実験医学別冊 独習 Pythonバイオ情報解析
特記事項：
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
最近チェックした商品履歴
Loading...