定量生物学

授業予定 ＜6月5日（担当：小島 大輔）＞ 1) タンパク質のアミノ酸配列のアラインメントと分子系統樹作成（使用するソフトウェアについては、ITC-LMS等で事前に通知する予定） ＜6月12日、19日（担当：飯野 雄一）＞ 2) 多変量および時系列データの解析（Pythonを使用） 　☆トランスクリプトーム（遺伝子発現）データなどを題材とする 　Pythonの基本的コーディングのテスト 　Pythonのモジュールpandas, numpyについての簡単な解説 　正規化、MAプロット、volcanoプロットなどの作成 　特定の周期変動を示す遺伝子の抽出 　似た発現パターンの遺伝子の抽出 　主成分分析、次元圧縮および可視化、クラスタリング 　遺伝子情報の取得 ＜6月26日、7月3日（担当：島 知弘、飯塚 怜）＞ 3）データの解釈のための統計学（Pythonを使用） 　母集団、サンプル、確率分布、帰無仮説、検定･推定の考え方 　各種のパラメトリック検定およびノンパラメトリック検定 　研究デザインにおけるバイアスやブラインド化 ＜7月10日、24日（担当：飯野 雄一）＞ 4) 画像データの処理 （ImageJおよび付随のマクロ言語を使用） 　☆電気泳動画像、顕微鏡画像、行動中の動物の画像などを題材とする。 　ImageJの使い方 　電気泳動データのバンドの定量、バックグラウンドの定量･除去 　シュードカラー表示 　二値化、物体認識、計測 　処理の自動化 　動画処理、タイムスタンプ挿入 　線画、プレゼンテーション用動画の作成 　深層学習による画像認識の紹介 Class Schedule < June 5 (Instructer: Daisuke Kojima) 1) Alignment of amino acid sequences of proteins and creation of molecular phylogenetic trees (Software to be used will be notified in advance via ITC-LMS, etc.) < June 12 and 19 (Instructer: Yuichi Iino) > 2) Analysis of multivariate and time series data (using Python) 　Transcriptome (gene expression) data will be used as the subject matter. 　Testing of basic Python coding 　Brief explanation of Python modules pandas, numpy 　Normalization, MA plots, volcano plots, etc. 　Extraction of genes showing specific periodic variation 　Extraction of genes with similar expression patterns 　Principal component analysis, dimensionality compression and visualization, clustering 　Acquisition of gene information ＜June 26, July 3 (Instructer: Tomohiro Shima and Ryo Iizuka) > 3) Statistics for data interpretation (using Python) 　Concepts of population, sample, probability distribution, null hypothesis, test and estimation 　Various parametric and non-parametric tests 　Bias and blinding in study design ＜July 10 and 24 (Instructer: Yuichi Iino) 4) Image data processing (using ImageJ and ImageJ macro language) 　The subjects will be electrophoresis images, microscopic images, and images of animals in action. 　How to use ImageJ 　Quantification of bands in electrophoresis data, quantification and removal of background 　Pseudocolor display 　Binarization, object recognition, and measurement 　Automated processing 　Video processing, time stamp insertion 　Line drawing, creation of video for presentation 　Introduction of image recognition by deep learning

情報基盤センターの演習室において行う。授業の最初に講義を行い、引き続き各自演習室のPC端末を用いてデータ解析等の演習を行う。授業の最後に課題を与えて後日提出してもらう。 The class will be held at the Large PC classroom 1 of the Information Technology Center. A lecture will be given at the beginning of the class, followed by data analysis and other exercises using the PC terminals in the PC classroom. An assignment will be given at the end of the class.

出席を重視する。これに、提出する演習課題の評価を加味して成績評価を行う。 Evaluations are based on attendance to class and submitted assignments.

特に用いない。 None specified.

「入門統計学」－検定から多変量解析･実験計画法まで－ 栗原 伸一 (著) 　オーム社　ISBN-10: 4274068552; ISBN-13: 978-4274068553

【重要】 本授業ではExcel, ImageJに加え、プログラミング言語としてPythonを用いるが、基本的なプログラミングの方法については既習であることを前提にするので簡単にしか解説しない。本授業の開始までに数理･データサイエンス教育プログラム開講の「Pythonプログラミング入門」などの授業を予め履修するか、下記のようなサイトで自学すること。 第2回の授業の最初にPythonのプログラミングの簡単なテストを行う。テストの内容は、変数、四則演算、文字列、入出力、ループ、条件分岐、リスト、の範囲。問題の例は https://tinyurl.com/***** を参照。 また、教育用計算機システム(ECCS)を用いて演習を行うので、ECCSのアカウントを授業開始の時点で使える状態で持っておくことが受講に必要である。 自習用Webサイトの例： １）Pythonプログラミング入門 「Pythonプログラミング入門」の授業内容がWebサイトに公開されている。 https://utokyo-ipp.github.io/***** 「Open in Colab」ボタンでWeb実行環境に移れる。 1-1.〜3-3.までは必須。 ２）Paiza https://paiza.jp/*****（一部有料） 「Python3入門編1〜7」 「新・Python入門編7, 8, 9, 11」 「PythonxAI機械学習入門編1」のchapter1,2（オプション） 動画は飛ばして演習問題だけやってもよい。 ３）ニコニコAIスクール入門編 https://github.com/***** nico2ai_lecture1_exercise.ipynbをダウンロードして実施。 （以下英語版） ４）Google's Python Class https://developers.google.com/***** ５）CS50 Python Class https://cs50.harvard.edu/***** (YouTube動画を見るのがよい) ６）Codecademy（一部有料） https://www.codecademy.com/***** << Important >> In this class, Python is used as a programming language in addition to Excel and ImageJ. Note that it is assumed that students have already learned basic programming methods with Python, and therefore only a brief explanation is given in the class. Prior to the start of this class, students need to learn basics of Python programming. Useful websites are found below. Students need to take a simple test of Python programming at the beginning of the second day of the class. The test will cover the following areas: variables, arithmetic operations, strings, input/output, loops, conditional branching, and lists. Example problems are available at https://tinyurl.com/***** for examples of problems. In addition, since the exercises will be done using the Educational Campuswide Computing System (ECCS), it is necessary to have an ECCS account ready to use at the beginning of the class in order to take the course. Examples of self-study websites: (Japanes) (1) Introduction to Python Programming The content of the "Introduction to Python Programming" class is available on the website. https://utokyo-ipp.github.io/***** Click the "Open in Colab" button to move to the web execution environment. 1-1. through 3-3. are required. (2) Paiza https://paiza.jp/***** (some contents are charged) Python 3 Introductory Course 1-7. New Python Introductory Course 7, 8, 9, 11 Chapter 1 and 2 of "Introduction to PythonxAI Machine Learning 1" (optional) You may skip the videos and just do the exercises. (3) Nico Nico AI School Introductory Course https://github.com/***** Download nico2ai_lecture1_exercise.ipynb and try it. (English version below) (4) Google's Python Class https://developers.google.com/***** (5) CS50 Python Class https://cs50.harvard.edu/***** (YouTube videos are good to watch) 6) Codecademy (some contents are charged) https://www.codecademy.com/*****

担当予定教員 飯野 雄一、小島 大輔、島 知弘、飯塚 怜 ティーチングアシスタント（主に生物科学専攻大学院生）がサポートする。 Instructors Yuichi Iino, Daisuke Kojima, Tomohiro Shima, Ryo Iizuka Teaching assistants (mainly graduate students of the Department of Biological Sciences) will assist.