kokitsuyuzaki / BioHack-JSBi2013

Data analysis schema in "Excel Hack" in JSBi2013

###「BioHack@JSBi2013」で使用したソースコード

https://github.com/dbcls/jsbi2013/wiki/BioHack

=======

Taxonomy ID, Taxonomy Name, Gene Symbolの対応関係をまとめるパイプライン

データ解析手順

1. まず、NCBIのFTPサーバにある、gene_infoというファイルをダウンロードする (ftp://ftp.ncbi.nih.gov/gene//DATA/gene_info.gz)

2. gene_infoのうち1,3列目だけ切り出す

./extract_TAXID_GENESYMBOL.sh

TAXID_GENESYMBOL.txtというファイル（1列目はTaxonomy ID、2列目はGene Symbol）が生成される。ただし、2列目の一部にNEWENTRYという関係ない文字列が含まれている

3. TAXID_GENESYMBOL.txtのうち、NEWENTRYがある行を削除する。また、Taxonomy IDだけ別途抽出する

R CMD BATCH extract_TAXID.R log1.txt

TAXID.txt(Taxonomy ID)、TAXID_TAXNAME.txt(NEWENTRYが無い行だけ抽出)、log1.txt（ログファイル）というファイルが生成される。

4. TAXID.txtに記述されたTAXIDをもとに、Ensemblにアクセスし、Taxonomy Nameをダウンロードする。

perl download.pl

TAXID_TAXNAME.txtというファイル（1列目がTaxonomy ID、2列目がTaxonomy Name）が生成される

5. 最後に、TAXID_GENESYMBOL.txtとTAXID_TAXNAME.txtを、同じTAXID同士でマージする

R CMD BATCH make_table.R log2.txt

TABLE.txt、log2.txt(ログファイル)、Dictionary.txt(今回考慮した誤変換が起きる疑いがある文字列集)が生成される

データ可視化手順

1. Rのtagcloudパッケージを利用して、検出頻度が高かった誤変換されるGene Symbolを強調する図を作成

cd TagCloud
R CMD BATCH tagcloud.R log3.txt
cd ..

tagcloud_symbol.jpeg, tagcloud_symbol.png, tagcloud_symbol.eps等画像ファイルが生成される

2. Cytoscapeを利用して、Taxonomy Name - Gene Symbolの共起ネットワークを作成