# TogoSite 検索事例, 必要なデータ, SPARQL

- 事例の前提
　- データの繋がりを見せる事例として、出発点と終着点はＤＢ間を移動した関連を検討する
　-
- やること
- 検索事例（自然言語の問い）を挙げる
- 事例を分解しSPARQLクエリにする
- 必要なデータをリストアップする
- 出力の形式？
- 目的:
- 足りないデータのリストアップ
- クエリを組み立てるためのUIのアイディア出し

出力データ案：
* 階層がない場合：棒グラフの各分画の内訳
* 分画のラベル
* (Optional) 割合 (%)
* 個数
* (Optional) 分画を選んだときは分画に含まれる要素（遺伝子など）のIDリストを返す
* お手本：http://ep6.dbcls.jp/togoid/sparqlist/uniprot_subcellular_location
* 階層がある場合：指定した階層での↑を返す
* http://ep6.dbcls.jp/togoid/sparqlist/uniprot_go
* 1階層下の取得方法は本来は↓ (uniprot の GO はちょっと特殊)

    ?entry hoge:fuga/.../rdfs:subClassOf* ?lower_category .
    ?lower_category rdfs:subClassOf ?selected_category .

# DONE

## 事例1 (仕様書から抜粋)

「ヒト遺伝子のうち、肺で発現が高く、細胞膜表面に局在し、立体構造が分かっているタンパク質で、対応する医薬品（＝タンパク質に作用する化合物）が開発されているものに対応するバリアントの一覧」

- 目的
- build
- 以下のものをいずれかのIDをキーにしてjoinする
- "肺で発現が高い" 遺伝子のリスト
- 条件式：tissue == 肺
- ソート：expression value
- Refex ROKU flag (chiba RDF)
- → 将来的検討TODO:臓器別が排他的(RefEx1)か複合的(RefEx2)か、[ROKU](https://bmcbioinformatics.biomedcentral.com/articles/10.1186/1471-2105-7-294)で有意差の基準は?
- http://ep6.dbcls.jp/togoid/sparqlist/refex_roku
- RefEx1 版
- https://integbio.jp/togosite/sparqlist/uniprot_isolated_tissue
- タンパク質が単離された組織（UniProt）
- "細胞膜表面に局在する" タンパク質のリスト
- グラフ: Uniprot
- 条件式：subcellular location == membrane
- http://ep6.dbcls.jp/togoid/sparqlist/uniprot_subcellular_location
- タンパク質の立体構造が分かっている
- グラフ: PDB
- 条件式：入力された遺伝子に紐付くPDBエントリが存在する
- http://ep6.dbcls.jp/togoid/sparqlist/uniprot_pdb_existence
- 対応する医薬品が開発されている
- グラフ: chembl
- 条件式: 入力されたタンパク質に対応する化合物が存在する
- http://ep6.dbcls.jp/togoid/sparqlist/uniprot_chembl_assay_existence
- バリアントのリストを取得
- グラフ: togovar
- 条件式: 上記の条件でjoinして遺伝にリンクされるバリアントを取得する
- http://ep6.dbcls.jp/togoid/sparqlist/variant_type
- 足りないデータ
- 「特定の臓器で発現量の高い遺伝子｣
- Refex ROKU flag (not in RDF) → SPARQLthon100 で対応済み
- テスト
- http://sparql-support.dbcls.jp/tmp/case_01_dev.html
### 事例1しか実現できないtogosite memo:

#### Step 1: Bar を描画する

1 Bar 1 SPARQList で数の内訳を返す

1. 発現組織 Bar
- key id: NCBI Gene ID => HGNC
2. タンパク質局在 Bar
- key id: uniprot
3. 立体構造 Bar
- key id: uniprot
4. 医薬品 Bar
- key id: uniprot
5. バリアント Bar
- key id: HGNC

- 初期画面 (何も選択してない状態): 全体の数を返す
- Bar の連動: どれかの Bar を操作する:
- 対象のBarのSPARQList: その Bar の key id を返す
- key id を各 Bar のSPARQListに投げる
- togoid で各 Bar の key id に変換して values に埋め込んで数を返す
- 各Conceptごとにtogositeで使うprimary IDを決めておく
- Gene: HGNC
- Protein: uniprot
- Structure: PDB
- ..

新しいドメインに対応するTogoサイト作成に必要な条件（扱うデータ間のTogoIDと個別のRDFデータが準備できている前提）

* [概念] そのドメインに出てくるコンセプト一覧
* コンセプト間の主要な結線図
* [実装1ID] コンセプト間のID変換パス
* TogoIDでsource/targetを受け取り全コンセプト間の推奨パスがプリセットされているSPARQListを作る
* [実装2RDF] 各コンセプトでサブコンセプトごとにBarを作る
* 受け取れるID(keyid:target)が決まっていて内訳を返すSPARQListを作る
* [実装3Table] 各バーごとの条件をJOIN
* 条件をテンプレートから動的に組み合わせたメガSPARQLを生成→CONSTRUCT?

#### Step 2: Table 出力

- Step 1 で組んだ条件から SPARQL query をビルドする
- いずれかの ID をキーに決める (ユーザに決めてもらう？)
- キーIDに対して他データ・タイプをジョインするSPARQLクエリを作る
-

出力データ案：
* 階層がない場合：棒グラフの各分画の内訳
* 分画のラベル
* (Optional) 割合 (%)
* 個数
* (Optional) 分画を選んだときは分画に含まれる要素（遺伝子など）のIDリストを返す
* お手本：http://ep6.dbcls.jp/togoid/sparqlist/uniprot_subcellular_location
* 階層がある場合：指定した階層での↑を返す
* http://ep6.dbcls.jp/togoid/sparqlist/uniprot_go
* 1階層下の取得方法は本来は↓ (uniprot の GO はちょっと特殊)

    ?entry hoge:fuga/.../rdfs:subClassOf* ?lower_category .
    ?lower_category rdfs:subClassOf ?selected_category .

http://ep6.dbcls.jp/togoid/ に SPARQList の PW 載ってます

## 事例7 (一応完成)進化的保存度を用いた遺伝子発現データ解析　(小野、千葉、池田)

- 目的
- 組織特異的に発現している遺伝子(特に転写因子･発生関連遺伝子など)は、どれくらいの生物種まで保存されているかを調べたい
- クエリのストーリー
- 精巣で特異的に高発現している遺伝子のリストを取得し、(それらの中から転写因子だけを取り出し)、それらのオーソログの分岐年代(進化的保存度)を調べ、遺伝子の進化的保存度別に分類して表示する(割合を出す)

- build
- 以下のものをいずれかのIDをキーにしてjoinする
- "精巣で特異的に高発現している" 遺伝子のリスト
- グラフ: RefEx
- RefEx ROKU flag (chiba RDF)
- 条件式： tissue == 精巣 (testis)
- SPARQL下記参照

- 各遺伝子のオーソログの分岐年代を調べ、進化的保存度別に分類
- グラフ: HomoloGeneもしくはhOPと、生物種の分岐年代
- HomoloGene
- 絞り込まれた遺伝子に対応する分岐年代の情報がある
- 分岐年代(進化的保存度のフラグ情報)は、21個分類(生物)がある
- モデル生物中心(ヒトから植物あたりまで)
- hOP
- 絞り込まれた遺伝子に対応する進化的保存度のフラグ情報がある
- 分岐年代(進化的保存度のフラグ情報)は、177個分類(生物)がある
- 脊椎動物 までとか原生生物までとか
- 条件式: 分岐年代で降順にソート
- 分岐年代とRefEx組織特異的遺伝子発現データの集計情報メモ
- https://docs.google.com/spreadsheets/d/1-7FY-B_BpU72A045EeEuExea6FtMs8q-Urn9-R6-TWk/edit#gid=950483782 (スプレッドシート:分岐年代)
- https://docs.google.com/spreadsheets/d/1cl7lfctJ36tPHrtczHbgbpZfriVcOQ_JiPB6i9nppAs/edit#gid=0 (スプレッドシート:解析)
- https://docs.google.com/presentation/d/199xtrQBhFIICESN3GF8SJrfp-22DqZRZW8XYIINVtNE/edit#slide=id.gbb363e9fd3_2_54 (スライド)
- https://github.com/hchiba1/refex-add-rdf/blob/main/README.md (GitHub)

- 【発展】進化的保存度別に分類した遺伝子について、GeneOntologyTermで "regulation of transcription factor activity [GO:0051090]" を持つものに絞り込む(or GOtermのenrichment解析できるとよさそう)
- グラフ: GeneOntology
- 条件式： GOID == GO:0051090

- 【発展】得られた転写因子について、既報の論文数でソートする
- グラフ: PubMed? Gene2PubMed?
- 条件式: Gene2PubMed の9606の項目で該当するNCBI GeneIDで降順にソート
- SPARQL
- ヒト遺伝子全体を、オーソログの分岐年代によって分類して、カウント
- http://ep6.dbcls.jp/togoid/sparqlist/homologene
- 精巣特異的遺伝子を、オーソログの分岐年代によって分類して、カウント
- http://ep6.dbcls.jp/togoid/sparqlist/refex_homologene
- 特定の1つの組織でフラグがたっている遺伝子を、組織ごとにカウント
- http://ep6.dbcls.jp/togoid/sparqlist/refex_tissue_specific
- 複数フラグを排除するため、次のクエリに比べて複雑になっている
- 次のクエリより厳しい条件で絞り込むことになり、gene_countの合計は3,323個
- issue: 組織ごとのgene_countについて、割合を出すとしたら、分母はいくつにするべき?
- 特定の組織でフラグがたっている遺伝子を、組織ごとにカウント（一つの遺伝子に複数のフラグが立つのを許す）
- http://ep6.dbcls.jp/togoid/sparqlist/refex
- issue: 一つの遺伝子に対して、複数の組織がアサインされるのを許しているので、組織ごとのカウントを合計してしまうのは、正しくない.

- memo
- 関連する逆のストーリー: Vertebrate特有の遺伝子について、発現の組織特異性を集計する
- https://github.com/hchiba1/refex-add-rdf/blob/main/sparql/categorize_vertebrate_genes.rq
- RefEx ver1 genechip
- 54675 probesets
- 33323 probesets -> Gene IDに対応 -> unique genes: 12400
- ROKU
- https://www.rdocumentation.org/packages/TCC/versions/1.12.1/topics/ROKU
- エントロピーの最大値: log2(34) = 5.087

# 作業中

## 事例2　進化的保存度を用いた疾患･変異データ解析

「遺伝子のオーソログの進化的保存度（フィロジェネティック・プロファイル）ごとに、関係する疾患やバリアントを集計」
- 進化的保存度からの検索：単純化されたプロファイルであれば取れる。Primate特有の遺伝子を取りたいとか:
- https://github.com/hchiba1/homologene-rdf/blob/main/sparql/has_primate_ortholog.rq

## 事例3 (作業中) おおた

「疾患に関連する遺伝子にコードされているもののうち、作用する薬がなく、立体構造がわかっていないタンパク質と対応する遺伝子変異の一覧」

- 目的
- 創薬ターゲットを探すために構造を解くタンパク質の候補を挙げる
- build
- 「疾患に関連する」の遺伝子とバリエーションのリスト
- グラフ: togovar
- 条件式: == pathogenic | == likely pathogenic
- medgen RDF に聞きに行くほうがスマート
- 疾患 - 遺伝子のリンクがある
- **medgen待ち**
- 「作用する薬（化合物）がない」タンパク質のリスト
- グラフ: chembl
- 条件式: タンパク質に対応する化合物が存在する
- **SPARQL書き中**
- chembl解読しながらクエリ書いてたけど守屋さんが作ったやつを応用すればよさそう
- http://ep6.dbcls.jp/togoid/sparqlist/chembl_assay_existence
- 「立体構造がわかっていない」タンパク質のリスト
- グラフ: PDB
- 条件式: タンパク質のエントリが存在しない
- http://ep6.dbcls.jp/togoid/sparqlist/pdb_existence

memo: disgenet で遺伝子-疾患-タンパク質のassociationを取る

## endpoint http://rdf.disgenet.org/sparql/
SELECT DISTINCT *
FROM <http://rdf.disgenet.org> 
WHERE {
  ?gda sio:SIO_000628 ?disease,?gene .
  
  ?disease rdf:type ncit:C7057 .
  filter regex(?disease, "umls/id") .
  
  ?gene rdf:type ncit:C16612 ;
        sio:SIO_010078 ?protein ;
        sio:SIO_000205 ?hgnc .
  filter regex(?gene, "ncbigene") . 
} 
LIMIT 20

- variant_clinical_significance のSPARQL例
- http://ep6.dbcls.jp/togoid/sparqlist/variant_clinical_significance

## 事例4 (作業中)ドラッグリポジショニング（信定、建石、山本、八塚）

chemblから、疾患情報(Mesh)に基づいて疾患適用薬のセットを選択し、ターゲットタンパク質、さらにはそれを含むパスウェイを探す。

### １．ターゲット疾患(Mesh)とATC分類からDrug情報(Chembl)を抽出
- "Diseases in MeSH" Barから"Eye Diseases"を選択


- "Chembl ATC classification" Barから"NERVOUS SYSTEM DRUGS"を選択


- データを抽出


- データの一覧を表示する
（未作成）

- データの詳細を表示する
（未作成）

### 2．ATC分類(Chembl)と分子機能からターゲットタンパク質情報(Uniprot)を抽出
- "Chembl ATC classification" Barから"NERVOUS SYSTEM DRUGS"を選択


- "Molecular function" Barから"Activotor"を選択


- データを抽出


- データの一覧を表示する
（未作成）

- データの詳細を表示する
（未作成）

### ３．パスウェイ(Reactome)に含まれるターゲットタンパク質情報(Uniprot)を抽出
- "Molecular function" Barから"Activator"を選択


- #Proteins in a pathway" Barから"Disease"を選択


- データを抽出


- データの一覧を表示する
（未作成）

- データの詳細を表示する
（未作成）

(Old) 不要であれば削除してください
### １．chemblから疾患情報(Mesh)に基づいて疾患適用薬(Drug)のセットを抽出
- 疾患のMeSH UIDを与えて、その（MeSH Treeでの）子孫に対する適用薬のカウントと割合
    -  https://test101.biosciencedbc.jp/sparqlist/tateisi_MeSH_children_indication_drug

- MeSH UID（のリスト）を与えて、それらに対する適用薬のカウントを取得
    - https://test101.biosciencedbc.jp/sparqlist/tateisi_MeSH_drug_count
- MeSH UID（のリスト）を与えて、それらに対する適用薬のリストを取得
    - https://test101.biosciencedbc.jp/sparqlist/tateisi_MeSH_drug_list
### ２．Drugからターゲットタンパクを抽出
- DrugのChEMBL ID（のリスト）から、ターゲットとなるタンパク質のUniprot IDを取得（ChEMBL）
    - https://test101.biosciencedbc.jp/sparqlist/tateisi_chemble_drug_mechanism_protein_uniprot
-  薬（ChEMBL IDのリストで指定）をターゲットとなるタンパク質の数で並べる
    -  https://test101.biosciencedbc.jp/sparqlist/tateisi_chemble_drug_uniprot_count

### ３．ターゲットタンパク質を含むパスウェイを抽出
- Uniprot ID（のリスト）から、それを含むPathwayを取得（Reactome）
    - https://test101.biosciencedbc.jp/sparqlist/tateisi_uniprot_pathway
- Uniprot IDごとにPathwayの数を数え、多い順に並べる
    - https://test101.biosciencedbc.jp/sparqlist/tateisi_uniprot_pathway_count

(Old) 不要であれば削除してください
#### 薬を適用症で分類し、薬のターゲットの情報を付与
 < Drug >
- 薬の適応症
  - グラフ: chembl
  - 条件式: 適応症
  - sparql
      - chemblでDrugIndicationのmesh_heading をリストアップ（適応症による分類）。化合物全体を含んでいないが、適応症情報をもたない化合物も入れるべき?
https://is.gd/8rZzDs
      - chemblでDrugIndicationのmesh_heading が”HIV Infections”であるものを適応症とするmoleculeをリストアップ。molecule-target(uniprot)を紐づける。
https://is.gd/BrDE3g
      - （参考）chemblで、薬-疾患(Mesh)-Uniprotのリンクで作成(井手)。
https://is.gd/WeeEfM

#### 薬のターゲットタンパク質と同じpathwayに属するタンパク質をとってくる

< Pathway >
- Pathway
  - グラフ: Reactome
  - 条件式: organism
  - sparql 
       - 生物種ごとにpathwayの数を数える。
           - reactomeで生物種ごとにもつpathway数を数える
       https://is.gd/FF4kzO
           - 生物種のもつpathwayのcomponentを数える
           https://is.gd/SIAwNV
       - uniprot_idからpathwayをとってくる。
           - uniprot_id (e.g. P17302) が属するpathwayを取ってくる
            https://is.gd/a3U2fs
       - pathwayからpathwayに属するタンパク質（uniprot_id）をとってくる。
           - reactomeでpathwayに紐づくuniprot_idをとってくる
           https://is.gd/Ay6UeT
           


#### 「薬のターゲットタンパク質と同じpathwayに属するタンパク質」から疾患につなぐ

 < 遺伝子・バリアント >
- gene/variant
  - グラフ: TogoVar
  - 条件式: variant
  - sparql 
       - TogoVarのconsequence毎のTogoVarバリアント数でわける
       - togovarのensg (e.g.9038) からclinver, 疾患名まで繋ぐ
       - 下記はuniprot_idからtogovarのensgまでつないでおくことができていない


・[TogoVarのconsequence毎のTogoVarバリアント数一覧](https://is.gd/0HOigP)(10秒程度)
・[TogoVarのensg (e.g.9038) からclinvar, 疾患名まで繋ぐ](https://is.gd/0trx5B)

メモ：もともと書かれていたものをここに残しておきます。
「この薬で他の病気が治せるか」
- 薬 (化合物/chembl) → 構造が類似している化合物 (pubchem) → ドッキングするタンパク質 → タンパク質コード領域に落ちている変異 → 変異に紐付く病気

- 構造の類似について： PubChemで ２D_similarityと３D_similarityの関係がRDFになっています。（ https://pubchemdocs.ncbi.nlm.nih.gov/rdf$_4-13 ）ただ、IntegbioのRD-Portalにはデータが入っていないようです。

## 事例4'(作業中)(創薬)
「既存の薬のターゲットと同じpathwayにある別のタンパク質をターゲットにした薬の探索」
#### 薬を適用症で分類し、薬のターゲットの情報を付与 (事例4と同じ)
< Drug >
- 薬の適応症
- グラフ: chembl
- 条件式: 適応症
- sparql
- 適応症による分類。下記は化合物全体を含んでいないので。適応症情報をもたない化合物も入れる?
- 薬-ターゲットのuniprot_idをつないで取れるようにする。
- chembl->mesh->uniprot
https://is.gd/WeeEfM

#### 薬のターゲットタンパク質と同じpathwayに属するタンパク質をとってくる (事例4と同じ)

< Pathway >
- Pathway
- グラフ: Reactome
- sparql
- 生物種ごとにpathwayの数を数える。
- uniprot_idからpathwayをとってくる。
- pathwayからpathwayに属するタンパク質（uniprot_id）をとってくる。

#### 上で選んだタンパク質をターゲットとする化合物を探索
< Drug >
- ターゲットタンパク質に作用する化合物（薬）をとってくる
- グラフ: chembl
- 条件式: 作用機序
- sparql
- moleculeを作用機序で分類
- DrugMechanismのmechanism_action_typeをリストアップ
https://is.gd/l9eKKJ
- uniprot_idを入力としてそれをターゲットとする化合物をリストする。
- chemblでuniprot_idを指定してそれをターゲットとする化合物を取ってくる
https://is.gd/OyDkJI

## 事例5 (作業中)(創薬関係)
「どの病気を治せる既存の薬がどのくらいあるか」
- 疾患分類

- 疾患に対応する原因遺伝子（変異）一覧
- TogoVar&clinvar?
- 対応するタンパク質
- TogoVar&clinvar?
- 上のタンパク質をターゲットとする化合物
- pubchem or chembl
- 上の化合物のうちFDA承認となっている薬
- pubchem
- pubchem でFDA承認薬 （下記クエリは承認薬をカウント：13146個）

      # endpoint: https://integbio.jp/rdf/pubchem/sparql .
      PREFIX obo: <http://purl.obolibrary.org/obo/>
      PREFIX compound: <http://rdf.ncbi.nlm.nih.gov/pubchem/compound/>
      PREFIX pubchemv: <http://rdf.ncbi.nlm.nih.gov/pubchem/vocabulary#>

      SELECT count (distinct  ?cid) as ?drugcount 
      WHERE {
         ?cid obo:has-role pubchemv:FDAApprovedDrugs.
       }

メモ：もともと書かれていたものをここに残しておきます。
「この病気を治せる既存の薬があるか」
- 疾患 → 関連遺伝子をコントロールしている上流の転写因子 → 転写因子が共通の遺伝子に落ちている変異 → 変異に関連する疾患 → 疾患に効く薬

## 事例6 糖鎖オミックス

「ドラッグと相互作用するタンパク質の立体構造と、相互作用部位周辺の糖鎖修飾」

「糖鎖修飾の分かっているタンパク質立体構造と、相互作用する化合物のペア、および相互作用部位の抽出」

- 対応する医薬品が開発されている
- グラフ: chembl
- 条件式: 入力されたタンパク質に対応する化合物が存在する
- http://ep6.dbcls.jp/togoid/sparqlist/chembl_assay_existence

## 事例8 (要調査、時間かかる）TFBSに存在するバリアントと疾患の関係の抽出（三橋、豊岡）

- 探したいデータの内容
- ヒトにおいてExon領域の外にあり、かつTFBSに落ちているバリアントとそれに紐づく疾患の一覧
- 目的
- CRISPRなどで非exon領域を編集してフェノタイプを見る実験で編集箇所の候補をリストアップするため
- データの抽出条件
- 条件1:TFBSに落ちているバリアント
- [Ensembl Variant Effect Predictor (VEP)](https://asia.ensembl.org/info/docs/tools/vep/index.html)のConsequence == {TF binding site variant or TFBS ablation or TFBS amplification}
- 条件2:条件１を満たすバリアントのうち、疾患との関連が示唆されているもの
- [ClinVarのPathogenisity](https://www.ncbi.nlm.nih.gov/clinvar/docs/clinsig/) == {Pathogenic or Likely pathogenic}
- ClinVarのバリアントは疾患DBのMedGenがアノテーションされているのでMedGenへ繋ぐことができる。
- build
- [この条件でTogoVarを検索でき](https://togovar.biosciencedbc.jp/?significance%5BNC%5D=0&significance%5BUS%5D=0&significance%5BLB%5D=0&significance%5BB%5D=0&significance%5BCI%5D=0&significance%5BDR%5D=0&significance%5BA%5D=0&significance%5BRF%5D=0&significance%5BPR%5D=0&significance%5BAF%5D=0&significance%5BO%5D=0&significance%5BNP%5D=0&significance%5BAN%5D=0&consequence%5BSO_0001580%5D=0&consequence%5BSO_0001907%5D=0&consequence%5BSO_0001906%5D=0&consequence%5BSO_0001589%5D=0&consequence%5BSO_0001626%5D=0&consequence%5BSO_0001822%5D=0&consequence%5BSO_0001821%5D=0&consequence%5BSO_0001583%5D=0&consequence%5BSO_0001621%5D=0&consequence%5BSO_0001818%5D=0&consequence%5BSO_0001819%5D=0&consequence%5BSO_0002012%5D=0&consequence%5BSO_0001587%5D=0&consequence%5BSO_0001578%5D=0&consequence%5BSO_0002019%5D=0&consequence%5BSO_0001567%5D=0&consequence%5BSO_0001624%5D=0&consequence%5BSO_0001623%5D=0&consequence%5BSO_0001627%5D=0&consequence%5BSO_0001792%5D=0&consequence%5BSO_0001619%5D=0&consequence%5BSO_0001574%5D=0&consequence%5BSO_0001575%5D=0&consequence%5BSO_0001630%5D=0&consequence%5BSO_0001893%5D=0&consequence%5BSO_0001889%5D=0&consequence%5BSO_0001632%5D=0&consequence%5BSO_0001628%5D=0&consequence%5BSO_0001631%5D=0)、SPARQLクエリーも記述できるが、ヒット件数が０である。
- ヒット件数が0の理由：
- [TogoVar RDFのconsequence別のバリアント数](https://is.gd/wCnxjN)をカウントしてもTFBS関連のconsequenceは0件
- VEPの１次出力結果にTFBS関係のconsequenceが含まれていないこと及びVEPの実行手順に問題がないことを確認した(2/3)。TogoVarには全ゲノム配列から検出したバリアントが含まれるのでTFBS関係のバリアントが含まれているはずだが原因不明。
- 2021/2/5時点での対応
- TFBSでアノテーションされたバリアントがないのでデータ作成は不可能
- 今後の対応
- VEPデータが出力されない原因を調査する

## 事例9 疾患検索・次年度以降検討　(藤原)
「疾患オントロジーと関連情報を活用し，研究対象とする疾患群を取得する」
- 論理演算子に対応した検索（俯瞰）
- AND 検索（俯瞰）
- 1.常染色体劣性遺伝の皮膚疾患を取得（genetic skin disease AND autosomal recessive disease）
- 2.遺伝子ANK1に関連する染色体異常症を取得(chromosomal anomaly AND 遺伝子ANK1)
- OR 検索（俯瞰）
- 3.遺伝子ANK1に関連する疾患と遺伝子SPTBに関連する疾患を取得（遺伝子ANK1 OR 遺伝子SPTB）
- NOT 検索（俯瞰）
- 4.染色体異常症以外の遺伝子ANK1に関連する疾患群を取得(NOT 染色体異常症 AND 遺伝子ANK1)
- 疾患オントロジー
- MONDO
- 関連情報
- 遺伝子
- 遺伝形式
- 発現情報？
- パスウェイ？
- タンパク？

## 1.常染色体劣性遺伝の皮膚疾患を取得（genetic skin disease AND autosomal recessive disease）
## 参考：https://test101.biosciencedbc.jp/sparqlist/mitsuhashi_mondo_count_by_1st_tier
## endpoint https://integbio.jp/rdf/sparql
PREFIX mondo: <http://purl.obolibrary.org/obo/>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
SELECT ?sub, ?sub_label_str
WHERE { 
    # MONDO_0024255 genetic skin disease
    ?sub rdfs:subClassOf+ mondo:MONDO_0024255 ;
    # MONDO_0006025 autosomal recessive disease
         rdfs:subClassOf+ mondo:MONDO_0006025 .
    ?sub rdfs:label ?sub_label_str.  
}

## 2.遺伝子ANK1に関連する染色体異常症を取得(chromosomal anomaly AND 遺伝子ANK1)
## endpoint https://integbio.jp/rdf/sparql
PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX sio: <http://semanticscience.org/resource/>
PREFIX mondo: <http://purl.obolibrary.org/obo/>
SELECT DISTINCT ?mondo ?mondo_label_str WHERE{
  # ANK1 <http://identifiers.org/ncbigene/286>
  ?as sio:SIO_000628 [rdfs:seeAlso ?mondo] ;
      sio:SIO_000628 <http://identifiers.org/ncbigene/286> .
  # MONDO_0019040 chromosomal anomaly
  ?mondo rdfs:subClassOf+ mondo:MONDO_0019040 ;
         rdfs:label ?mondo_label_str .
}

## 3.遺伝子ANK1に関連する疾患と遺伝子SPTBに関連する疾患を取得（遺伝子ANK1 OR 遺伝子SPTB）
## endpoint https://integbio.jp/rdf/sparql
PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX sio: <http://semanticscience.org/resource/>
SELECT DISTINCT ?mondo ?mondo_label_str WHERE{
  {
    # ANK1 <http://identifiers.org/ncbigene/286>
    ?as sio:SIO_000628 [rdfs:seeAlso ?mondo] ;
        sio:SIO_000628 <http://identifiers.org/ncbigene/286> .
  }
  union
  {
    # SPTB <http://identifiers.org/ncbigene/6710>
    ?as sio:SIO_000628 [rdfs:seeAlso ?mondo] ;
        sio:SIO_000628 <http://identifiers.org/ncbigene/6710> .
  }
  ?mondo rdfs:label ?mondo_label_str .
}

## 4.染色体異常症以外の遺伝子ANK1に関連する疾患群を取得(NOT 染色体異常症 AND 遺伝子ANK1) 
## endpoint https://integbio.jp/rdf/sparql
PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX sio: <http://semanticscience.org/resource/>
PREFIX mondo: <http://purl.obolibrary.org/obo/>
SELECT DISTINCT ?mondo ?mondo_label_str WHERE{
  # ANK1 <http://identifiers.org/ncbigene/286>
  ?as sio:SIO_000628 [rdfs:seeAlso ?mondo] ;
      sio:SIO_000628 <http://identifiers.org/ncbigene/286> .
  # MONDO_0019040 chromosomal anomaly
  MINUS {
    $mondo rdfs:subClassOf+ mondo:MONDO_0019040 .
  }
  ?mondo rdfs:label ?mondo_label_str .
}

## 事例10.1(完成)疾患関連遺伝子検索 (仲里、三橋、申、高月、金、藤原)

「病名からスタートして、その疾患の原因となりうる遺伝子を表示する。」

１：MONDOを基準として、第一階層の集計をする（MONDO:0000001を基準とする）：完成
* MONDOの数を数える
* 第一階層の例
* disease by anatomical system
* cell proliferation disorder
* disorder by anatomical region
* Mendelian disease
* ...
* SPARQList: [集計表表示](http://ep6.dbcls.jp/togoid/sparqlist/api/case10-1-1_mondo_count_by_subcategory?mondo_root=MONDO_0000001&ep=https%3A%2F%2Fintegbio.jp%2Frdf%2Fsparql)、[編集](http://ep6.dbcls.jp/togoid/sparqlist/case10-1-1_mondo_count_by_subcategory)
* 俯瞰ビューでの操作イメージ
* 実行結果に表示される「Mendelian disease」のリンクをクリックすると次の２の検索が実行されるイメージ。

２：Mendelian disease (MONDO:0003847) に注目して（遺伝性疾患群で絞り込んだ上で）関連遺伝子の数を表示する。
* SPARQList(MedGen利用): [集計表表示](http://ep6.dbcls.jp/togoid/sparqlist/api/case10-1-2-1_mondo_medgen_ncbigene?mondo_root=MONDO_0000001&ep=https%3A%2F%2Ftogovar-dev.biosciencedbc.jp%2Fsparql)、[MONDO_GeneID対応表表示](http://ep6.dbcls.jp/togoid/sparqlist/api/case10-1-2-1_mondo_medgen_ncbigene?mondo_root=MONDO_0000001&gene_flag=true&ep=https%3A%2F%2Ftogovar-dev.biosciencedbc.jp%2Fsparql)、[編集](http://ep6.dbcls.jp/togoid/sparqlist/case10-1-2-1_mondo_medgen_ncbigene)
* SPARQList(PubCaseFinder利用): [集計表表示](http://ep6.dbcls.jp/togoid/sparqlist/api/case10-1-2-2_mondo_pubcasefinder_ncbigene?mondo_root=MONDO_0000001&ep=https%3A%2F%2Fintegbio.jp%2Frdf%2Fsparql)、[編集](http://ep6.dbcls.jp/togoid/sparqlist/case10-1-2-2_mondo_pubcasefinder_ncbigene)
* MedGen利用版とPubCaseFinder利用版の差異について藤原さんのコメント
* PubCaseFinderの疾患と遺伝子の関係はMedGenに加えてORDO(Orphanet)のデータも加えているのでMedGen単独より網羅性が高いはず
* MONDOのバージョン([ダウンロードサイト](https://mondo.monarchinitiative.org/pages/download/))の違いが影響している可能性があり。
* MedGen利用版
* エンドポイント： [TogoVar開発用のエンドポイント](https://togovar-dev.biosciencedbc.jp/sparql)
* MONDOバージョン：[v2020-11-06](https://github.com/monarch-initiative/mondo/blob/master/Changes.md#v2020-11-06) (ダウンロード日：2020/11/23)
* PubCaseFinder利用版：
* エンドポイント： [RDF Portalのエンドポイント](https://integbio.jp/rdf/sparql)
* MONDOバージョン：[2019-06-29 release](https://github.com/monarch-initiative/mondo/blob/master/Changes.md#2019-06-29-release)以前。PubCaseFinderのRDF Portal公開時(2019/7/28)にあわせてMONDOも登録。
* RDF PortalのMONDOのバージョンを最新にしてもらえないか打診。
* 疑問点：
* 補足：[TogoVar開発環境のエンドポイントのDBグラフ名の一覧](https://docs.google.com/spreadsheets/d/1N_BiJYFZefad62EPsqVaf1YOHW_E1VNBnIcb4A_z7SU/edit#gid=1269870730)

(OPTIONAL、後回し）
* 遺伝子情報→Drug情報（DGIDB　遺伝子情報と文献情報がある、Med2RDFの中にRDFがある。
* MONDO->MedGen->ClinVarの順番に疾患関連バリアントを検索することは理屈上可能だが、ClinVarのMedgenからID(VCV)までのパスが長いため検索速度が出ない。そのため今回は止める。ショートカットパスが実装されれば実装する。

## 事例10.2 (完成)疾患関連表現型検索
「病名をスタートとして、関連性のある表現型のデータを表示する」

１：MONDOを基準として、第一階層の集計をする（MONDO:0000001を基準とする）
* SPARQList: [集計表表示](http://ep6.dbcls.jp/togoid/sparqlist/api/case10-1-1_mondo_count_by_subcategory?mondo_root=MONDO_0000001&ep=https%3A%2F%2Fintegbio.jp%2Frdf%2Fsparql)、[編集](http://ep6.dbcls.jp/togoid/sparqlist/case10-1-1_mondo_count_by_subcategory) ※事例10.1と同じ。
* 俯瞰ビューでの操作イメージ
* 棒グラフ：MONDO 全体 -> MONDO Mendelian
* 同時に（上の操作をしたことで）
* 棒グラフ：MedGen 全体 -> MedGen で MONDO Mendelianに対応するもの

２： MONDO->PubCaseFinder->{OMIM,ORDO}->HPOとつないで関連する（紐づいた）HPOを取得（意味：ある疾患について紐づく複数のphenotypeが列挙される）

* SPARQList: [集計表表示](http://ep6.dbcls.jp/togoid/sparqlist/api/case10-2_mondo_pubcasefinder_hpo?mondo_root=MONDO_0000001&ep=https%3A%2F%2Fintegbio.jp%2Frdf%2Fsparql)、[編集](http://ep6.dbcls.jp/togoid/sparqlist/case10-2_mondo_pubcasefinder_hpo)

(OPTIONAL)

３：MeSHとつなげて、HPOのデータを所得する/PubCaseFinderのRDFからとる方が、包括的になる。
（HPOの http://purl.obolibrary.org/obo/HP_0000118
の下の階層を利用して集計データを表示する

3':MeSHとつなげて、PubMedのデータを取得する→事例10.3で実装
（表示方法を検討する・・・）
　案１：直近10年間とか、期間を絞る？
　案２：疾患、疾患群を絞る？

## 事例10.3 （完成）疾患関連文献検索
「病名をスタートとして関連性のある文献を見せる」

* MONDO -> MedGen (medgen_pubmed_lnk.txt) -> PubMed
* SPARQList: [集計表表示](http://ep6.dbcls.jp/togoid/sparqlist/api/case10-3-1-1_mondo_medgen_pubmed?mondo_root=MONDO_0000001&pubmed_flag=&limit=100000&ep=https%3A%2F%2Ftogovar-dev.biosciencedbc.jp%2Fsparql)、[編集](http://ep6.dbcls.jp/togoid/sparqlist/case10-3-1-1_mondo_medgen_pubmed)

## 事例10.4 (完成) 遺伝子セットから関連疾患を検索（藤原）
「遺伝子セットと関連する疾患（区分）リストを出力」
- IN:遺伝子リスト、OUT:MONDOエントリ（区分）リスト
- 10.1のMONDOの内訳のSPARQLとつなげるのを想定（10.X）
- SPARQList
- http://ep6.dbcls.jp/togoid/sparqlist/case10-4
- 例
- “精巣で特異的に高発現している” 遺伝子のリストに関連する疾患（区分）リストを出力

## 事例11　　（小野、大田、池田、千葉）
「組織特異的に発現している遺伝子の発現を制御している可能性の高い上流の転写因子を調べる」
- RefEx
- NCBI Gene ID
- ChIP-Atlas
- とりあえず作成したRDFでは、制御関係を obo:RO_0002428 "involved in regulation of" で表現。
- ens:ENSG00000001167 obo:RO_0002428 ens:ENSG00000000419 .

- 目的
- 精巣で特異的に高発現している遺伝子のリストを取得し、それらの遺伝子をエピジェネティックに制御する実験的に確かめられている転写因子のリストを得て、転写因子のタイプ別に分類して割合を出す。

- クエリのストーリー
- 精巣で特異的に高発現している遺伝子のリストを取得
- グラフ: RefEx
- 条件式: tissue == testis
- 組織特異的遺伝子
- それらの遺伝子をエピジェネティックに制御する実験的に確かめられている転写因子のリストを取得
- グラフ: ChIP-Atlas
- 条件式: obo:RO_0002428 "involved in regulation of"

- 【発展】DNA結合領域のモチーフに分類して割合を出す
- グラフ: pfam?
- Helix-loop-helix DNA-binding domain (PF00010)とか Homeodomain (PF00046)とか wnt (PF00110)とかで分類できるとよい?
- 条件式:　family == PF00010
- 【発展】機能的分類
- グラフ: GeneOntology
- 条件式： GOID == GO:0051090

- SPARQL
- 精巣で特異的に高発現している遺伝子のリストを取得し、それらの遺伝子の発現を制御している可能性の高い上流の転写因子を取得する。

# @endpoint https://orth.dbcls.jp/sparql-dev

PREFIX refexo: <http://purl.jp/bio/01/refexo#>
PREFIX obo: <http://purl.obolibrary.org/obo/>

SELECT DISTINCT ?upstream
WHERE {
  ?upstream refexo:ensembl/obo:RO_0002428/refexo:ncbigene ?gene .
  # obo:RO_0002428 "involved in regulation of"
  {
    SELECT DISTINCT ?gene (GROUP_CONCAT(DISTINCT ?tissue; separator=",") AS ?tissues)
    WHERE {
      ?gene refexo:affyProbeset/refexo:isPositivelySpecificTo refexo:v24_40 , ?tissue .
    }
  }
  FILTER (?tissues = str(refexo:v24_40))
}

- memo: 実際に取れてきた遺伝子数
- ChIP-Atlasから取れるTFの全体の数: ENSG IDで967個、NCBI Gene IDに変換すると956個
- RefExから取得した精巣特異的遺伝子: 816
- 精巣特異的遺伝子を上流(<10k)で制御する可能性のある転写因子: 830個
- 上流<1k or 上流･下流±1k だとどうなるか?は試してみたい
- 上記の816と830のoverlap: 52個
- self-regulation: 29個（上記クエリ中のupstreamをgeneにすれば取れる）

### 事例11.2
「ChIP-Atlasに登録されているTFを、RefExの組織特異性で分類する」

- SPARQL
- TF自分自身の遺伝子について、RefEx(ver1)を参照して、組織のフラグが立っているかを調べる。
- クエリ: https://github.com/hchiba1/refex-add-rdf/blob/main/sparql/tf_tissues_count.rq
- 結果: https://github.com/hchiba1/refex-add-rdf/blob/main/sparql/tf_tissues_count.txt
- TFが制御している下流の遺伝子について、RefEx(ver1)を参照して、組織のフラグが立っているかを調べる。
- クエリ: https://github.com/hchiba1/refex-add-rdf/blob/main/sparql/tf_downstream_tissues_count.rq
- 結果: https://github.com/hchiba1/refex-add-rdf/blob/main/sparql/tf_downstream_tissues_count.txt

## 事例12(作業中)　　(小野、千葉、池田)
「特定の組織でどんなタンパクが発現しているかを知りたい。」
- "発現している"の意味は? -> 組織特異的な発現 or ある程度以上の発現量(閾値の設定が必要)
- "精巣で特異的に高発現している" 遺伝子のリスト
- グラフ: RefEx
- 条件式： tissue == 精巣 (testis)
- RefEx ROKU flag (chiba RDF)
- http://ep6.dbcls.jp/togoid/sparqlist/refex_roku
- SPARQL: 精巣で発現している遺伝子

SELECT DISTINCT ?gene
WHERE {
  ?gene refexo:affyProbeset ?seq .
  ?seq refexo:isPositivelySpecificTo refexo:v24_40 .
}
ORDER BY ?gene

- UniProtにつなげる?
- タンパク質として本当に発現しているのか？という意味では、プロテオームなどが必要か
- jPOSTとか使えるんですかね?(小野)
- The Human Protein Atlas ?
- https://www.proteinatlas.org/about/download

## 事例15（内藤）
「siRNA医薬品のオフターゲット候補遺伝子リストを作成する」

（背景）
一般的に医薬品の開発では有効性と安全性を示す必要がある。mRNAを直接標的とすることができる核酸医薬品の安全性評価では、転写産物の配列を検索によって、意図せず結合しそうな遺伝子（オフターゲット候補遺伝子）を調べる必要がある。さらに、検索でヒットしたサイトに実際に結合しているかを実験的に調べたい。

（やりたいこと）
- TTRアミロイドーシス治療薬 オンパットロ（一般名パチシランナトリウム）が結合しうる転写産物（mRNAおよびncRNA）をオフターゲット候補遺伝子リストとして抽出したい。
- 本来の標的遺伝子（オンターゲット遺伝子）としてTTRが含まれているかを確認。それ以外がオフターゲット候補遺伝子。
- オフターゲット候補遺伝子リストから、下記のどれかに該当する遺伝子を抽出し、実験的にリスク評価（発現解析, etc.）を行う遺伝子リストを作成したい。
- がん関連遺伝子群
- ヒトの病態と関わる遺伝子群
- 生理機能に関わる遺伝子群
- オフターゲット候補遺伝子リストのうち、本薬が作用する肝臓において発現している遺伝子を抽出し、実験的にリスク評価を行う遺伝子リストを作成したい。

オンパットロのガイド鎖（アンチセンス鎖）は 5'-AUGGAAUACUCUUGGUUACTT

3ミスマッチ以内で結合しうるmRNAおよびncRNAのリストはGGGenomeで検索可能。
https://GGGenome.dbcls.jp/hs_refseq200/3/-/nogap/ATGGAATACTCTTGGTTAC
テキスト出力: https://GGGenome.dbcls.jp/hs_refseq200/3/-/nogap/ATGGAATACTCTTGGTTAC.txt

遺伝子リストの絞り込みをTogoSiteの機能で実現できないか。

塩基配列を入口としてTogoSiteを活用するような事例にしたい。

ちなみに、がん関連遺伝子群を掲載した柴田リストというものもある：
http://togodb.org/db/shibata_list

がん関連遺伝子群＋ヒトの病態と関わる遺伝子群＋生理機能に関わる遺伝子群のリストをAMEDが公表している：
http://togodb.org/db/amed_list_202002

### 事例15.1
「ゲノム編集のオフターゲット候補遺伝子リストを作成する」

ヒトゲノムを配列検索するところからスタートして上記と同様の解析を行う。ゲノムの座標から遺伝子に変換するしくみが必要となる。

# Pending

## 事例13
「Ensembl遺伝子ID（Ensembl ID）を100個以上持っていてタンパク質名をまとめて知りたい。」

## 事例14
「分解酵素で、E.C.はついているが分子が分かっていないものを調べたい。元の酵素とは違った基質を分解できないか、という解析をしたい」