MPEG-G

MPEG-G (ISO / IEC 23092) は、ISO /IEC JTC 1/SC 29 /WG 9 ( MPEG ) と ISO TC 276「バイオテクノロジー」作業部会 5の協力によりゲノム情報の表現のために設計されたISO/IEC 規格です。この規格の目標は、高スループットシーケンシングマシンによって生成されたデータ情報とその後の処理および分析のためのさまざまな実装にわたって、データの保存、アクセス、および保護のための相互運用可能なソリューションを提供することです。 ^[1]^[2]この規格はさまざまな部分で構成されており、それぞれが圧縮、メタデータの関連付け、アプリケーションプログラミングインターフェイス ( API )、データデコード用のリファレンスソフトウェアなどの特定の側面に対応しています。リファレンスデコーダーソフトウェアとともに、商用およびオープンソース^[3]の実装が 2019 年に利用可能になり、標準の公開されている部分を徐々にカバーするようになりました。

背景

ハイスループットシーケンシング(HTS) 技術の出現により、定量生物学の分野に革命が起こりました。ゲノム情報の大規模なコレクションの利用は、現在では日常的に行われており、生物学研究から臨床における個別化医療に至るまで、多くの分野の基礎となっています。現在、ゲノム情報は主に、アラインメントされていないシーケンシングリード用のFASTA / FASTQ 、アラインメントされたリード用のSAM / BAM / CRAMなど、さまざまなデータ形式を通じて交換されています。ISO/IEC 23092 (MPEG-G) 標準は、ファイルストレージとデータ転送の両方において、このような多様なデータを効率的に表現および圧縮するための統一された形式を提供することを目的としています。そのために、この標準はいくつかの部分に分かれています。

規格の構造

MPEG-G 規格は、デジタルメディアの分野ですでに検証されているテクノロジとデータ表現アーキテクチャを活用しています。これにより、たとえば、大量の分散データにアクセスする必要がある場合や、プライバシー上の理由からデータの一部を暗号化する必要がある場合など、複雑なシナリオでもゲノム配列データを圧縮して転送できます。概念的には、このような要件によって、相互に関連する多数のメカニズムが定義されます。これらは次のリストにまとめられています。

データフォーマットと圧縮^[4]
データストリーミング^[4]
圧縮ファイルの連結^[4]
シーケンスデータとメタデータの増分更新^[4]
圧縮データへの選択的アクセス、例えばゲノム範囲による高速クエリ^[5]
メタデータの関連付け^[6]
プライバシールールの施行^[6]
データとメタデータの選択的暗号化^[6]
ゲノムセグメントの注釈とリンク。^[7]

次に、これらのトピックのいくつかは、標準を理解して実装しやすくするためにまとめられました。その結果、ISO/IEC 23092 標準は、次のように一連の個別のドキュメントとして物理的に構成されています。

ISO/IEC 23092-1 MPEG-G パート 1

ISO/IEC 23092-1 は、ゲノムデータを MPEG-G 構造内で転送 (ストリーミングなど) および保存用に整理する方法を指定します。ゲノムレコード、参照レコード、MPEG-G ファイル、およびトランスポートストリームの形式は、この部分で定義されています。圧縮されたゲノムデータのコンテナーとしてアクセスユニットを導入し、さまざまな形式間の参照変換プロセスを提供します。

ISO/IEC 23092-2 MPEG-G パート 2

ISO/IEC 23092-2 は、シーケンスデータの MPEG-G ロスレス圧縮と関連する品質スコアのロスレス圧縮の構文と方法を規定しています。MPEG-G は、MPEG 標準の一般的な仕様として、デコードプロセスのみを規定し、エンコードプロセスはアルゴリズムと実装固有のイノベーションに任されています。すべての MPEG-G 準拠デコーダーは、MPEG-G ファイルに含まれる多重化ビットストリームとストリーミングシナリオのデータストリームから同一の出力を生成します。

エンコーダーの入力データはゲノムレコードまたはメタデータ (オプションで参照データを含む) であり、出力は MPEG-G ファイルまたはトランスポートストリームです。

ISO/IEC 23092-3 MPEG-G パート 3

ISO/IEC 23092-3 はメタデータ形式を指定し、既存のツールとシステム間の相互運用性をサポートするゲノムデータ表現 API を提供します。パート 3 では、MPEG-G 準拠のビットストリームをメタデータと統合する方法と、アクセス制御、整合性検証、認証、承認メカニズムを実装するメカニズムを指定します。このパートには、既存のSAMコンテンツとの下位互換性を含む、SAMと MPEG-G データ構造間のマッピングに特化した情報セクションも含まれています。定義は次のとおりです。

ISO/IEC 23092-4 MPEG-G パート 4

ISO/IEC 23092-4 ^{[9] は、}ゲノム情報表現リファレンスソフトウェア、いわゆるゲノムモデル (GM) を規定しています。これは、リファレンスエンコーダソフトウェアとリファレンスデコーダソフトウェアの 2 つのコンポーネントで構成されています。リファレンスデコーダソフトウェアは、ISO/IEC 23092-1、^[4]、ISO/IEC 23092-2 ^[5]、および ISO/IEC 23092-6 ^{[7]の要件への適合性を評価するために提供されていますが、リファレンスエンコーダソフトウェアは、前述の標準の実装のガイドとして機能します。Genie}^[3]と呼ばれるリファレンスエンコーダソフトウェアは、世界中の複数の大学や企業の個人のグループによって開発されたオープンソースソフトウェアです。次のコンポーネントを備えています。

ISO/IEC 23092-5 MPEG-G パート 5

ISO/IEC 23092-5 は、ゲノム情報のコーディングの適合性を規定しています。パート 5 では、さまざまなデバイスやアプリケーションで MPEG-G テクノロジが正しく実装されているかどうかをテストおよび検証し、すべてのシステム間の相互運用性を確保する手段が提供されています。また、圧縮データの網羅的なセットで標準への適合性を評価するための規範的な手順が規定されています。

MIME タイプとファイル名拡張子

現在、MPEG-G ファイルには MIME タイプ (RFC 6838 ベースの IANA メディアタイプ) が定義されていません。

従来のファイル拡張子は定義されていません。

参照

参考文献

^ アルベルティ、クラウディオ;パリダエンス、トム。ヴォージュ、ヤン。ナロ、ダニエル。アフマド、ジュナイド。ラヴァシ、マッシモ。レンツィ、ダニエレ。ゾイア、ジョルジオ。リベッカ、パオロ。オチョア、イドイア;マタベリ、マルコ。デルガド、ハイメ。ヘルナエス、ミケル（2018年10月）。「ゲノム情報表現のための新しい ISO 標準である MPEG-G の紹介」。bioRxiv : 426353.doi :10.1101 / 426353. S2CID 53606895。
^ Hernaez, Mikel; Pavlichin, Dmitri; Weissman, Tsachy; Ochoa, Idoia (2019-07-20). 「ゲノムデータ圧縮」 . Annual Review of Biomedical Data Science . 2 (1): 19–37. doi :10.1146/annurev-biodatasci-072018-021229. ISSN 2574-3414. S2CID 88495878.
^ ab 「Genie、オープンソースのMPEG-Gコーデック」。GitHub。2021年6月22日。
^ abcdefg 「ISO/IEC 23092-1 ゲノム情報の転送と保管」。
^ abcd 「ISO/IEC 23092-2 ゲノム情報のコーディング」。
^ abcd 「ISO/IEC 23092-3 メタデータと API」。
^ abc 「ISO/IEC 23092-6 ゲノム注釈のコーディング」。
^ 至福、ブライアン;アレン、ジョシュア。バヘティ、サウラブ。マシュー・ボッコル。デルガド、ハイメ。ジャン・フォスティエ。ゲルピ、ジョセップ。ハート、スティーブン。ヘルナエス、ミケル。ハドソン、マシュー。カルムバッハ、マイケル。クレー、エリック。マインツァー、リウドミラ。ファビアン、ミュンテフェリング。ナロ、ダニエル。オチョア、イドイア;オスターマン、ヨルン;パリダエンス、トム。ロス、クリスチャン。ヴォージュ、ヤン。ウィーベン、エリック。ヤン、ミンギュ。ワイズマン、ツァーチー。ウィーパート、マチュー（2019 年 11 月）。 Genie: ゲノムデータを圧縮するための MPEG-G 準拠ソフトウェア(PDF)。sc19.スーパーコンピューティング.org。土井：10.1101/426353。
^ ab 「ISO/IEC 23092-4 リファレンスソフトウェア」。
^ 「ISO/IEC 23092-5 適合」。

外部リンク

mpeg-g.org
MPEG ウェブサイト
ISO/IEC 23092-1
ISO/IEC 23092-2
ISO/IEC 23092-3
ISO/IEC 23092-4
ISO/IEC 23092-5
ISO/IEC 23092-6

[MPEG-G2018-1] アルベルティ、クラウディオ;パリダエンス、トム。ヴォージュ、ヤン。ナロ、ダニエル。アフマド、ジュナイド。ラヴァシ、マッシモ。レンツィ、ダニエレ。ゾイア、ジョルジオ。リベッカ、パオロ。オチョア、イドイア;マタベリ、マルコ。デルガド、ハイメ。ヘルナエス、ミケル（2018年10月）。「ゲノム情報表現のための新しい ISO 標準である MPEG-G の紹介」。bioRxiv : 426353.doi :10.1101 / 426353. S2CID 53606895。

[2] Hernaez, Mikel; Pavlichin, Dmitri; Weissman, Tsachy; Ochoa, Idoia (2019-07-20). 「ゲノムデータ圧縮」 . Annual Review of Biomedical Data Science . 2 (1): 19–37. doi :10.1146/annurev-biodatasci-072018-021229. ISSN 2574-3414. S2CID 88495878.

[genie-3] 「Genie、オープンソースのMPEG-Gコーデック」。GitHub。2021年6月22日。

[part-1-4] 「ISO/IEC 23092-1 ゲノム情報の転送と保管」。

[part-2-5] 「ISO/IEC 23092-2 ゲノム情報のコーディング」。

[part-3-6] 「ISO/IEC 23092-3 メタデータと API」。

[part-6-7] 「ISO/IEC 23092-6 ゲノム注釈のコーディング」。

[Bliss2019-8] 至福、ブライアン;アレン、ジョシュア。バヘティ、サウラブ。マシュー・ボッコル。デルガド、ハイメ。ジャン・フォスティエ。ゲルピ、ジョセップ。ハート、スティーブン。ヘルナエス、ミケル。ハドソン、マシュー。カルムバッハ、マイケル。クレー、エリック。マインツァー、リウドミラ。ファビアン、ミュンテフェリング。ナロ、ダニエル。オチョア、イドイア;オスターマン、ヨルン;パリダエンス、トム。ロス、クリスチャン。ヴォージュ、ヤン。ウィーベン、エリック。ヤン、ミンギュ。ワイズマン、ツァーチー。ウィーパート、マチュー（2019 年 11 月）。 Genie: ゲノムデータを圧縮するための MPEG-G 準拠ソフトウェア(PDF)。sc19.スーパーコンピューティング.org。土井：10.1101/426353。

[part-4-9] 「ISO/IEC 23092-4 リファレンスソフトウェア」。

[part-5-10] 「ISO/IEC 23092-5 適合」。