研究者向けガイド

入力を準備する

配列・構造・小分子ファイルの形式、鎖と領域の選び方、ファイル検査で確認することとしないことを説明します。

入力資料の品質は計算結果に影響します。この文書では対応形式・選択方法と、ファイル検査で確認する内容を説明します。

入力形式

種類形式含まれる情報
配列FASTA、直接入力アミノ酸や核酸の文字列
構造PDB, mmCIF原子の3次元座標
小分子SMILES, SDF原子と結合、場合によっては座標
表CSV複数候補をまとめて渡す一覧

対応する入力形式はツールごとに異なります。ツールを選ぶと必要な入力が表示され、各ツールのリファレンスにも同じ情報があります。

外部サイトの資料を準備する

  1. 形式を確認
  2. 圧縮を展開
  3. アップロード
  4. 形式検査
  5. 配列・分子・鎖を選択

外部資料は利用者が原サイトから直接取得します。Nadoo Bio は識別子やダウンロード URL から代理取得しません。ダウンロードできても、商用計算や外部サーバー処理が許可されるかは別途確認してください。

  1. まず使うツールの対応形式を確認し、データベース全体ではなく今回の作業に必要な資料を用意します。
  2. .gz や .zip で取得した場合は、手元で展開してからファイルを選びます。アップロード時に自動で展開・形式変換は行いません。
  3. プロジェクトのファイルアップロードでファイルと形式を確認します。以下の拡張子は形式選択の目安で、内容は別途検査します。
  4. 保存後に形式検査の結果を確認し、必要な配列・分子・鎖を選んで入力を準備します。原資料の一部だけを使う場合は選択範囲を再確認してください。
準備した資料ファイル名の例注意点
配列.fasta, .fa, .faa, .fnaID 一覧や検索結果の表は配列ファイルではありません。分子の種類とツールごとの長さ制限を確認します。
原子座標.pdb, .cif, .mmcifテキスト形式の構造ファイルを使います。圧縮ファイルやバイナリーの拡張子だけを変更しても変換されません。
分子一覧.sdf, .smi, .smilesSDF の分子区切りと SMILES 表記を検査します。保存した一覧全体をすべてのツールで使えるとは限りません。
候補表.csv構文検査後、ツールごとに必要な列と値の条件を確認します。
多重配列アラインメント.a3m、ペアアラインメント用 CSV通常の FASTA・候補 CSV とは用途が異なります。ペアアラインメント用 CSV はアップロード時にその形式を指定します。

.txt は標準でプレーンテキストに分類されます。中身が FASTA や SMILES なら、アップロード開始前に内容に合う形式を選ぶか、対応する入力画面に貼り付けます。名前の変更だけでは内容は変換されません。

保存と検査の上限は異なる

保存は最大 512 MiB、現在の形式検査は1ファイル16 MiBまでです。1 MiB は1,048,576バイトです。大きなファイルを保存できても、検査を経て計算入力に使えるとは限りません。

16 MiB以内でも、FASTA は最大10,000配列、CSV はヘッダーを含め100,000レコード、SDF は5,000分子、SMILES 一覧は500項目までです。各項目の長さや原子・結合数にも制限があるため、件数以内でも必ず通るとは限りません。実行ツールの制限も別途適用されます。

大きな原資料から一部を用意するには、原サイトの選択エクスポートや形式に対応したローカルツールを使います。配列や分子の途中でファイルを切らず、原資料と選択範囲を記録してください。テキスト・JSON・バイナリーを保存できても、科学データ形式の検査に対応するとは限りません。

配列の入力

FASTA は >名前 のヘッダー行と配列行が繰り返されるテキスト形式です。一つのファイルに複数の配列を含められます。

アラインメント済み配列には、位置を対応付ける記号が含まれます。 MSA(多重配列アラインメント)には - や . などのギャップ文字があり、配列間の対応を示します。実際のアミノ酸ではありません。長さが同じというだけでは整列済みと判断できません。

標準外の文字は検証時に位置とともに示されます。修正して再確認してください。

構造ファイルの鎖と領域を選ぶ

PDB と mmCIF は原子座標を保存する形式です。通常はどの鎖のどの領域を使うかを選びます。次の三つを区別すると選択ミスを防げます。

残基番号は配列の通し番号ではありません。 原論文やデータベースの番号体系に従うため、1から連続しないことがあります。100番の次が105番という場合もあります。

番号に文字が付くことがあります。 42と42Aは別の残基です。この文字を挿入コードと呼び、元の番号体系を維持して残基を挿入するときに使います。

ファイルにない残基もあります。 実験で観測されなかった部分には座標がなく、配列には存在しても構造には含まれない領域が生じます。

そのため、「40番から60番の残基」と「配列の40番目から60番目」は異なります。 Nadoo Bio は表示順をそのままモデル入力の位置にしません。保存時に原ファイルのハッシュ、モデル・鎖・残基の識別子、表示と内部位置の対応を固定し、実行時に同じ原資料から位置を再計算します。原ファイルが同じなら保存した選択範囲を維持します。

小分子の入力

SMILES は原子と結合を1行の文字列で表す記法で、SDF は原子・結合・座標・属性を保存する形式です。

複数分子を含むファイルから勝手に一つを選ぶことはありません。 検索できる一覧から使う分子を選びます。選択は準備履歴に残り、後から開いて確認できます。

SDF ファイルでも有効な3次元構造があるとは限りません。座標が空の場合や意味のない値の場合があります。

ファイル検査で確認する範囲

アップロードしたファイルでは以下を確認します。

確認すること確認しないこと
構文が形式の規則に合うか分子が化学的に妥当か
レコードが正しく区切られているか分子の種類や同一性
原子・結合数などの合計が整合するか特定モデルの入力に使えるか
座標が有限値かツールを実行する権限があるか

検査通過は読めるファイルという意味で、特定の計算に使えることの保証ではありません。 科学的な妥当性は研究者が判断し、実行可否は別の段階で確認します。

さらに設定の検証があります。ファイル検査はファイル自体を、設定検証はツールに渡す値を調べます。設定検証は無料で、実行前に繰り返し依頼できます。不正な値は該当項目と理由とともに示されます。

原資料が変わったら準備を再確認する

準備済み入力は原ファイルの内容ハッシュに結び付いています。同名でも内容が違えばハッシュが変わるため、以前の鎖や領域をそのまま使わず再確認を求めます。ファイルの変更で選択範囲まで意図せず変わるのを防ぐ手順です。

よくある問題

複数分子のファイルで先に進めません。 使う分子を一覧から選択してください。

選択領域が空と表示されます。 その残基の座標が観測されていない場合があります。構造ビューアーで実際に座標がある範囲を確認してください。

配列長が上限を超えています。 上限はツールごとに異なります。リファレンスを確認し、必要に応じてドメイン単位で分けることを検討してください。

保存できたのに検査の上限を超えます。 保存と検査の上限は異なります。展開後のサイズと項目数を確認し、必要な資料を正しい形式で用意し直してください。

検査は通ったのに実行できません。 検査と実行可否は別です。ツールが入力形式に対応しているか、実行権限があるかを確認してください。

次の手順

入力の準備後は設定を決めて実行計画を作ります。計画と確認の理由は実行と承認、計算後の値の読み方は結果を読み解くで説明します。

このページの内容