Soumission de données brutes de séquences à SRA. Novembre 2013

Transcription

1 Soumission de données brutes de séquences à SRA Novembre

2 Objectif Soumettre les données brutes issues du séquençage haut débit aux banques publiques d archivage Données : séquences brutes (reads) + metadata associées (Ce que l on stocke dans Archive) Descriptions des échantillons, protocoles de construction des banques, taille des reads, contributeurs, etc Rendre publique les données C est souvent un pré-requis pour pouvoir publier 2

3 Sequence Read Archive (SRA) Système d archivage de données brutes de séquences reads + données qualité + metadata Information d alignements acceptée Accès rapide aux données publiques et aux métadata associées Tb bases. Mis à place en 2007 par NCBI Aujourd hui, système d archivage partagé par NCBI, EBI, et DDBJ Deux modes de soumission Pas à pas via le web : pour soumission ponctuelle Soumission de fichiers XML via ftp : pour soumissions multiples/assez fréquentes (plusieurs dans l année) 3

4 De Archive à SRA Sequence_archive metadata *.xml *.fastq.gz Données brutes archive_sequence_sra_submission.pl SRA Metadata *.SRA.xml Envoi ftp SRA 4

5 De Archive à SRA (1) Lien avec le NCBI Créer un compte au NCBI (si pas déjà fait) Créer un bioproject Saisie d information générale sur le projet Un bioproject PRJNAXXXXX est attribué en quelques jours Contacter SRA sra@ncbi.nlm.nih.gov Préciser le BioProject, le type de données qu on souhaite soumettre, que c est une soumission XML via ftp -> Création d un ticket. Ensuite un interlocuteur unique 5

6 De Archive à SRA (2) Préparer les données à soumettre Déterminer quelles séquences inclure au Bioproject Données liées à une publication, à un projet Exemple : toutes les banques RNAseq qui ont servi à annoter une bactérie Dans l Archive, extraire les fichiers xml de metadata des données souhaitées et les sauvegarder dans un unique répertoire 6

7 De Archive à SRA (3) Conversion des metadata en xml Programme archive_sequence_sra_submission.pl --inputdir --outputdir --cfg Directory containing archive_sequence xml files Output directory. outputdir/$sra_submission_name directory will contain xml files for sra submission Configuration file Disponible sur le svn du LIPM : nverter Feuilles XSL Fichiers xml générés valides (xmlint) 7

8 Fichier de configuration >Modèle ici : archive_sequence_converter/cfg/archive_sequence_converter.cfg.mask # center_name has to be a SRA pre-registered centers center_name=lipm-inra-cnrs bioproject=prjnaxxxxxx # Global name of the submission [Without space] Example: SUBMISSION_MYPROJECT_THEDATE # Name of the result directory created in outdir SRA_SUBMISSION_name= # information to complete SRA xml files # STUDY_existing_study_type allowed values :'Whole Genome Sequencing', 'Metagenomics', 'Transcriptome Analysis', 'Resequencing, 'Epigenetics', 'Synthetic Genomics', 'Forensic or Paleo-genomics', 'Gene Regulation Study', 'Cancer Genomics', 'Population Genomics', 'RNASeq', 'Exome Sequencing', 'Pooled Clone Sequencing', 'Other' STUDY_existing_study_type= # EXPERIMENT_library_source allowed values : GENOMIC TRANSCRIPTOMIC METAGENOMIC METATRANSCRIPTOMIC SYNTHETIC VIRAL RNA OTHER (Other, unspecified, or unknown library source material) EXPERIMENT_library_source=TRANSCRIPTOMIC 8

9 1 fichier archive xml 3 fichiers sra xml Sample (titre, organisme(s), protocole d extraction, protocole de croissance ) Sequencing Proto de construction de la banque Plateforme de séquencage Lien entre les fichiers (replicats biologiques, ) Fichiers bruts et leur description <files></files> <files></files> Funding Organisme financeur <sample_set> <sample/> <sample/> </sample_set> <experiment_set> <experiment/> <experiment/> </experiment_set > <run_set> <run/> <run/> </run_set> Sample.xml Experiment.xml Une expérience décrit le séquençage d un échantillon Run.xml Un run est un container de fichiers pour une expérience 9

10 Résultats Dans le répertoire outputdir, création d un répertoire nommé ${SRA_SUBMISSION_name} contenant un ensemble de fichiers SRA xml : *.sample.xml *.experiment.xml *.run.xml ${SRA_SUBMISSION_name}.xml : fichier global listant tous les autres fichiers 10

11 (4) Soumission à SRA Envoyer les données brutes (format gz OK) et un tar (non zippé) des fichiers de metadata par ftp Envoyer mail au contact SRA pour l informer de la soumission Suivi de l avancement de la soumission sur son compte NCBI (partie SRA) 11

12 12

13 Remarques Pour correspondre avec SRA, utiliser le numéro d accession du projet (SRPXXXXXXX) Correspondant SRA très réactif Vérifier la version des schémas XML SRA. (version actuelle fonctionne avec la version 1.5) gi?view=xml_schemas. 13