというか、それを使っているね。

ただ、stLFRによるフラグメントサイズは50kbp程度のようなので、超長ロングリードを取りたいならばやっぱりナノポアになるのかなと思います。

１００ｋｂまではいけてる感じだね。多分、長いDNAが調整できないからだよ。それ以上長いと反応系を変えないとダブルバーコーディングなどが多くなるかもね

https://www.slideshare.net/GenomeInABottle/brock-peters-single-tube-long-fragment-read-technology

の9枚目からすると１００までは大丈夫そうだね。200だとカバー率が落ちてるね。

うちで最低サイズが５０Kb、１００ｋｂ、１５０ｋｂのフラグメントをそろえてやってみよう。もともと坂くんにやってほしいと思ってたんだけど。

スライドありがとうございます。10xみたいに特別な機器を使わず、シングルチューブで手軽に反応させてここまで分離できるのはすごいです。

それでローリングサークルを回した後、何で読んでるの？わたしもローリングサークルを回してそれでNanoporeで読もうと思ってたんだけど、もうやられてるのかな？でも誰も言わないね？

STEP4のDNBは何の略で、あのプラットホームはなに？

そのプラットフォームがDNBSEQです。

1本鎖のロングリードだよね？

ローリングサークルで回すのは、DNBSEQのライブラリ調整です。Illuminaとは異なります。

stLFRは疑似的なロングリード、業界的にはsynthesized long readとか言われるのではないでしょうか。

そうそう。だからローリングで回したその1本鎖をロングリードするわけだよね？

あ、ちがうちがう。その疑似ロングリードではなく、ここの断片を環状化してローリングしてできた1本差をロングリードするわけだよね。

個々のね

シーケンスデータはIlluminaとほとんど同じく100bp x2 のペアエンドで読みます。シーケンスデータ自体はロングリードではありません。

ローリングしてできた1本鎖を、100bpだけ読みます。Illuminaとの違いは、IlluminaではPCRするため、エラーが指数関数的に入ってきますが、ローリングサークルで鋳型を増幅すると、エラーがリニアにしか入りません。

1分子をローリングで増幅して読むというやり方か？増幅の仕方がPCRではなくRCAということだね？

それなら話変わるけどRCAで増幅した1本差をNanoporeでよむのはだれも試してない？

これとかはそれっぽいですね。https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6533607/

木島さんのとは違う論文ですが、次のFig. 1がまさにRCAからナノポアですね。
https://www.pnas.org/content/115/39/9726
たぶんインサートサイズは10kbp程度までしか考えていないと思いますが。

ターゲット配列をプラスミドに入れてRCAで増幅してNanoporeで読むみたいな感じでしょうか。あんまり詳しくないですが。

有難う。うちでやる必要はなくなりましたね。うちでは長いDNAだけそろえて、st法をやってみますか。どのくらい底の手間が効果的か見てみたいですね。あまり効果的だないなら、する必要はないですが、とりあえず検証はしてみましょう。それで何がいいですかね？stickebackにしましょうか？あとひらむしやウミウシ、クドア、オンデンザメ、ゼブラの近縁種、いろいろありますね！

アユやアコヤガイ、ティラピアもありますね。

sticklebackは米澤くんにナノポアで読んでほしいとお願いしたので、オンデンザメかウミウシでしょうか。アコヤガイはOISTでHiCまでしてます。ティラピアも染色体レベルまでなっていたと思います。アユはよく知らないです。

それからstLFRのライブラリ調整までは研究室で安価にできそうですが、DNBSEQは外注するしかなく、先ほどの生物技研だと18万円するので、あまりコスト的には魅力がないかもしれません。

ライブラリー調整後はイルミナを使うということですか？

それは無理らしいです。

Base-level identification of splice junction sequence maybe the main challenge of MinIon long read transcriptome sequencing. However there are some tools to overcome this... LEMONS, PASTA that can increase the accuracy.

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3623791/

For transcriptome seq I Illumina or DNBseq might be best

RNA-seq by nanopore seq is still challenging (some researchers are trying though)

This paper is out in 2013 and maybe now it’s getting better..?

I was focusing some tools for the base-level identification of splice junctions in long-mRNA sequencing.. yes there maybe new tech.. but I found these tools

I got it, cool(RSEM is developed in 2011, and still used… The newer one should not be the better)

yes Kijima san, there may be many tools good for long time.. by the way it is really interest to study accurate detection of splice junctions from RNA-seq

共同研究でNanoporeを使ったmRNA-direct seqを行いましたが、3‘末端の短い配列ばかりが出力されました。
RNAを長く抽出するのはDNAより難しいかもしれません。

We did a joint study of mRNA-direct seq using Nanopore, but only short sequences of 3' terminals were printed.
Extracting RNA for a long time may be more difficult than DNA.

long time→long  read

https://www.nature.com/articles/s41598-018-26695-9

https://academic.oup.com/nsr/article/doi/10.1093/nsr/nwz206/5762999

BGIにDNBSEQの外注費用を問い合わせてみたのですが、約100GB10万円とIlluminaより安かったです。マクロジェンでのIlluminaは約100GBで14万円なので、微妙な差ではありますが。
BGIだとIllumina用のライブラリ調整キットがDNBSEQにもそのまま使えるらしいです。
次回ショートリードを頼むときは、DNBSEQを頼んでみると良いかもしれません。

Dimension reduction is challenging topic in current computational studies and t-SNE had been used until 2017 but it tends to mess up the global structure of nodes, though it’s good at preserve local structure. Relatively new dimension reduction method, UMAP(2018) is now widely used in single cell field and it can preserve the global structure of nodes in high dimensional space as well as local structure, shown by this paper:  https://www.nature.com/articles/s41467-020-15351-4

Phate(2019) also preserves the global structure but I’ve not tried this yet. https://www.dropbox.com/s/wne1dgoifpbauxy/phate.pdf?dl=0

single cell atlas of zebrafish embryogenesis, to be honest it’s not interesting but important work

これ、調べた細胞が、脳のこの位置にあったということをどうやって決めるのでしょうか？

マーカー遺伝子の発現で決めてます

なんかそれってプロセスが逆転しているような印象。遺伝子発現の詳細が個々の細胞で分かってないから、この研究をやってるのでは？

まあin situとかで重要な遺伝子の発現とかはわかってきてたけどtranscriptomeレベルでは計測できてなかったよねっていうのがシングルセル解析の意義かと

図をみると、例えば前頭葉で発現している遺伝子のマーカーで前頭葉にその細胞が位置しているというプロセスを踏んでるなら、なぜ個々の細胞でTypicalな場所から飛んでいるものがあるのか分からない。別の言い方をすると多分発現パターンで色別になってるんだろうけど、同じ色で典型的な場所から遠くに位置しているのは、ある程度腑分けしているから分かるのだろうけど、図のような分解能で腑分けしてるということでしょうか？

これたぶん各細胞をノードとしたのk-nearest neighborhoodグラフを作って各サブグラフの密度から自動でクラスタリングしてるんだと思います。

このkNNグラフが埋め込まれる空間とUMAPの空間は全く別なので、UMAP上で飛んでる細胞とかが現れるのはしょうがないのかと思います

ちょっとややこしい言い方になってすいません、色分けは機械的に行っているので同じ細胞種で飛び散ってるものがあっても多少しょうがないのかと思います

言ってることを理解しているか分からないけど、そけれで図１ができると思うけど、それで図２を作るプロセスで、どういうやり方で、位置づけしているのか、そのプロセスが適切なのかはどう評価できるのでしょうか？その飛び散ってるのは、すでに前提としてこの遺伝子はここでも発現しているから、ここにある確率はこれくらいということを参照できるデータがこれまでの研究の蓄積ですでにあるということでいいのでしょうか？

位置づけってどういう意味ですか

（全然読んでませんが、Fig. 2がUMAP？か何かではなくて、脳を輪切りにしたSpatialな図に見えるとかそういうことだったり…？）

そうです。あれは実空間ではないのですね

あ、そういうことか

完全に噛み合ってなかったですねすいません

たしかに。

あの散布図はPCAの親分（子分？）みたいなやつです

誤解してました。あくまで解析空間のはなしですね。

ただ発現遺伝子をしりたいのに既知のマーカー遺伝子を基準に議論するのは違和感あるってのは同感です、どうしたものか

Visiumを使う！

ですよねえ

ちゃんとしてる論文はシングルセルやってから免染とかしてますね

@XU ZHONGNENG
predicting RNA age using RNA editing with ADAR https://www.biorxiv.org/content/10.1101/2020.02.08.939983v1
predicting cell fate by measuring RNA and newly synthesized RNA at the same time https://science.sciencemag.org/content/367/6482/1151.full https://www.nature.com/articles/s41587-020-0480-9

and RNA velocity https://www.nature.com/articles/s41586-018-0414-6

@Yusuke Kijima Thank you, Kijima san. The documents are useful for me, especially the first preprint. Actually, I submitted the manuscript last year, but after review for a long time, they rejected the manuscript. Some ideas of the first preprint is similar to mine. I regret that I did not post the manuscript on the preprint website first. I think next time, I will post the manuscript as a preprint first, but some journals refuse the preprint manuscript.

種名が付けられない大量のバクテリアに名前をつける基準を決めたらしい、メタゲノムとかやるなら便利かも https://www.nature.com/articles/s41587-020-0501-8

今はほぼ16S rRNAだけで名前をつけているけど、rRNAを同定しづらいMetagenome-assembled genomes (MAG)には全ゲノムの相同性を使って名付けるという基準が出来ると便利ですね。

セミナーで日本語→英語の字幕をつけることが出来ないかと調べていたのですが、なんとパワーポイントにそんな機能があったのですね！
https://snow-white.cocolog-nifty.com/first/2019/06/post-b31531.html
使ってみた感じでは、十分実用的な印象を受けました。
日本語で発表する人は、この字幕機能を使うようにしてはどうでしょうか？

字幕機能を使う場合、Office 365の最新版をインストールする必要があります。
インストールの手順は、東大のアカウントを持っている人なら、Office365 (https://www.office.com/ )にUTアカウント ( 10桁のID@utac.u-tokyo.ac.jp )でログインすれば、最新(Office 2019対応版)のインストーラーをダウンロード可能で、恐らく一人５台までインストール出来ると思います。

多言語対応のようなので、登録されている国であれば、留学生にも母国語でしゃべってもらって、日本語訳というのもできそう。英語の練習にはならないですが。

川、湖に適応したイトヨのゲノムを読んでからそれぞれの系統を交配してから川に放って一年後ゲノム読んだら選択が進んでたらしい

https://www.nature.com/articles/s41467-020-15657-3

共同研究者から聞いたのですが、bioRxivに花粉1個ずつの10x CNVデータから連鎖地図を作って、そのままゲノムアセンブルも完了という原稿が公開されていました。
https://doi.org/10.1101/2020.04.24.060046

精子シングルセルを早く論文にしないと…

この論文で使っているツールはJoinMapという多くのマーカーは使えないツールだし、私の主張はソフトウェア的な方面なのであまり問題ではないと思いますが、10xのCNVで連鎖解析というのはやはり考える人多いだろうなと思いました。

吉武さん　1セルのアイデア自体は、decades前からあったことですから、現実のシステムとしてうまくできるかどうかがポイントと思います。論文を見るとゲノムサイズや、サンプル数から問う論文と比べて当方の方は1桁以上の上の規模感ですし、花粉でなく精子でうまくいっている初例ですので、まだすごく新規性が高いと思います。研究人口の多いイトヨ、脊椎動物、精子卵子生殖の初例というインパクトもすごく強いです。今後精子系で我々の論文はかならず引かれると思います。急ぎましょう！

コメントありがとうございます！　そうですね、やはり精子で行った初の例として大きいと思いますし、急いで論文に仕上げたいと思います！

LoopSeq社の開発者の方と話していて、なんで超高精度といいながら、16S rRNAのテストデータで、例えばBacillusという細菌の16Sで1塩基違いのリードが沢山出てくるのか！？と聞いたら、まだ未発表だけど、Bacillusは16Sのコピーが10コピーくらいあるけど、それらは完全に同一ではなく6タイプあるからだと回答をもらいました。
16Sで配列が1コピーでも違えば株が違うとかいう前提の人も見かけたけど、そもそも同一個体内で16Sのコピーが1，2塩基違うことも多いのだなぁと思いました。

そうそう、LoopSeqとはHiSeqを使う合成ロングリード手法の一つですが、おそらく1サンプル2万円程度で、3 kbpまでの長さのPCR産物をシーケンス出来ます。PacBioのHiFiリードよりも短いもの限定になりますが、1 kbpのD-loopをターゲットとしている私にはちょうど良い長さで、HiFiよりも安いです。

自宅のWindowsから研究室のサーバのファイルを見たいとき、Explorerでファイルが見れて便利
https://qiita.com/onomame/items/342bc9025ac209cab34b

専門用語が多くなってくると辛そうですね。村さん以外もセミナーで試してみて出鱈目なら諦めがつくのですが。

なにもわからないですね笑

多分きちんと日本語の原稿を作ってそれを読めば、ある程度正確に英語に翻訳してくれるのかな？短いセンテンスで明確に話すとか、話す人の日本語スキルが必要そうですね。

木下先生、吉武先生、みなさま、先日のゼミで伊藤君から説明のあったVISIUMに関する論文、カタログ、受託サービスの情報をUPお願いいたします。

以前吉武先生が上げてくれてた気がするけど一応セミナーの資料→https://drive.google.com/drive/folders/1lrmmAZEUjNcEZwAFOoka5C-B9sx4zeTp?usp=sharing

あと明日午後イルミナのSpatialのWebinarがあるらしい　https://sapac.illumina.com/destination/Webinar-May13-Integrating-Imaging-and-Sequencing-Data-to-Understand-Diseases-in-Single-Cells-and-Tissues.html?SCID=2020-260EC2468

@Su xizi
I don't know the following study would be useful for your study, but there is a method called LIBRA-seq that uses a single cell for antibody screening.
https://pages.10xgenomics.com/libra-seq-mcdonnell-on-demand.html

Thank you,sensei. Really helpful tool for my situation now. I will check it.

This is cool https://www.nature.com/articles/s41586-020-2249-1

Fix cell, ligate RNA with biotin tag and pull down, then sequencing ligated chimelic RNA read (maybe same method as Hi-C).

They could successfully capture enhance RNA-promoter RNA interaction as well as normal RNA-RNA interaction and constructed enhancer-prometer interation map, which is obviously separated by chromosomes.

hの2次元的な、HiCによる核内の染色体配置様の図は何ですか？それに擬して適当に作った絵でしょうか？

エンハンサーとプロモーターから転写されるncRNAの一種であるenhancer RNAとpromoter RNAのinteractionを検出することで構築した、ゲノム中のエンハンサープロモーター相互作用のネットワークです。基本的に染色体をまたいでエンハンサーとプロモーターが相互作用することは少ないので、染色体地図のようになります

それはわかるんだが、その結果を、なぜ円形にあの図のように見せているのか？図の見せ方に、その説明以外の意図があるのかが知りたいポイントです。染色体なら、まさにあの図ののように、１つの核の中に入っていたという物理的な事実と対応しているわけだけど、この場合は、そのような実態があるのか？それとも染色体の中のインタラクションを図のような見せ方をしているだけなのかが知りたいポイントです。

Enhancer RNAとPromoter RNAを今回初めて知ったが、この研究の場合、promoter RNAとｍRNAの区別はつくのでしょうか？mRNAのComplementary strandでしょうか？promoter RNA転写のpromoterはどうなってるのでしょうか？研究室を挙げてちゃんと知識をUpdateしておく必要がありますね。

あ、そういうことですか。失礼しました。

>基本的に染色体をまたいでエンハンサーとプロモーターが相互作用することは少ないので、染色体地図のようになります
とさっき書きましたが、僕の理解が少し間違っていたようです。
The whole-genome networks were built based on the significant intrachromosomal RNA–RNA interactions (P ≤ 0.05) and sufficient trans-chromosomal interactions needed to depict chromosome–chromosome relationships.
とのことなので、染色体内でのエンハンサープロモーター相互作用と染色体間での相互作用を事前に分けてからグラフを作っているみたいです。なので一応染色体の位置関係を反映してるんだと思いますが、円形になっているのは図の見せ方でしょうね。実際の物理的な形を反映しているわけではないと思います。
（ちなみに既報の染色体のテリトリーと似ていると文中で主張していますが、言及されている論文の染色体図を見る限りあまり似てるようには見えないです。。）

実際には2倍体なので、１つの染色体当たり相同染色体は2ずつあるはずですが、図は1本なので、テリトリーというのはあったてるかどうか微妙ですね。いずれにせよ、核内でのRNAの相互作用がみれるとてもいい手法なので、うちでも活用したいですね。うちでは研究対象の遺伝子の発現制御をこれまで以上に精緻に調べたいところです。またParkinのような超大型イントロンに何か情報があるのかも調べたいところです。

promoter RNA/enhancer RNAは僕も詳しく知らないんですが、各領域から+-双方向に転写されるという特異な性質があるので見分けられるんじゃないかと思います（そもそもTSSより1kb以上上流が転写位置ですし）。promoter RNAは特にエキソソームのメジャーなターゲットになるみたいですね。

21：58の図でクロスリンクしているのはRNAに張り付いているRNA binding protein間ということでしょうか？RNA-RNAとかRNA-ｐroteinもでしょうか？

Fig2でたくさんの種類のRNAと相互作用するRNA(hubRNAと名付けています)について解析しているのですが、70%が50kb以上の巨大イントロンを持つ遺伝子らしいので関係あるかもしれないですね

>21：58の図でクロスリンクしているのはRNAに張り付いているRNA binding protein間ということでしょうか？RNA-RNAとかRNA-ｐroteinもでしょうか？
RNAに張り付いているRNA binding protein間です。ワトソンクリック結合型の相互作用だけでなく、RBPを介した遠位の非ワトソンクリック型の相互作用もこの手法ならキャプチャできるとfig1で言ってた気がする

does it include mRNA.? because most of mRNA usually come out of the nucleus after the transcription..

You mean mature mRNA? They analyzed the profile of mapped region in mRNA and most of them (~80%) were intronic region(ext.fig 1g).
Since this method is not stricted to nucleus but whole cell, cytoplasmic mature mRNA interactions should also be captured (and control experiment shows actually this method can detect both exonic and intronic region equally).
So this result implies intronic region in pre-mature mRNA has some function related to RNA interaction.

yes I mentioned the mature mRNA. I got it.. but actually I didn't know what is happening to intron mRNA after splicing, however it seems.. there should be a role.. interesting.. thank you

精子シングルセルの論文をbioRxivに投稿しました。
https://www.biorxiv.org/content/10.1101/2020.05.12.092221v1
ソフトウェアの改良の余地はまだありますが、競合がたくさんいそうなので取り急ぎ論文にまとめました。

👏👏

知ってる人は知ってるかもしれませんが、生物工学基礎講座－バイオよもやま話－ を紹介します。（主に4年生向け）

生物工学に関する実験の基本的なこと（実験基礎編・遺伝子クローニング・培養の3パート構成）が紹介されてます。

自粛明けから徐々に実験を始めることになると思いますが、 その前に実験の基礎知識があるとスムーズに実験を進めることができるかと思います。

後、院試の勉強にも少しはなるかも？

https://www.sbj.or.jp/sbj/sbj_yomoyama_lab.html


院試の勉強が分からないって場合は、私に限らず諸先輩方に気軽に聞いて貰えればと思います。
コロナの影響で院試もどうなるか分かりませんが、後数カ月がんばってください。

ありがとうございます！！

ありがとうございます

ありがとうございます。

遺伝子クローニング編とか、書籍のイラストレイテッドではカバーできていない最近の手法の組み換え手法の説明などがあって、4年生以外も見ておくと良さそうに思いました。

Macで研究室のサーバのファイルをFinderで見たいときは、
https://qiita.com/ysk24ok/items/bb148530a55a4e55d99b
を参考にsshfs使うと便利ですね。
インストールが終われば、次のように打てば良さそうです。
mkdir mnt
sshfs -oport=15372 your_user_name@suikou.fs.a.u-tokyo.ac.jp:/ mnt
pass: tUzuzeaq (もうすぐ2020年用に変更します)

例えば、m96のファイルは、mnt/suikou/files/m96/の下にあります。

使い終わったらアンマウント処理で
diskutil unmount mnt
と入力すれば切断されるようです。

共有フォルダはやっぱりつかえないんですか

@Yoshitake Kazutoshi Thank you so much for this information, I try it and success.

ありがとうございます、便利そうですね

この長命生物のレビューは日本語だしよくまとまっていて面白い　https://seikagaku.jbsoc.or.jp/10.14952/SEIKAGAKU.2016.880071/data/index.html

三浦先生とは共同研究中です。教室の川村さんがBACを習いに来てました。今は熊本大学です。

A new whale species found in North Pacific
http://www2.fish.hokudai.ac.jp/7854/

これすごい
https://www.biorxiv.org/content/10.1101/2020.05.13.094268v1.full

アイデアの元になってるexpansion microscopyっていうのは、紙おむつの給水膨張特性に注目して組織に紙おむつの素材を浸透させて水かけて組織ごと膨らませるっていう面白い手法　https://www.youtube.com/watch?v=CDdpQSLr7YE

サーバーにseqkitの最新版をインストールしました。使ってる人多そうなので、従来のseqkitと分けてseqkit_newとしてシンボリックリンクを貼りました。新しいの使いたい人はそっち使ってください。コマンド増えてて助かりますね

さっき3人しか参加していないDovetail社のウェビナーを聞いていたのですが、Hi-Cの後継のOmni-Cというキットが販売されるそうです。制限酵素で切断せずにDNaseで切断することでよりバイアスなく解像度よく読めるようになったとか。Hi-Cが8サンプル分で50万円なので、Omni-Cも同じくらいかなと思います。

Omni-C vs 連鎖解析はいつかやってみたいです。

すぐやろう！

既に購入できるのかどうか、まずは見積もりを取ってみたいと思います。

今、ロングシーケンシング系は、1分子以外も含めて何がありますか？

scaffoldingという意味であれば、バイオナノ社のIrysの後継機サファイアが有望らしいです。
https://axel.as-1.co.jp/contents/bio/genomics/saphyr1
Hi-Cや連鎖解析なしでも染色体にすることが出来るという噂を聞きましたが、やっぱり物理的にDNAの長さに引っ張られると思うので、なかなか難しいのではないかなと思います。

これはずいぶん前に聞いたことがありますが、一種のフィンガープリントですよね。
この前言っていた外注のシーケンシングはなんでしたっけ？

外注ではありませんが、stLFRでしょうか？　https://en.mgitech.cn/Products/reagents_info/id/18

キットは注文してあるので、近いうちに届くと思います。

これがどのくらい使えるのか、はやく知りたいですね。

https://www.nature.com/articles/nature14668.pdf

It is the genome of the octopus done by Illumina sequencing.

Evolutionaly genomics study focusing on several genes related to sensing functions in mammals. They are discussing the relaxation of natural selection and its relationships with the environmental adaption. https://academic.oup.com/gbe/advance-article/doi/10.1093/gbe/evaa082/5823305

A software to predict functional profile in the sampled microbiome https://www.nature.com/articles/s41587-020-0548-6

I didn’t know this software named PICRUSt but it has been used from 2013 and seems useful for some of our studies

アコヤ貝の研究について、木下先生が日経バイオテクに載ってました！！
https://bio.nikkeibp.co.jp/atcl/news/p1/20/06/02/07029/

@満山進 先生
研究室HP（http://www.suikou.fs.a.u-tokyo.ac.jp/blog/%e7%a0%94%e7%a9%b6%e5%ae%a4%e7%b4%b9%e4%bb%8b/）のNewsに反映のほう、お願いしてもよろしいでしょうか？

後で反映します。

Hi-C like method which tried to understand the radial localization of chromosome is interesting. https://www.nature.com/articles/s41587-020-0519-y

They adopted the simple time-cource in situ Hind3 digestion. In this case, by taking several time points and do sequencing for those libraries, radial localization of chromosome can be inferred. They showed the distribution of SNPs are highly enriched on the outer region of nucleus, which implies the higher oxidative or UV stress of outer region of chromosome. interesting!

@吉武さん
ホームページ更新しました。

ご対応くださり、ありがとうございます。

満山先生
HPの更新ありがとうございます。
学生の卒業、修士課程修了、博士学位取得、水産学会春季大会での発表、五十嵐君の三重大助教就任、新年度の活動開始と新メンバーの入室、Rabebさんの東大3MTでの受賞などもニュースに加えて頂けますでしょうか

承知しました。後で時間のある時に入力します。

@木下先生
ホームページ更新しました。

@満山進 先生
ご対応ありがとうございます！

Visiumのほうが性能的には良さそうですが、その他の空間トランスクリプトームとして、GeoMxというのがあるようです。
https://www.nanostring.com/products/geomx-digital-spatial-profiler/geomx-dsp
こちらは外注で30万円から受けてくれるようです。
https://www.ikedarika.co.jp/catalog/item/3462.html
直接mRNAを読むわけではなく、mRNAにハイブリするプローブについているタグを読むのにNGSを使うらしく、今のところヒト、マウスだけくらいしか対応していないようです。

これですかね？https://www.nature.com/articles/s41587-020-0472-9#Sec14

手順煩雑そうだなーと思ったんですがどうでしょう。どっちかというとproteome+RNAも読めるみたいなノリだと思ってました

その論文のようですね。手順が煩雑でも受託で受けてくれるところがあるなら問題ないと思いますが、如何せん魚には対応する抗体もmRNAライブラリも無さそうなのが残念です。Visiumだと自前でスライド買っても、一枚70万円以上するので、外注で30万円で済むと経済的には楽ですが。

なるほど、受託の詳細みたらめんどいこと全部やってくれるみたいですね

ハイブリでターゲットのRNAを検出後、ターゲットRNAと切り離してシーケンスに回すようなので、パラフィンやホルマリンで固定したサンプル（RNA）でも使えるというのが強みなんでしょうね。指定したROI中のRNAの位置情報はごっちゃになってしまうようなので、解像度的にはレーザーマイクロダイセクションで切り取った試料をRNA-seqするのと同じような気がしますが、違うのかな？

そうなると思いますが、1スライド中２４箇所切り分けられるので、劉さんがやろうとしていた解像度には十分かなと思いました。魚類には対応していませんが。

そうですね。劉さんはVisiumでやる予定ですが、LMDによるRNA-seqの場合、やはりフレッシュフローズンのサンプルを使うので、ホルマリン固定でもいけるのなら代替手段としてかなり有用です。抗体は無理にしても、RNAはカスタムプローブに対応するなど、非モデル生物にもサービスが広がることを期待したいです

ウニも長生き（red sea urchinで160歳）
ちなみにウニの年齢は口のあご（jaw）の長さで測定できるそうです。
Sea urchins live long (160 years in red sea urchin).
The age of a sea urchin can be estimated by the jaw length of the mouth.

https://www.nature.com/articles/s41598-020-66052-3

× 160 years
〇 100 years, and some may reach 200 years or more

A new study provides the earliest evidence for bow-and-arrow use, and perhaps the making of clothes, outside of Africa ~48-45,000 years ago, in the tropics of Sri Lanka.     https://advances.sciencemag.org/content/6/24/eaba3831

https://www.nature.com/scitable/topicpage/eukaryotic-genome-complexity-437/

engineered mouse which can have hybernation. interesting! https://www.nature.com/articles/s41586-020-2163-6

@村茉南
https://naturemicrobiologycommunity.nature.com/channels/346-behind-the-paper/posts/thievery-as-a-lesson-to-become-photosynthetic-eukaryotes-a-transient-endosymbiosis-in-a-kleptoplastic-dinoflagellate
https://www.nature.com/articles/s41396-020-0693-4
読んだほうが良さそう

https://www.aging-us.com/article/103418/text

have not read yet but seems interesting(proteome landscape in evolutional context) https://www.nature.com/articles/s41586-020-2402-x

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7237901/

In most mammalian species, female’s lifespan is  longer than that of males. However, any consistent sex differences in aging rates is not detected. To analyze genetic basis of the lifespan variation, sex difference in the lifespan is an interesting question.

@KINOSHITA Shigeharu @LIU Guanting @伊藤拓己
You should definitely watch this
https://www.youtube.com/playlist?list=PLfaSRwcfHcq2R1g-R9qq3oV9WCyb7Wq0W
https://www.youtube.com/playlist?list=PLfaSRwcfHcq2lRq7vYfpGIsdJmkwTrb2P

ありがとうございます

Thank you.

情報ありがとう

Intensive review about current genome editing technologies by David Liu’s lab who developed Prime editing (300 references!). https://www.nature.com/articles/s41587-020-0561-9

Genome assembly of soft coral and single cell RNA-seq! https://www.nature.com/articles/s41586-020-2385-7

https://sapac.illumina.com/destination/Webinar-Environmental-DNA-for-Eco-Evo-Monitoring-of-Aquatic-Organisms-in-the-New-Era.html?SCID=2020-103DOCO3026&catt=TeamSharing

https://www.pnas.org/content/early/2020/06/17/2004805117

https://nazology.net/archives/63129

遺伝関連ではないですが、面白かったので紹介します。

隔離された水域にも魚類は存在しますが、それは従来鳥の羽や脚にたまたま魚卵が付着し、移動したものと考えられていましたが、この論文では鳥が食べた魚卵が未消化の状態で排出され、その卵が遠隔地でハッチに至ることで分散されるという新しい考え方がこの論文で記載されてます。

保全遺伝学などの分野では、将来活きてくるのかもと思った論文でした。

ウツボがフグ毒耐性?
https://headlines.yahoo.co.jp/hl?a=20200627-00000019-kyodonews-soci

調べてみたら知られてる現象ではあるようですね　https://www.earthtouchnews.com/natural-world/predator-vs-prey/watch-moray-eel-feasts-on-fugu/

前に、日大がウツボにフグあげたら死んだと聞いたような気がします。

猛毒個体を食べた場合は死ぬのかなと思います。
ただ、この記事のよう産卵個体を頻繁に食べてるようならかなり耐性があるような気がします

new protocols for visium:
1.  slide reset: If you fail to make a section, you can redo it (only once).
2. a combination of immunostaining and visium
https://support.10xgenomics.com/spatial-gene-expression/sample-prep

ありがとうございます

Thank you very much.

Visiumはヒラムシグループや小林さんも勉強してください。

承知しました

分かりました

一応注意点としてVisiumは3’ RNA-seqなのでリファレンスゲノムとアノテーションがない非モデル生物の場合は厳しいんじゃないかと思います

ゲノムとトランスクリプトームを事前に読んだ上で将来的に空間解析を行うというのは非常に有益だと思いますが

ありがとうございます。

Genome analysis on North American beaver, an exceptionally long-lived and cancer-resistant rodent species.
https://www.biorxiv.org/content/10.1101/2020.06.25.171322v1

Alcohol dehydrogenase gene is specifically expanded in beaver genome, and actually beaver cells have high resistance to ethanol and aldehydes. Does it mean people who has high tolerance for alcohol live longer?

New approach to neurodegenerative deseases:
They treated Alzheimer desease by converting non-nourvos cells to nerve cells in the brain of Alzheimer model mouse and replacing lost neurons.
https://www.nature.com/articles/s41586-020-2388-4

ありがとうございます。

Thank you very much.

https://research-er.jp/articles/view/90033

Small Extracellular Vesicles (EVs) from young healthy individuals rejuvenates old individuals. GST protein coatained in small EVs may be involved in the rejuvenization. They separated EVs by its size, and small EVs but not large EVs have the rejuvenization activity. Small EVs = exosomes?
https://www.sciencedirect.com/science/article/pii/S1550413120303053?via%3Dihub

Learning shell script is pretty important and practical for your RNA-seq/Genomics study using Unix platform and this 3hr video will help you to learn how to use bash command line. https://www.youtube.com/watch?v=e7BufAVwDiM

MGIのDNBSEQシーケンサーの原理を日本語で解説してくれているウェビナーがありました。
https://zoom.com/webinar/register/WN_Wqd6rRXAQ9KFDMOwt2CNpA
9分～20分あたりを見ると良いと思います。DNA増幅部分は何度か説明を聞いたのですが、シーケンス部分は4色の抗体を使っていたのだと初めて知りました。
今年はIlluminaではなく、DNBSEQを外注することが多くなると思います。

ありがとうございます

おまけで23分あたりに合成ロングリードのstLFRならInput 1ngでOKというスライドがあります。。。本当なのだろうか？

nanoporeのpore部分のタンパク質を改良したことで一塩基リピートの読み取り精度が向上したらしい https://www.nature.com/articles/s41587-020-0570-8#author-information

まあ9塩基リピートが限界っぽいけど（Fig4d）

https://media.nature.com/original/magazine-assets/d41586-017-07291-9/d41586-017-07291-9.pdf

Biomineralization related article by Suzuki Michio sensei. In the ligament of pearl oyster shells, unique protein forms special biominerals.
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3424545

Mammals show varied lifespan over 100 folds. In this study, genome-wide and pan-mammalian analysis of the gene evolution rate revealed that molecular constrains in some longevity related gene networks.
https://elifesciences.org/articles/51089

Fish show varied lifespan over 1000 folds! After analyzing species-specific genome analysis on extra long-lived or short-lived fish species, we should consider pan-fish (or pan-vertebrate) genome analysis to generalize our model to molecular mechanisms underlying varied vertebrate lifespan.

Hi-Cの改良版のOmni-Cなどを使ってゲノムを構築する流れが紹介されていました。
The flow of constructing a genome using Omni-C, an improved version of Hi-C, was introduced.

https://dovetailgenomics.com/webinar-geneva/

https://www.nature.com/articles/d41586-020-01974-6

I’m reading this article right now, it’s pretty cool

yes it's really interesting and alternative to cas9

Lifespan of gray whale is at least 77 years, a top 1% of mammals. Transciptome analysis of gray whale and comparison with other long-lived mammals showed upregulation of stress-related genes, suggesting longevity is a result of the adaptation to stressful environment.
https://onlinelibrary.wiley.com/doi/full/10.1111/acel.13158

LoopSeqの論文がようやく出たようです。
https://www.biorxiv.org/content/10.1101/2020.07.07.192286v1.full
読んでみると、LoopSeqの元になったのはBAsE-SEqという名前の手法でした。（ここにも開発者がつけたXXX-Seqが消えていく例が・・・）
https://link.springer.com/article/10.1186/s13059-014-0517-9/figures/1
同一分子内でのみタグを分散させるのって、いったいどんな新しい組み換え酵素を使っているのだろうと思っていましたが、単に片方をビオチンでブロッキングしてエキソヌクレアーゼで部分消化したあとライゲーションさせて長さの違う場所を読み取っていました。なるほど。

それから、LoopSeqではシーケンスデータをクラウドにアップロードして合成ロングリードを作ってもらうのですが、このときはSPAdesでアセンブルしているとわかったので、これならクラウドサーバが万一閉鎖されても自分でできそうなので安心しました。

https://www.mdpi.com/2073-4425/11/7/753#cite

The reproductive success of these two distant species ( sturgeon & Paddle fish, same order).
スマとマグロ