これまでの活動のまとめ(9月第1週の勤務)
これまで行ってきた事が乱雑になっていたので，結果をまとめてみる．
目的
次世代シークエンサ(データベースSRA)の論文とそのSRAの実験IDを対応づける事．ただ，SRAが出来る以前は次世代シークエンサの実験結果がGEOに登録されていたので，SRAとGEOの両方を抽出する．
今回行った事
これまで解析をした結果の中で，以下の3つの結果をまとめる．
1. illuminaとRoche (454)のpublication listにある論文リストに対して解析した結果
2. PMCに登録されている論文に対して，クエリを投げて取得した論文を解析した結果
3. PubMedのMeSHに検索を掛けた結果
1. illuminaとRoche (454)のpublication listからPubMedの論文リストを作成したもの
ファイル名：illumina -> pmid2sra.illumina.100810.tab， Roche(454) -> pmid2sra.roche.100810.tab.
ファイルの中は全部で6列．
1列目：PubMedのID
2列目：PMCのID
3列目：4列目のIDのデータベース名
4列目：PubMedのタグを見て取得した外部データベースのID
5列目：PMCの本文から抽出したSRAかGEOのID
6列目：GEOのIDをSRAに変換したID
結果を全部は載せられないので，一部抜粋．- は該当するものが無い事を示している．
18388141 - - - - -
18392026 - GEO GSE10825 - SRA001000
18392026 - GEO GSE10829 - SRA001000
18403677 - GEO GSE11019 - SRA001013
2. PMCに登録されている論文に対して，クエリを投げて取得した論文を解析した結果
ファイル名：pmc2sra.term.xxxxx.tab (xxxxx -> 投げたクエリ)
ファイルの中は全部で5列．
1列目：PMCのID
2列目：PubMedのID
3列目：PMCの本文から抽出したSRAかGEOのID
4列目：5列目のIDのデータベース名
5列目：PubMedのタグを見て取得した外部データベースのID
結果を一部抜粋．
2866332 20479877 SRA001156 - -
2613891 19055742 - GENBANK EU190438
2613891 19055742 - GENBANK EU190439
2613891 19055742 - GENBANK EU190440
2613891 19055742 - GENBANK EU721743
3. PubMedのMeSH Termに検索を掛けた結果
ファイル名：pmid2sra.mesh.xxxxx.tab (xxxxx -> クエリとして投げたMeSH Term)
1列目：PubMedのID
2列目：PMCのID
3列目：4列目のIDのデータベース名
4列目：PubMedのタグを見て取得した外部データベースのID
5列目：PMCの本文から抽出したSRAかGEOのID
6列目：GEOのIDをSRAに変換したID
結果を一部抜粋．
20507608 2889950 - - - -
20507562 2887456 - - - -
20506209 - - - - -
20505728 - GEO GSE20585 - -
20505179 - - - - -
20504933 Available_on_2/01/11 - - - -
結果を見ると，MeSHよりもPMCに対して単語を投げた方がSRAのIDが多く取れそう．ただし，投げたMeSH Termが良くなかったとか，複数のMeSH Termを同時に投げてみるなどの工夫をすると違うのかも．
次回
今回まとめられなかった，以下の二つをまとめる．
- ABI (SOLiD)のpublication list
- GEOやSRAに実験が登録された時の論文リストの結果
