実験医学別冊 独習 Pythonバイオ情報解析

出版社: 羊土社
発行日: 2021-04-05
分野: 医学一般  >  雑誌
ISSN: 02885514
雑誌名:
特集: 独習 Pythonバイオ情報解析
電子書籍版: 2021-04-05 (第1刷)
書籍・雑誌
≪全国送料無料でお届け≫
品切れ

6,600 円(税込)

電子書籍
章別単位での購入はできません
ブラウザ、アプリ閲覧

6,600 円(税込)

目次

  • 第1章 この本の使い方と事前準備
     1.1 Python を用いる理由
     1.2 プログラミングを行うためのマシンの用意
     1.3 Anaconda について
     1.4 プログラムの表記法
     1.5 本書で何を扱わないか
     1.6  本書で用いるプログラムやサンプルデータの置き場所

    第2章 Jupyter Notebook の使い方
     2.1 Jupyter Notebook の基本操作
     2.2 Jupyter Notebook の便利な機能
     2.3 Jupyter Notebook の拡張
     2.4 今後の学習に向けて
     2.5 おわりに

    第3章 Python 速習コース
     3.1 はじめに
     3.2 関数とメソッド
     3.3 変数
     3.4 複合データ型
     3.5 制御構文
     3.6 自作関数
     3.7 モジュールのimport
     3.8 おわりに
     3.9 参考

    第4章 文字列処理の基本~ファイルの読み書き,正規表現
     4.1 文字列処理
     4.2 ファイルの読み書き
     4.3 SAM
     4.4 正規表現
     4.5 おわりに

    第5章 Biopython を用いた塩基配列データの扱い方~オブジェクト指向入門
     5.1 クラスを利用したプログラミング
     5.2 Biopython を使った配列ファイルの読み書き
     5.3 GenBank ファイルの読み込み
     5.4 GFF ファイルの読み込み
     5.5 おわりに

    第6章 pandas はじめの一歩~表形式データの扱い方
     6.1 準備
     6.2 Series
     6.3 DataFrame の基本操作
     6.4 欠損値,重複の扱い
     6.5 DataFrame に対する関数の適用
     6.6 行/列のループ処理
     6.7 DataFrame の結合
     6.8 その他の機能
     6.9 DataFrame の書き出し
     6.10 おわりに

    第7章 RNA-Seq カウントデータの処理~pandas 実践編
     7.1 準備
     7.2 データファイルの読み込みとアノテーション
     7.3 カウントデータの正規化
     7.4 発現変動遺伝子の抽出
     7.5 TPM 正規化したデータのクラスタリング
     7.6 おわりに

    第8章 データの可視化~Matplotlib,Seaborn を用いたグラフ作成
     8.1 解析環境のセットアップおよびデータの準備
     8.2 Matplotlib ライブラリの使い方
     8.3 基本グラフ
     8.4 プロット領域の分割
     8.5 おわりに

    第9章 統計的仮説検定~RNA-Seq データを用いた検定の基本からモデル選択まで
     9.1 必要ライブラリのimport
     9.2 基本的な用語や概念
     9.3 さまざまな確率分布
     9.4 統計的仮説検定について
     9.5 TPM データを用いた検定の例
     9.6 検定の多重性の問題
     9.7 実際のRNA-Seq における統計的仮説検定
     9.8 GLM による確率モデルの最尤推定とAIC によるモデル選択
     9.9 発現量変動解析について
     9.10 DESeq2 について
     9.11 今後の統計的仮説検定の位置づけについて

    第10章 シングルセル解析(1)~テーブルデータの前処理
     10.1 はじめに
     10.2 データの前処理
     10.3 おわりに

    第11章 シングルセル解析(2)~次元削減
     11.1 データ読み込み
     11.2 主成分分析
     11.3 t-SNE
     11.4 UMAP
     11.5 その他の次元削減手法

    第12章 シングルセル解析(3)~クラスタリング
     12.1 データ読み込み
     12.2 階層的クラスタリング
     12.3 k -means クラスタリング
     12.4 近傍グラフに基づくクラスタリング
     12.5 その他のクラスタリング手法
     12.6 クラスタリング後の解析
     12.7 おわりに:結局どれを使えばいいのか

    付録A NumPy 入門
    付録B Scanpy を使ったシングルセル解析

この書籍の参考文献

参考文献のリンクは、リンク先の都合等により正しく表示されない場合がありますので、あらかじめご了承下さい。

本参考文献は電子書籍掲載内容を元にしております。

第4章 文字列処理の基本 ファイルの読み書き, 正規表現

P.97 掲載の参考文献
1) 「正規表現-Wikipedia」ja.wikipedia.org/wiki/正規表現 (2021-1-27 閲覧)
2) Smale ST & Kadonaga JT : Annu Rev Biochem, 72 : 449-479, 2003 doi : 10.1146/annurev.biochem.72.121801.161520

第5章 Biopythonを用いた塩基配列データの扱い方 オブジェクト指向入門

P.111 掲載の参考文献
1) 『入門 Python 3』 (Bill Lubanovic/著), オライリー・ジャパン, 2015
P.114 掲載の参考文献
2) 『オブジェクト指向でなぜつくるのか 第2版』 (平澤章/著), 日経BP, 2011
P.141 掲載の参考文献
3) Thorvaldsdottir H, et al : Brief Bioinform, 14 : 178-192, 2013 doi : 10.1093/bib/bbs017

第6章 pandasはじめの一歩 表形式データの扱い方

P.147 掲載の参考文献
1) 「pandas公式サイト」pandas.pydata.org (2021-1-27 閲覧)
2) 「pandas公式サイト10 Minutes to pandas」pandas.pydata.org/pandas-docs/stable/user_guide/10min.html (2021-1-27 閲覧)
3) 『Pythonによるデータ分析入門 Numpy, pandasを使ったデータ処理』 (Wes Mckinney/著, 鈴木宏尚, 瀬戸山雅人, 滝口開資, 野上大介/訳), オライリー・ジャパン, 2013
P.148 掲載の参考文献
4) 「pandas公式サイト Removal of prior version deprecations/changes」pandas.pydata.org/pandas-docs/version/1.0.0/whatsnew/v1.0.0.html#whatsnew-100-prior-deprecations (2021-1-27 閲覧)
P.192 掲載の参考文献
5) 「pandas documantation」pandas.pydata.org/pandas-docs/stable/ (2021-01-17 閲覧)

第7章 RNA - Seqカウントデータの処理 pandas実践編

P.200 掲載の参考文献
1) 『RNA-Seqデータ解析 WETラボのための鉄板レシピ』 (坊農秀雅/編), 羊土社, 2019
2) 『次世代シークエンサーDRY解析教本 改訂第2版』 (清水厚志, 坊農秀雅/編), 学研メディカル秀潤社, 2019
3) 「(Rで) 塩基配列解析」www.iu.a.u-tokyo.ac.jp/~kadota/r_seq.html (2021-1-27 閲覧)
4) 「biopapyrus RNA-seq」bi.biopapyrus.jp/rnaseq/ (2021-1-27 閲覧)
5) Nookaew I, et al : Nucleic Acids Res, 40 : 10084-10097, 2012 doi : 10.1093/nar/gks804
6) SRA Toolkit Development Team github.com/ncbi/sra-tools (2021-1-27 閲覧)
7) 「FastQC : a quality control tool for high throughput sequence data」www.bioinformatics.babraham.ac.uk/projects/fastqc/ (2021-1-27 閲覧)
8) Bolger AM, et al : Bioinformatics, 30 : 2114-2120, 2014 doi : 10.1093/bioinformatics/btu170
9) Kim D, et al : Nat Methods, 12 : 357-360, 2015 doi : 10.1038/nmeth.3317
10) Kim D, et al : Nat Biotechnol, 37 : 907-915, 2019 doi : 10.1038/s41587-019-0201-4
11) Liao Y, et al : Bioinformatics, 30 : 923-930, 2014 doi : 10.1093/bioinformatics/btt656
12) 「先進ゲノム支援 2018年度情報解析中級者講習会」配布資料 github.com/genome-sci/python_bioinfo_2018 (2021-1-27閲覧)
P.201 掲載の参考文献
13) 「NCBI Genomeデータベース Saccharomyces cerevisiae S288C」www.ncbi.nlm.nih.gov/genome/15?genome_assembly_id=22535 (2021-1-27 閲覧)
P.202 掲載の参考文献
14) 「先進ゲノム支援 (PAGS), DDBJ, DBCLS合同情報解析講習会」配布資料 github.com/genome-sci/pags_workshop_2019 (2021-1-27閲覧)
P.214 掲載の参考文献
15) 「biopapyrus TPM」bi.biopapyrus.jp/rnaseq/analysis/normalizaiton/tpm.html (2021-1-27閲覧)

第8章 データの可視化 Matplotlib, Seabornを用いたグラフ作成

P.230 掲載の参考文献
1) 「matplotlib.axes」matplotlib.org/3.1.1/api/axes_api.html (2021-1-27 閲覧)

第9章 統計的仮説検定 RNA - Seqデータを用いた検定の基本からモデル選択まで

P.265 掲載の参考文献
1) Li B, et al : Bioinformatics, 26 : 493-500, 2010 doi : 10.1093/bioinformatics/btp692
2) Wagner GP, et al : Theory Biosci, 131 : 281-285, 2012 doi : 10.1007/s12064-012-0162-3
P.276 掲載の参考文献
3) Love MI, et al : Genome Biol, 15 : 550, 2014 doi : 10.1186/s13059-014-0550-8
4) Robinson MD, et al : Bioinformatics, 26 : 139-140, 2010 doi : 10.1093/bioinformatics/btp616
P.279 掲載の参考文献
5) Love MI, et al : Genome Biol, 15 : 550, 2014 doi : 10.1186/s13059-014-0550-8
6) 「Analyzing RNA-seq data with DESeq2」www.bioconductor.org/packages/release/bioc/vignettes/DESeq2/inst/doc/DESeq2.html (2021-1-27 閲覧)
P.282 掲載の参考文献
7) Wasserstein RL & Lazar NA : The American Statistician, 70 : 129-133, 2016 doi : 10.1080/00031305.2016.1154108
8) Wasserstein RL, et al : The American Statistician, 73 : 1-19, 2019 doi : 10.1080/00031305.2019.1583913

第10章 シングルセル解析 ( 1 ) テーブルデータの前処理

P.285 掲載の参考文献
1) 「Beta release of Seurat 4.0」satijalab.org/seurat/ (2021-1-27 閲覧)
2) 「Scanpy-Single-Cell Analysis in Python」scanpy.readthedocs.io (2021-1-27 閲覧)
P.286 掲載の参考文献
3) Moon KR, et al : Nat Biotechnol, 37 : 1482-1492, 2019 doi : 10.1038/s41587-019-0336-3
4) 「Embryoid Body data for PHATE, Mendeley Data, v1」dx.doi.org/10.17632/v6n743h5ng.1 (2021-1-27 閲覧)
P.304 掲載の参考文献
5) 『機械学習のための特徴量エンジニアリング-その原理とPythonによる実践』 (Alice Zheng, Amanda Casari/著, 株式会社ホクソエム/訳), オライリー・ジャパン, 2019

第11章 シングルセル解析 ( 2 ) 次元削減

P.319 掲載の参考文献
1) van der Maaten L & Hinton G : JMLR, 9 : 2579-2605, 2008
P.329 掲載の参考文献
2) McInnes L, et al : arXiv : 1802.03426, 2018
P.337 掲載の参考文献
3) van der Maaten L : PMLR, 5 : 384-391, 2009
P.339 掲載の参考文献
4) Moon KR, et al : Nat Biotechnol, 37 : 1482-1492, 2019 doi : 10.1038/s41587-019-0336-3a
5) Szubert B, et al : Sci Rep, 9 : 8914, 2019 doi : 10.1038/s41598-019-45301-0

第12章 シングルセル解析 ( 3 ) クラスタリング

P.350 掲載の参考文献
1) 「API reference-seaborn」seaborn.pydata.org/api.html (2021-1-27 閲覧)
P.359 掲載の参考文献
2) Blondel VD, et al : J Stat Mech, 10 : 10008, 2008 doi : 10.1088/1742-5468/2008/10/P10008
P.361 掲載の参考文献
3) github.com/taynaud/python-louvain (2021-1-27 閲覧)
4) Traag VA, et al : Sci Rep, 9 : 5233, 2019 doi : 10.1038/s41598-019-41695-z
P.368 掲載の参考文献
5) Stassen SV, et al : Bioinformatics, 36 : 2778-2786, 2020 doi : 10.1093/bioinformatics/btaa042
P.369 掲載の参考文献
6) Amodio M, et al : Nat Methods, 16 : 1139-1145, 2019 doi : 10.1038/s41592-019-0576-7

付録B Scanpyを使ったシングルセル解析

P.388 掲載の参考文献
1) Wolf FA, et al : Genome Biol, 19 : 15, 2018 doi : 10.1186/s13059-017-1382-0
2) 「Scanpy-Single-Cell Analysis in Python」scanpy.readthedocs.io (2021-1-27 閲覧)
3) anndata.readthedocs.io (2021-1-27 閲覧)
P.398 掲載の参考文献
4) www.10xgenomics.com/spatial-transcriptomics/ (2021-1-27 閲覧)

最近チェックした商品履歴

Loading...