定量生物学

授業予定 ＜6月3日（担当：小島 大輔）＞ 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10日（担当：濡木 理、石谷 隆一郎、伊藤 弓弦、草木迫 司）＞ Google Colaboratoryを用いた、タンパク質の立体構造予測と分子動力学（MD）シミュレーション実習 ＜6月17日（担当：上村 想太郎、飯塚 怜）＞ 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 ＜6月24日（担当：眞田 佳門、内藤 泰樹）＞ 画像の解析（Image J使用） 電気泳動バンドの定量 免疫細胞染色画像の蛍光輝度の測定 免疫組織染色画像の２重染色細胞の割合の測定 ＜7月1日（担当：塩見 美喜子、山﨑 啓也、平形 樹生）＞ RNA研究における定量生物学 主にpiRNA生合成経路や相分離生物学を中心に、RNA研究における定量生物学的解析について、実例を交えながら解説・演習する。 ＜7月8日（担当：竹内 春樹、香取 和生）＞ ☆機械学習を用いたビッグデータの解析 教師あり学習、教師なし学習 分類、回帰、クラスタリング、次元削減 深層学習を用いた脳情報デコーディングの紹介 ＜7月22日（担当：豊島 有）＞ 全脳神経活動や行動時系列、遺伝子発現等を題材とした時系列データの解析 Class Schedule ＜June 3 (Daisuke Kojima) Alignment of amino acid sequences of proteins and creation of molecular phylogenetic trees (The software to be used will be notified in advance via ITC-LMS, etc.) ＜June 10 (Osamu Nureki, Ryuichiro Ishitani, Yuzuru Ito, Tsukasa Kusakizako) Practical training on protein conformation prediction and molecular dynamics (MD) simulation using Google Colaboratory ＜June 17 (Sotaro Uemura, Ryo Iizuka) 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 ＜June 24 (Kamon Sanada and Yasuki Naito) Image analysis (using Image J) Quantification of electrophoresis bands Measurement of fluorescence intensity of immunocyte stained images Measurement of the percentage of double-stained cells in immunohistochemistry stained images ＜July 1 (Mikiko Siomi, Hiroya Yamazaki, Itsuki Hirakata) Quantitative biology in RNA research This course will provide students with practical examples of quantitative biological analysis in RNA research, focusing mainly on piRNA biosynthesis pathways and phase separation biology. ＜July 8 (Haruki Takeuchi, Kazuo Katori) ☆Analysis of Big Data using Machine Learning Supervised and unsupervised learning Classification, regression, clustering, dimensionality reduction Introduction to brain information decoding using deep learning ＜July 22 (Yu Toyoshima) Analysis of time-series data on whole-brain neural activity, behavioral time-series, gene expression, etc.

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://*****/***** 「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://*****/***** 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://*****/***** 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://*****/***** 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 小島 大輔、濡木 理、石谷 隆一郎、伊藤 弓弦、草木迫 司、上村 想太郎、飯塚 怜、眞田 佳門、内藤 泰樹、塩見 美喜子、山﨑 啓也、平形 樹生、竹内 春樹、香取 和生、豊島有 上記教員に加えて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。 Teaching assistants (mainly graduate students of the Department of Biological Sciences) will assist.