機能ゲノム学（第6回）
|
|
|
- つかさ ひでやま
- 5 years ago
- Views:
Transcription
1 バイオインフォマティクス次世代シーケンサー (NGS) 編 東京大学大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 ( かどたこうじ ) kadota@iu.a.u-tokyo.ac.jp 1
2 バイオインフォマティクス人材育成講座 スタンダードコース 2
3 自己紹介 1995 年 3 月 高知工業高等専門学校 工業化学科卒業 1997 年 3 月 東京農工大学 工学部 物質生物工学科卒業 1999 年 3 月 東京農工大学 大学院工学研究科 物質生物工学専攻修士課程修了 2002 年 3 月 東京大学 大学院農学生命科学研究科 応用生命工学専攻博士課程修了 学位論文 : cdna マイクロアレイを用いた遺伝子発現解析手法の開発 ( 指導教官 : 清水謙多郎教授 ) 2002/4/1~ 産総研 生命情報科学研究センター産総研特別研究員 2003/11/1~ 放医研 先端遺伝子発現研究センター研究員 2005/2/16~ 東京大学 大学院農学生命科学研究科特任助手 2007/4/1~ 現在 東京大学 大学院農学生命科学研究科特任助教 アグリバイオインフォマティクスプログラム 高専時代の成績もたいしたことない門田が かれこれ 10 年以上バイオインフォマティクスの分野で楽しくやってます 3
4 次世代シーケンサー Next-Generation Sequencer (NGS) 塩基配列を決定する実験機器のこと 特徴 旧世代シーケンサーに比べ 一度に多数の塩基配列を決定することができる ゲノム配列決定 ( ゲノム解読 ) やトランスクリプトーム解析手段としての応用が広がっている 4
5 オーム (Ome) 研究 ome : 総体 DNA 遺伝子 (Gene) + ome ゲノム ( 命の設計図 ) 転写 ( 遺伝子 DNA の情報を RNA に写すこと ) RNA 転写 (Transcription) + ome トランスクリプトーム 翻訳 ( 転写された RNA 情報をもとにタンパク質を作ること ) タンパク質 タンパク質 (Protein) + ome プロテオーム 5
6 これまでの実験技術 DNA 転写 RNA 翻訳 タンパク質 全ゲノムショットガン法 マイクロアレイ 二次元電気泳動法 プロテオーム トランスクリプトーム ゲノム 6
7 今後の実験技術 DNA 転写 RNA 翻訳 タンパク質 次世代シーケンサー (NGS) 二次元電気泳動法 GS FLX+ 5500xl SOLiD HiSeq 2000 プロテオーム トランスクリプトーム ゲノム 7
8 NGS でゲノム解読の成果は続々と パンダ ( 大熊猫 ) ゲノム解読 (2008 年 ) ヒトゲノム解読に 10 年 半年 猫よりも犬 熊に近い動物 アジア人 ( 中国人 ) 一個体の全ゲノム配列決定 (2008 年 ) 国際プロジェクト 1000 人ゲノム計画 (1 人 1 人の遺伝情報の違いを詳細に調査 ) 国際癌ゲノムプロジェクト 感染症の同定 日本人の全ゲノム配列決定 (2010 年 ) 世界で初めてサンゴの全ゲノム解読に成功 (2011 年 7 月 ) サンゴと褐虫藻との共生メカニズム解明のための基盤情報取得 サンゴの白化現象 ( 褐虫藻を失うこと ) 解明のための ~ サンゴ礁の観光産業などの経済効果は 2,500 億円以上! 8
9 NGS の利活用 ( 妄想?!) のゲノム解読 絶滅危惧種関連 ( ゲノム情報は沖縄にあり!) 西表山猫とか バイオマスエタノール関連 ( エネルギー生産関連 ) サトウキビとか と の比較ゲノム解析 ある有用な機能をもつ微生物 ( ) ともたないもの ( ) のみがもつその機能と関連する遺伝子の同定 長寿 ( 沖縄 ) vs. 短命の県 と の比較トランスクリプトーム解析 ある有用な機能をもつ微生物 ( ) ともたないもの ( ) 発現に違いのある遺伝子同定 9
10 人材育成 現状 NGS データなどの大量実験データを自在に解析できるバイオインフォマティクス人材が不足 スキルのある人は引く手あまた 私の状況 東大生のバイオインフォマティクス講義 (90 分 11 回 ) あちこちでセミナーや講習会の講師 自分の研究 ( と共同研究の解析 ) を進める メールでの質問対応 ( これも頻繁にくるので大変 ) 初心者でもコピペでデータ解析可能なウェブページの更新 (R で ) マイクロアレイデータ解析 (R で ) 塩基配列解析 ここでの講義も結局は自分のため 10
11 ねらい 次世代シーケンサー (NGS) を活用した実験解析について トランスクリプトーム解析など最新の研究技術について学ぶ R を利用することで NGS から得られる塩基配列データの様々な解析が可能 プログラミング能力がなくても使いこなし術があれば NGS 解析を全部自力でやるには Linux のノウハウがある程度必要であることを実感してもらう バイオインフォマティクスの基本的なスキルを身につけることが重要 バイオインフォマティクス技術者認定試験合格を目指せ 相関係数やエントロピーなどの要素技術を駆使すれば様々なデータ解析が可能であることを紹介 11
12 参考 1 12
13 参考 2 13
14 シーケンサー新旧比較 旧世代シーケンサー (ABI3730 など ) 800 塩基程度の長さを読める 数は尐ない 質は高い 次世代シーケンサー 長さは短い (~ 数百塩基程度 ) 数は多い 質は低い 800 塩基程度 GS FLX+ 5500xl SOLiD HiSeq 2000 数百塩基程度 100 塩基程度 14
15 ゲノム配列の決定はどうやって? 素朴な疑問 ( 何が大変なのかわからない ) Q: ゲノムが長い一本の塩基配列で 旧世代シーケンサーが一度に 800 塩基程度しか読めないのはわかった だけど読めるところまで読んだら 最後の塩基のところからまた順番に読んでいけばいいじゃん! A: それができないのでゲノムを物理的に切断した断片配列の配列決定 ( シークエンシング ;sequencing) を行います 800 塩基程度の配列の集合が手元にあるだけです 800 塩基程度 どうやって 元のゲノム配列を再構築するのか? 15
16 de novo genome assembly de novo: 初めから 新規に の意味 配列決定されたリードのみから 目的生物種のゲノム配列を決めること ( 組み立てること ) 方法による分類 (Miller et al., Genomics, 95: , 2010) Overlap-Layout-Consensus (OLC) アプローチ 各リードを頂点 ( ノード ) として k 個の共通連続塩基がある頂点同士を辺 ( エッジ ) で結んだグラフを作成し 全ての頂点を通るパスを探索 ( ハミルトンパス問題 ) 配列一致部分がある程度の長さ分必要なため Roche 454 など比較的長いリードのアセンブルに用いられる Euler (or Eulerian path) アプローチ リードを一塩基づつずらした k 個の連続塩基からなる k-mer グラフを各リードごとに作成し 全リードの完全一致ノードをマージすることで de Bruijn グラフ を作成し 全ての辺を通るパスを探索 ( オイラーパス問題 ) Illumina などの比較的短いリードのアセンブルに用いられる 16
17 Overlap-Layout-Consensus (OLC) アプローチ k 個 ( 例 :k=25) の共通連続塩基があるリード ( 頂点 ) 同士を辺でむすぶ read1 :TGCCGACATGCATCCAAGTAGGAATCCTTAGCTTA read2 :CATCCAAGTAGGAATCCTTAGCTTAGCCAATGCGT リード 1 リード 2 リード 3 入力データ 35 bp read1 read2 アセンブル = 全ての頂点を通るパス ( 経路 ) を探索すること 17
18 Euler (or Eulerian path) アプローチ 各リードを全ての可能な k-mer (k < 35 の任意の値 ; 例えば k=25) に分割して有向グラフを作成 read1 :TGCCGACATGCATCCAAGTAGGAATCCTTAGCTTA read1_1 有向グラフ read1_2 の作成 read1_3 read1_4 read1_5 read1_6 read1_7 read1_8 read1_9 read1_10 read1_11 Pevzner et al., PNAS, 98: , 2001 リード 1 リード 2 リード 3 入力データ 35 bp read1_1 read1_2 read1_3 隣接するノード間は (k-1) bp のオーバーラップ 18
19 Euler (or Eulerian path) アプローチ 同一ノードをマージ read1 :TGCCGACATGCATCCAAGTAGGAATCCTTAGCTTA read2 :CATCCAAGTAGGAATCCTTAGCTTAGCCAATGCGT Pevzner et al., PNAS, 98: , 2001 リード 1 リード 2 リード 3 入力データ 35 bp read1_1 read1_2 read1_10 read1_11 read2_1 read2_2 read2_10 read2_11 read1_1 read1_2 read1_10 read1_11 read2_2 read2_10 read2_11 全リードの情報をもとに同一ノードをマージしたグラフ (de Bruijn グラフ ) アセンブル = 全ての辺を通るパスを探索すること 19
20 de novo genome assembly Overlap-Layout-Consensus (OLC) アプローチ 生物種 :Drosophila (Myers et al., Science, 287: , 2000) 全ゲノムショットガン Euler (or Eulerian path) アプローチ 生物種 :Giant panda (Li et al., Nature, 463: , 2010) Illumina Genome Analyzer (37paired-end) パンダゲノムはたまたまうまくいった?! 配列さえ読めばあとはボタン一つ押せばアセンブルされたゲノムが得られる ほど簡単ではない 20
21 新規の (de novo) ゲノム配列決定は大変 旧世代シーケンサー (ABI3730 など ) 800 塩基程度 次世代シーケンサー 100 塩基程度 一致 ( のりしろ ) 部分の領域大 信頼性高い 一致 ( のりしろ ) 部分の領域小 信頼性低い 21
22 NGS でゲノム解読の成果は続々と? パンダ ( 大熊猫 ) ゲノム解読 (2008 年 ) ヒトゲノム解読に 10 年 半年 猫よりも犬 熊に近い動物 アジア人 ( 中国人 ) 一個体の全ゲノム配列決定 (2008 年 ) 国際プロジェクト 1000 人ゲノム計画 (1 人 1 人の遺伝情報の違いを詳細に調査 ) Resequencing( 再配列決定 ) 国際癌ゲノムプロジェクト 感染症の同定 日本人の全ゲノム配列決定 (2010 年 ) 世界で初めてサンゴの全ゲノム解読に成功 (2011 年 7 月 ) サンゴと褐虫藻との共生メカニズム解明のための基盤情報取得 サンゴの白化現象 ( 褐虫藻を失うこと ) 解明のための ~ サンゴ礁の観光産業などの経済効果は 2,500 億円以上! 22
23 Resequencing 既知の塩基配列と次世代シーケンサー (NGS) から得られた短い塩基配列 (short read) を比較すること ヒトゲノム配列は旧世代シーケンサーを用いて解読済み 例 : 日本人ゲノム解読 は 次世代シーケンサーを用いて日本人の NGS 塩基配列データを取得し ヒトゲノム配列 と比較して 日本人特有の領域や配列の違いなどを発見しました ということ ヒトゲノム配列 1 番染色体 2 番染色体 3 番染色体 NGS データ 比較 23
24 比較? NGS データ中の数千万リード (- が数千万個あるということ ) の各々がゲノム中のどこにマップされるか マップされないのはどれか などを調べるイメージ ヒトゲノム配列 1 番染色体 2 番染色体 3 番染色体 NGS データ Linux 上で動く NGS データ専用のマッピングプログラムを用いて実行できます 24
25 NGS 解析は Linux 上で行うのが基本 理由 1:de novo assembly やマッピングなどの基本的な解析部分を行うプログラムは Linux (UNIX) 用が大多数 理由 2: その後の解析は Windows 版の R でもできるが Linux 版の R でもできる ( しかも速い!) Linux に慣れてる人は R を使って行う解析も Linux 上でやる Linux を使いこなせるのがベストであることは間違いない 25
26 用語解説 リード Sequencer で読んだ塩基配列のこと コンティグ 異なる複数のリードが ACGT の切れ目なく連結されたもの 右図では A-D の四つのコンティグ Scaffold N50 コンティグ間の位置関係を表したもの A-D-B-C ではなく A-B-C-D という関係 得られた複数のコンティグを最も長いコンティグから順番に連結していったときに combined total length の 50% になったときのコンティグの長さ 断片化されたゲノム配列ペアードエンド解析アセンブル A B C D 26
27 用語解説など Coverage( カバレッジ ) ゲノム解読したいときなどに 解読するために必要とされる指標となる数値 ゲノムサイズ (X) に対する sequencer で読んだ塩基配列長の和のこと 一般に この数値が高ければ高いほどよい k の数はいくつがいいの? わかりません 複数の k の値を試すみたいです アセンブル結果の評価基準は? よくわかりません 平均コンティグ長や N50 が論文の表でよく記述されます このあたりの数値を大きくするだけなら k の値を小さめにすればいいのですが 同時にそれはキメラコンティグを形成してしまう確率が上昇することを意味するからです アセンブルプログラムを実行して得られる出力ファイルはどんな感じ? ( 基本的に )multi-fasta 形式のファイルです >contig1 GATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCACAGTTT >contig2 ACGATGCAGCCTTAACGA >contig3 27
28 FASTQ 形式 ( と FASTA 形式 ) FASTA 形式 > ではじまる一行の description 行 と 配列情報 からなる形式 NGS の read 長は短いので 実質的に一つのリードを二行で表現 >SEQ_ID GATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCACAGTTT FASTQ 形式 一行目 ではじまる一行の description 行 二行目 : 配列情報 三行目 : + からはじまる一行 ( の description 行 ) 四行目 : GATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCACAGTTT +!''*((((***+))%%%++)(%%%%).1***-+*''))**55CCF>>>>>>CCCCCCC
29 塩基配列のクオリティ情報といえば Phred スコア Phred というベースコールプログラムから得られる Quality Value(QV 値 ) のこと なぜ FASTQ 形式では Phred スコアそのものでクオリティ情報を表現しないの? 29
30 理由 :( 容量 ) 節約のため Cock et al., Nucleic Acids Res., 38: , 2010 FASTQ 形式中のクオリティ情報部分 Phred スコア (QUAL 形式 ) Phred スコアが X の場合 ASCII (X+33) に対応する文字コードを割り当てる 30
31 実習 31
32 R はただの統計解析フリーソフトではありません 32
33 NGS を用いたトランスクリプトーム解析 DNA 転写 RNA 翻訳 タンパク質 次世代シーケンサー (NGS) 二次元電気泳動法 GS FLX+ 5500xl SOLiD HiSeq 2000 ゲノムではなく転写されているRNAの配列決定 (Sequencing) をするので プロテオーム RNA-Seqと呼ばれる トランスクリプトーム ゲノム 33
34 トランスクリプトームとは ある特定の状態の組織や細胞中に存在する全 RNA( 転写物 transcripts) の総体 様々なトランスクリプトーム解析技術 マイクロアレイ cdna マイクロアレイ Affymetrix GeneChip タイリングアレイなど 配列決定に基づく方法 EST SAGE など 次世代シーケンサー (NGS) 電気泳動に基づく方法 Differential Display AFLP など 調べたい組織でどの遺伝子がどの程度発現しているのかを一度に観察 34
35 トランスクリプトームとは ある状態のあるサンプル ( 例 : 目 ) のあるゲノムの領域 ヒト 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 遺伝子全体 ( ゲノム ) どの染色体上のどの領域にどの遺伝子があるかは調べる個体 ( 例 : ヒト ) が同じなら不変 ( 目だろうが心臓だろうが ) AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA 転写物全体 ( トランスクリプトーム ) 遺伝子 1 は沢山転写されている ( 発現している ) 遺伝子 4 はごくわずかしか転写されてない 35
36 トランスクリプトームとは ある状態のあるサンプル ( 例 : 目 ) のあるゲノムの領域 光刺激 ヒト 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 遺伝子全体 ( ゲノム ) どの染色体上のどの領域にどの遺伝子があるかは調べる個体 ( 例 : ヒト ) が同じなら不変 ( 目だろうが心臓だろうが ) AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA AAAAAAA 転写物全体 ( トランスクリプトーム ) 遺伝子 2 は光刺激に応答して発現亢進 遺伝子 4 も光刺激に応答して発現亢進 36
37 トランスクリプトーム情報を得る手段 光刺激前 (T1) の目のトランスクリプトーム 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 これがいわゆる 遺伝子発現行列 光刺激後 (T2) の目のトランスクリプトーム 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 マイクロアレイ RNA-Seq(NGS) SAGE 37
38 トランスクリプトーム取得 ( マイクロアレイ ) よく研究されている生き物は多数の遺伝子 ( の配列情報 ) がわかっている 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 光刺激前 (T1) の目のトランスクリプトーム 蛍光標識ハイブリダイゼーション ( 二本鎖形成 ) わかっている遺伝子 ( の配列の相補鎖 ) を搭載した チップ メーカーによって搭載されている遺伝子の種類が異なる 搭載されていない遺伝子 ( 未知遺伝子含む 例 : 遺伝子 4) の発現情報は測定不可 38
39 マイクロアレイデータ 遺伝子発現行列 光刺激前 (T1) の目のトランスクリプトーム 蛍光標識 光刺激後 (T2) の目のトランスクリプトーム ハイブリダイゼーション ( 二本鎖形成 ) 専用の検出器で各遺伝子に対応する領域の蛍光シグナル強度を測定 ハイブリダイゼーションとシグナル検出 正規化 39
40 ハイブリダイゼーション 核酸 (DNA or RNA) 分子が相補的に複合体を形成すること 核酸分子に含まれる塩基は A と T(or U) または G と C というふうに相補的に結合する性質があるので この性質を利用 40
41 マイクロアレイは実績がある MammaPrint : 乳癌予後予測検査サービス 2008 年 3 月 乳癌手術を受けた患者の転移 再発の可能性に関する情報提供 70 遺伝子の活性を測定 不必要な補助化学療法などを避けることが可能 ( ローリスク群 ) oncotype DX : 早期浸潤性乳癌の術後再発予測サービス 2007 年 2 月 再発リスクの数値化および化学療法の効果予測 21 遺伝子を解析 必要以上の化学療法を回避 GeneSearch : 乳癌の術中リンパ節転移迅速診断 2007 年 7 月 既に臨床診断に利用されている 41
42 RNA-Seq データ 遺伝子発現行列 次世代シーケンサー (Illumina 社の場合 ) 光刺激前 (T1) の目のトランスクリプトーム 配列決定 ペアードエンド法断片配列の両末端が数百塩基以内の対の二種類の配列が得られる 数百塩基程度に断片化 シングルエンド法 約 塩基 二種類のアダプター配列を両末端に付加 シングルエンド法の場合 アダプター 1 アダプター 2 数百塩基程度 42
43 RNA-Seq データ 遺伝子発現行列 光刺激前 (T1) の目のトランスクリプトーム ゲノム配列にマッピング - イメージ 塩基程度からなる配列が沢山ある - 実際 - 数百万個の配列があり どの遺伝子に対応するか不明 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 定量化 ( 例 : 生のリード数をカウント ) 正規化 ( 短い ) 配列を読んだものという意味で ( ショート ) リードなどと呼ばれる 43
44 ゲノムにマップ 実データ ( ヒトの場合 ) マップされる側のリファレンスゲノム配列 マップする側の塩基配列 (FASTQ 形式 ) chr1 chr 番染色体 +X+Y 約 6200 万行のファイル 約 3GB のサイズ 約 47 万行 1 配列 (1 read) を 4 行で表現 1 配列 35 塩基長 ( この場合 ) 各 read が染色体上のどこに一致するかという座標情報を出力するのがマッピングプログラム 44
45 塩基配列データ 遺伝子発現行列 遺伝子領域の座標データがないと遺伝子発現行列は作れない マッピング結果 T1 生リード数カウント 正規化 遺伝子領域の座標データ 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 45
46 参考 塩基配列データ 遺伝子発現行列 遺伝子領域の座標データファイル ( 例 :refflat 形式 ) A: 遺伝子シンボル B: 遺伝子名 C: 染色体番号 D: 鎖の向き (+ 鎖 or 鎖 ) E: 転写開始位置 F: 転写終結位置 G: コーディング領域の開始位置 H: コーディング領域の終結位置 I: エクソンの数 J: エクソンの開始位置 K: エクソンの終結位置 座標データファイルも無料で公開されている 46
47 塩基配列データ 遺伝子発現行列 の結果ファイル 対応 このサンプルを次世代シーケンサーにかけると reads ( 重複を含む塩基配列数 ) からなるデータが得られており そのうち 744 reads が A1BG という遺伝子上にマップされていて この遺伝子の正規化後の発現レベルは 82.9 RPKM ですよ 47
48 データの正規化 RPM 正規化 ( マイクロアレイなどと同じところ ) Reads per million mapped reads の略 サンプルごとに読まれた総リード ( 塩基配列 ) 数が異なる 各遺伝子のマップされたリード数を 総 read 数が 100 万 (one million ) だった場合 に補正 生 read 数 : 総 read 数 = x : 1,000,000 A1BGの場合は 744 : 5,087,097 = x : 1,000, x 生 read数 総 read数 RPKM 正規化 ( 次世代シーケンサ特有 ) Reads per kilobase of exon per million mapped reads の略 遺伝子の配列長が長いほど配列決定 (sequence) される確率が上昇 各遺伝子の配列長を 1000 塩基 (one kilobase) だった場合 に補正 生 read数 総 read数配列長
49 21,717 遺伝子 Bullard et al., BMC Bioinformatics, 2010 の NGS データ 遺伝子発現行列 様々な解析が可能 RPKM 正規化後の遺伝子発現行列 ( ファイル名 :data.txt) 14 サンプル (A: 7 サンプル B:7 サンプル ) 49
50 次世代シーケンサーの無限の可能性 新規 X の同定 X = エクソン, 遺伝子, T1 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 T2 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 X = エクソン X = 遺伝子 50
51 次世代シーケンサーの無限の可能性 新規ゲノム配列決定 新規 X の同定 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 X = エクソン X = 遺伝子 T1 生リード数カウント 正規化 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 T1 生リード数カウント 正規化 遺伝子 1 遺伝子 2 遺伝子 3 遺伝子 4 これらはよりよい遺伝子発現行列を得るための基礎情報充実に貢献 51
52 トランスクリプトームとは ある特定の状態の組織や細胞中に存在する全 RNA( 転写物 transcripts) の総体 様々なトランスクリプトーム解析技術 マイクロアレイ cdna マイクロアレイ Affymetrix GeneChip タイリングアレイなど 配列決定に基づく方法 EST SAGE など 次世代シーケンサー (NGS) 電気泳動に基づく方法 Differential Display AFLP など 調べたい組織でどの遺伝子がどの程度発現しているのかを一度に観察 52
53 参考 電気泳動データ 遺伝子発現行列 マイクロアレイ ( や塩基配列データ ) では遺伝子発現行列が出発点 電気泳動データは遺伝子発現行列の作成が簡単ではない 比較する実験数が増えるほど 同一遺伝子の認識 ( アラインメント ) 精度が下がるから遺伝子発現行列理想的なアラインメント A B C D E F G H I J K L M N 53
54 参考 電気泳動データ 遺伝子発現行列 マイクロアレイ ( や塩基配列データ ) では遺伝子発現行列が出発点 電気泳動データは遺伝子発現行列の作成が簡単ではない 比較する実験数が増えるほど 同一遺伝子の認識 ( アラインメント ) 精度が下がるから遺伝子発現行列現実 A B C D E F G H I J K L M N H I 54
55 参考 電気泳動データ 遺伝子発現行列 マイクロアレイ ( や塩基配列データ ) では遺伝子発現行列が出発点 電気泳動データは遺伝子発現行列の作成が簡単ではない 比較する実験数が増えるほど 同一遺伝子の認識 ( アラインメント ) 精度が下がるから遺伝子発現行列現実 A B C D E F G H I J K L M N G の発現パターンは本当に全部 G 由来?! 55
56 ここまでのまとめ 様々なトランスクリプトーム解析技術を紹介 マイクロアレイ 配列決定に基づく方法 次世代シーケンサー (NGS) 電気泳動に基づく方法 遺伝子発現行列 どの実験技術由来データも 遺伝子発現行列 の形式に変換可能 56
57 バイオインフォマティクス要素技術 相関係数 や エントロピー などの応用例を紹介 二群間比較 組織特異的遺伝子 Sequence logo 分類 ( 診断 ) クラスタリング同一ピーク同定 57
58 心臓 胃 脳 肺 様々な遺伝子発現行列 光刺激 1. 二群間比較 2. 様々な組織 ( 条件 ) 3. 時系列データ A A B B x 1, 1 x 1, 2 x 1, 2 x 1, 2 A A B B x 2, 1 x 2, 2 x 2, 2 x 2, 2 x 1,1 x 2,1 x 1,2 x 2,2 x 1,3 x 2,3 x 1,4 x 2,4 x 1,1 x 2,1 x 1,2 x 2,2 x 1,3 x 2,3 x 1,4 x 2,4 A xi, 1 A B B xi, 2 xi, 2 xi, 2 x i,1 x i,2 x i,3 x i,4 x i,1 x i,2 x i,3 x i,4 A A B B xn, 1 xn, 2 xn, 2 xn, 2 x n,1 x n,2 x n,3 x n,4 x n,1 x n,2 x n,3 x n,4 理想的なパターンと似たパターンを示す遺伝子を検出 58
59 解析例 ( 二群間比較 ) 二群間比較 A: 癌サンプル B: 正常組織サンプル 腫瘍マーカー候補の探索 A A B B x 1, 1 x 1, 2 x 1, 2 x 1, 2 A A B B x 2, 1 x 2, 2 x 2, 2 x 2, 2 A A B B xi, 1 xi, 2 xi, 2 xi, 2 A A B B xn, 1 xn, 2 xn, 2 xn, 2 癌と正常で発現の異なる遺伝子 ( 発現変動遺伝子 ) を同定 59
60 解析例 ( 二群間比較 ) パターンマッチング法 理想的なパターン y との類似度が高い順にランキング 相関係数 r 1 n 1 y 1 n 1 n i1 ( x i i n ( xi x)( yi y) 1 ( 1 r 1) n x) ( yi y) n 1 i1 r r r gene1 gene2 gene
61 n genes 解析例 ( 二群間比較 ) パターンマッチング法 理想的なパターン y との類似度が高い順にランキング A 群 B 群 A 群 B 群 相関係数 (r) 1 Sort by r 高発現 低発現 相関係数 (r) -1 61
62 参考 解析例 ( 二群間比較 ) Golub et al., Science, A:ALL(27サンプル ) B:AML(11サンプル ) 急性リンパ性白血病 急性骨髄性白血病 発現の異なる遺伝子群を同定するとともに 分類 ( 診断 ) に適用 62
63 実習 ( 二群間比較 ) 63
64 実習 ( 二群間比較 ) 64
65 心臓 胃 脳 肺 様々な遺伝子発現行列 光刺激 1. 二群間比較 2. 様々な組織 ( 条件 ) 3. 時系列データ A A B B x 1, 1 x 1, 2 x 1, 2 x 1, 2 A A B B x 2, 1 x 2, 2 x 2, 2 x 2, 2 x 1,1 x 2,1 x 1,2 x 2,2 x 1,3 x 2,3 x 1,4 x 2,4 x 1,1 x 2,1 x 1,2 x 2,2 x 1,3 x 2,3 x 1,4 x 2,4 A xi, 1 A B B xi, 2 xi, 2 xi, 2 x i,1 x i,2 x i,3 x i,4 x i,1 x i,2 x i,3 x i,4 A A B B xn, 1 xn, 2 xn, 2 xn, 2 x n,1 x n,2 x n,3 x n,4 x n,1 x n,2 x n,3 x n,4 脳特異的高発現 心臓と脳特異的高発現 肺特異的低発現 理想的なパターンと似たパターンを示す遺伝子を検出 65
66 N genes 解析例 ( 多サンプル間比較 ) パターンマッチング法 理想的なパターン y との類似度が高い順にランキング y 例 : 心臓特異的パターンを示す遺伝子群の検出 66
67 N genes 解析例 ( 多サンプル間比較 ) パターンマッチング法 理想的なパターン y との類似度が高い順にランキング y 例 : 心臓特異的パターンを示す遺伝子群の検出 67
68 実習 ( 組織特異的遺伝子検出 ) 68
69 実習 ( 組織特異的遺伝子検出 ) 入力データ 1( 遺伝子発現データファイル :sample15.txt) 入力データ 2( テンプレートパターンファイル :sample15_cl.txt) 69
70 実習 ( 組織特異的遺伝子検出 ) 70
71 解析例 ( 分類 ) K-Nearest Neighbor (K- 最近傍法 ) 目的 : 未知サンプル X を A または B に分類 未知サンプル X からの距離がもっとも近い K 個のサンプルのうち 所属するクラスが最も多いクラスに分類 K=1 A1 A5 B1 B5 X は B 群だと分類 A2 A4 A3 X B2 B3 B4 K=3 A1 A5 B1 B5 X は A 群だと分類 A2 A4 A3 X B2 B3 B4 71
72 72 距離 ( 非類似度 ) の定義 目的 :x と y の発現パターンの距離 D を定義したい 似ていれば D が 0 になるようにしたい 1) 1 ( ) ( 1 1 ) ( 1 1 ) )( ( xy xy y x y x r r y n x n y x n n i i n i i n i i i 相関係数 r r r y x y x y x の発現パターンがほぼ正反対との発現パターンがばらばらとの発現パターンが酷似と 2) (0 1 D r 距離 D 2 1) ( D r D r D r X B2 n i i x i y 1 2 ) ( ユークリッド距離 D xy などでも可
73 解析例 ( クラスタリング ) 階層的クラスタリング 発現パターンの類似した遺伝子 ( サンプル ) を集めて系統樹を作成 73
74 参考 解析例 ( クラスタリング ) サンプル間クラスタリング Bittner et al., Nature, 2000 悪性度の高い癌のサブタイプを発見 74
75 解析例 ( クラスタリング ) 階層的クラスタリング 1 遺伝子間距離を計算 例 :4 遺伝子の場合 距離 D 1 r (0 D 2) 相関係数 r 相関係数 r 相関係数 r... 1,2 1,3 1, 距離 D 1,2 距離 D 距離 D 1 r 距離 D 2 1,3 1,4 (0 D 1) ( 0.01) ( 0.78)
76 解析例 ( クラスタリング ) 階層的クラスタリング 2 樹形図を作成 D 平均連結法の場合 ( D D D 4) / 4 1, 3 1, 4 2, 3 D2, ( ) / 4 単連結法の場合 min( D1, 3, D1, 4, D2, 3, D2, 4) 0.47 完全連結法の場合 max( D1, 3, D1, 4, D2, 3, D2, 4)
77 実習 ( サンプル間クラスタリング ) 解析したいのは 2010 沖縄 講演資料 フォルダ中の data.txt ファイル 77
78 実習 ( サンプル間クラスタリング ) 1R を起動し ファイル - ディレクトリの変更 で解析したいファイル (data.txt) を置いてあるディレクトリに移動 2 念のため確認
79 実習 ( サンプル間クラスタリング ) 3 入力ファイル名の部分を変更したものを用意し 4R Console 上でコピペ
80 バイオインフォマティクス要素技術 相関係数 や エントロピー などの応用例を紹介 二群間比較 組織特異的遺伝子 Sequence logo 分類 ( 診断 ) クラスタリング同一ピーク同定 80
81 クラスタリングの考えを同一ピーク認識に応用 2 ピーク間距離を計算 2 クラスター間距離が最短のものをマージ 1 分子量でソート
82 Schug et al., Genome Biol., 6, R33, 2005 組織特異的遺伝子検出にエントロピーを利用 遺伝子 i のエントロピー H(x ) i N: 組織数 (j の数 ) = 8 H の取りうる範囲 :0 H log 2 N 0 H 3 N p j ij log pij pij x 1 2 ( ), where ij / N j1 x ij 組織特異的遺伝子は低いエントロピー そうでないものは高い値 82
83 実習 ( 組織特異的遺伝子検出 ) 83
84 実習 ( 組織特異的遺伝子検出 ) 84
85 実習 ( 組織特異的遺伝子検出 ) 85
86 Schneider and Stephens., Nucleic Acids Res., 18, , 1990 IC 配列モチーフなどの表現にエントロピーを利用 position i の情報量 IC i ( log 2 2 N) H( x i ) N: 塩基の種類数 = 4 H の取りうる範囲 : 0 H log 2 N Sequence logo はエントロピーを計算してるだけです p 1,4 = 90% p 5,3 = 50% p 5,1 = 50% 86
87 実習 (Sequence logo) 87
88 実習 (Sequence logo) data_seqlogo.txt 88
89 まとめ 次世代シーケンサー (NGS) を活用した実験解析について トランスクリプトーム解析など最新の研究技術について学ぶ R を利用することで NGS から得られる塩基配列データの様々な解析が可能 プログラミング能力がなくても使いこなし術があれば NGS 解析を全部自力でやるには Linux のノウハウがある程度必要であることを実感してもらう バイオインフォマティクスの基本的なスキルを身につけることが重要 バイオインフォマティクス技術者認定試験合格を目指せ 相関係数やエントロピーなどの要素技術を駆使すれば様々なデータ解析が可能であることを紹介 次世代シーケンサデータも R のコピペで解析可能 頭脳労働 バイオインフォ要素技術の習得は大事だが それだけでも様々な種類の実験データに対応可能 10:00-19:00( 完全週休二日 ) の研究生活です 89
機能ゲノム学（第6回）
トランスクリプトーム解析の今昔 なぜマイクロアレイ? なぜRNA-Seq? 東京大学大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 ( かどたこうじ ) http://www.iu.a.u-tokyo.ac.jp/~kadota/ kadota@iu.a.u-tokyo.ac.jp 1 Contents トランスクリプトーム解析の概要 各手法の長所 短所 マイクロアレイ
特論I
講義室後ろにある USB メモリ中の hoge フォルダをデスクトップにコピーしておいてください 農学生命情報科学特論 I 第 2 回 東京大学大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 kadota@iu.a.u-tokyo.ac.jp 1 講義予定 第 1 回 (2014 年 6 月 11 日 ) 西 :NSG 概論 現状や展望など 講義のみ 第 2 回 (2014
機能ゲノム学（第6回）
トランスクリプトーム 解析手法の開発 東京大学 大学院農学生命科学研究科アグリバイオインフォマティクス人材養成ユニット門田幸二 2008/12/08 トランスクリプトーム (transcrptome) とは 細胞中に存在する転写物全体 (transcrpt + ome) トランスクリプトーム解析技術 DNA マイクロアレイ Affymetrx GeneChp, cdna アレイ, 電気泳動に基づく方法
NGSデータ解析入門Webセミナー
NGS データ解析入門 Web セミナー : RNA-Seq 解析編 1 RNA-Seq データ解析の手順 遺伝子発現量測定 シークエンス マッピング サンプル間比較 機能解析など 2 CLC Genomics Workbench 使用ツール シークエンスデータ メタデータのインポート NGS data import Import Metadata クオリティチェック Create Sequencing
機能ゲノム学（第6回）
RNA-Seqデータ解析における正規化法の選択 :RPKM 値でサンプル間比較は危険?! 東京大学大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 ( かどたこうじ ) http://www.iu.a.u-tokyo.ac.jp/~kadota/ kadota@iu.a.u-tokyo.ac.jp 1 よりよい正規化法とは? その正規化法によって得られたデータを用いて発現変動の度合いでランキングしたときに
機能ゲノム学（第6回）
RNAseqによる 定 量 的 解 析 とqPCR マイクロアレイなど との 比 較 東 京 大 学 大 学 院 農 学 生 命 科 学 研 究 科 アグリバイオインフォマティクス 教 育 研 究 ユニット 門 田 幸 二 (かどた こうじ) http://www.iu.a.u-tokyo.ac.jp/~kadota/ kadota@iu.a.u-tokyo.ac.jp 1 自 己 紹 介 1995
シーケンサー利用技術講習会 第10回 サンプルQC、RNAseqライブラリー作製/データ解析実習講習会
シーケンサー利用技術講習会 第 10 回サンプル QC RNAseq ライブ ラリー作製 / データ解析実習講習会 理化学研究所ライフサイエンス技術基盤研究センターゲノムネットワーク解析支援施設田上道平 次世代シーケンサー Sequencer File Format Output(Max) Read length Illumina Hiseq2500 Fastq 600 Gb 100 bp Life
機能ゲノム学（第6回）
RNA-Seq データ解析リテラシー 東京大学大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 ( かどたこうじ ) http://www.iu.a.u-tokyo.ac.jp/~kadota/ kadota@iu.a.u-tokyo.ac.jp 1 2009 年ごろの私 次世代シーケンサー (NGS) 解析についての認識 単に短い塩基配列が沢山あるだけでしょ 得られる配列データって
ゲノム情報解析基礎 ～ Rで塩基配列解析 ～
ネット接続できないヒトも ダブルクリックでローカルに r_seq.html を起動可能です 実習は デスクトップ上にある hoge フォルダの中身が以下の状態を想定して行います (R で ) 塩基配列解析の利用法 : GC 含量計算から発現変動解析まで東京大学 大学院農学生命科学研究科アグリバイオインフォマティクス教育研究プログラム門田幸二 ( かどたこうじ ) kadota@iu.a.u-tokyo.ac.jp
機能ゲノム学（第6回）
R でトランスクリプトーム解析 東京大学大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 ( かどたこうじ ) http://www.iu.a.u-tokyo.ac.jp/~kadota/ kadota@iu.a.u-tokyo.ac.jp 1 自己紹介 2002 年 3 月 東京大学 大学院農学生命科学研究科博士課程修了 学位論文 : cdna マイクロアレイを用いた遺伝子発現解析手法の開発
GWB
NGS データ解析入門 Web セミナー : De Novo シークエンス解析編 1 NGS 新規ゲノム配列解析の手順 シークエンス 遺伝子領域の検出 アセンブル データベース検索 2 解析ワークフローと使用ソフトウェア シークエンスデータのインポート クオリティチェック 前処理 コンティグ配列の作成 CLC Genomics Workbench 遺伝子領域の検出 Blast2GO PRO データベース検索
機能ゲノム学
08.05.08 版 講義資料 PDF が講義のページからダウンロード可能です 講義資料の印刷物はありません 課題用の A4 一枚はあります 第 回出席予定の持込み PC の方は 当日までに Java のインストールをしておいてください 機能ゲノム学第 回 大学院農学生命科学研究科アグリバイオインフォマティクス教育研究プログラム 微生物科学イノベーション連携研究機構門田幸二 ( かどたこうじ ) kadota@iu.a.u-tokyo.ac.jp
PowerPoint プレゼンテーション
V1 次世代シークエンサ実習 II 本講義の内容 Reseq 解析 RNA-seq 解析 公開データ取得 クオリティコントロール マッピング 変異検出 公開データ取得 クオリティコントロール マッピング 発現定量 FPKM を算出します 2 R N A - s e q とは メッセンジャー RNA(mRNA) をキャプチャして次世代シーケンサーでシーケンシングする手法 リファレンスがある生物種の場合
バイオインフォマティクスⅠ
バイオインフォマティクス ( 第 5 回 ) 慶應義塾大学生命情報学科 榊原康文 多重アライメントの解 0 2 3 4 5 6 7 j Q T S Y T R Y Q T - Y T R K 0 0-9 -20-44 -52-63 -72-90 Q -6 2 0-6 -4-25 -34-52 2 S -32 5 30 4 6-5 -4-32 3 Y -48-4 2 38 27 8 0 4 P -64-27
特論I
2016.02.01 版 講義室後ろにある USB メモリ中の hoge フォルダをデスクトップにコピーしておいてください 農学生命情報科学特論 I 第 3 回 東京大学大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 kadota@iu.a.u-tokyo.ac.jp Jun 25, 2014 1 講義予定 第 1 回 (2014 年 6 月 11 日 ) 西 :NSG
GWB
NGS データ解析入門 Web セミナー : 変異解析編 1 NGS 変異データ解析の手順 シークエンス 変異検出 マッピング データの精査 解釈 2 CLC Genomics Workbench 使用ツール シークエンスデータのインポート NGS data import クオリティチェック QC for Sequencing Reads Trim Reads 参照ゲノム配列へのマッピング 再アライメント
基本的な利用法
(R で ) 塩基配列解析 基本的な利用法 Macintosh 版 到達目標 : このスライドに書かれている程度のことは自在にできるようにしてエラーへの対処法を身につける 1. 必要なパッケージのインストールが正しくできているかどうかの自力での判定 および個別のパッケージのインストール 2. 作業ディレクトリの変更 3. テキストエディタで自在に入出力ファイル名の変更 ( どんなファイル名のものがどこに生成されるかという全体像の把握
論文題目 腸管分化に関わるmiRNAの探索とその発現制御解析
論文題目 腸管分化に関わる microrna の探索とその発現制御解析 氏名日野公洋 1. 序論 microrna(mirna) とは細胞内在性の 21 塩基程度の機能性 RNA のことであり 部分的相補的な塩基認識を介して標的 RNA の翻訳抑制や不安定化を引き起こすことが知られている mirna は細胞分化や増殖 ガン化やアポトーシスなどに関与していることが報告されており これら以外にも様々な細胞諸現象に関与していると考えられている
Microsoft Word - 1 color Normalization Document _Agilent version_ .doc
color 実験の Normalization color 実験で得られた複数のアレイデータを相互比較するためには Normalization( 正規化 ) が必要です 2 つのサンプルを異なる色素でラベル化し 競合ハイブリダイゼーションさせる 2color 実験では 基本的に Dye Normalization( 色素補正 ) が適用されますが color 実験では データの特徴と実験の目的 (
GWB_RNA-Seq_
CLC Genomics Workbench ウェブトレーニングセミナー : RNA-Seq 編 フィルジェン株式会社バイオサイエンス部 (biosupport@filgen.jp) 1 Advanced RNA-Seq プラグイン CLC Genomics Workbench 9.0 / Biomedical Genomics Workbench 3.0 以降で使用可能な無償プラグイン RNA-Seq
nagasaki_GMT2015_key09
Workflow Variant Calling 03 長崎は遺伝研 大量遺伝情報研究室の所属です 国立遺伝学研究所 生命情報研究センター 3F 2F 欧州EBIと米国NCBIと密接に協力しながら DDBJ/EMBL/GenBank国際塩基配列データ ベースを構築しています 私たちは 塩基配列登録を支援するシステムづくり 登録データを活用するシステムづくり 高速シーケンス配列の情報解析 を行なっています
我々のビッグデータ処理の新しい産業応用 広告やゲーム レコメンだけではない 個別化医療 ( ライフサイエンス ): 精神神経系疾患 ( うつ病 総合失調症 ) の網羅的ゲノム診断法の開発 全人類のゲノム解析と個別化医療実現を目標 ゲノム育種 ( グリーンサイエンス ): ブルーベリー オオムギ イネ
モンテカルロ法による分子進化の分岐図作成 のための最適化法 石井一夫 1 松田朋子 2 古崎利紀 1 後藤哲雄 2 1 東京農工大学 2 茨城大学 2013 9 9 2013 1 我々のビッグデータ処理の新しい産業応用 広告やゲーム レコメンだけではない 個別化医療 ( ライフサイエンス ): 精神神経系疾患 ( うつ病 総合失調症 ) の網羅的ゲノム診断法の開発 全人類のゲノム解析と個別化医療実現を目標
特論I
講義室後ろにある USB メモリ中の hoge フォルダをデスクトップにコピーしておいてください 農学生命情報科学特論 I 第 4 回 東京大学大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 kadota@iu.a.u-tokyo.ac.jp 1 前回の課題と正答 アダプター配列除去前後の small RNA-seq データをカイコゲノムにマップし マップ率 ( マップされたリード数
バイオインフォマティクスⅠ
バイオインフォマティクス ( 第 2 回 ) 慶應義塾大学生命情報学科 榊原康文 ( 朝日新聞 2003 年 4 月 15 日 ) ヒトゲノムの塩基配列 : 28 億 6 千万塩基 99% を解読精度は 99.99% 以上 ( 朝日新聞 2007 年 4 月 13 日 ) アカゲザルのゲノム配列 : 染色体 21 対 ( ヒト 23 対, チンプ 24 対 ) 遺伝子領域の違いヒトやチンパンジーと約
PowerPoint Presentation
Introduction to key concepts in Illumina sequencing data analysis イルミナシーケンスデータ解析入門その前に 癸生川絵里 (Eri Kibukawa) Bioinformatics Support Scientist 2012 Illumina, Inc. All rights reserved. Illumina, illuminadx,
CLC Genomics Workbench ウェブトレーニングセミナー: 変異解析編
CLC Genomics Workbench ウェブトレーニングセミナー : 遺伝子発現解析編 12 th Feb., 2016 フィルジェン株式会社バイオサイエンス部 biosupport@filgen.jp Feb., 2016_V2 1 遺伝子発現解析概要 本日のセミナーにおける解析の流れ及び使用するツール名 ( 図中赤枠部分 ) Case Control インポート インポート インポート
リード・ゲノム・アノテーションインポート
リード ゲノム アノテーションインポート 1 Location と Folder ロケーション フォルダ Genomics Workbenchではデータを以下のような階層構造で保存可能です フォルダの一番上位の階層を Location と呼び その下の階層を Folder と呼びます データの保存場所はロケーション毎に設定可能です たとえばあるデータは C ドライブに保存し あるデータは D ドライブに保存するといった事が可能です
NGSハンズオン講習会
207.08.08 版 プラスアルファの内容です NGS 解析 ( 初 ~ 中級 ) ゲノムアセンブリ後の各種解析の補足資料 ( プラスアルファ ) 東京大学 大学院農学生命科学研究科アグリバイオインフォマティクス教育研究プログラム寺田朋子 門田幸二 Aug 29-30 207 Contents Gepard でドットプロット 連載第 8 回 W5-3 で最も長い sequence 同士のドットプロットを実行できなかったが
PowerPoint プレゼンテーション
平成 29 年 6 月 23 日市民公開講座文京シビックセンター がん遺伝子とがん免疫との関係 講師 : 東京医科歯科大学難治疾患研究所ゲノム病理学分野石川俊平 はじめに用語解説 : 遺伝子 ゲノム DNA の関係 ゲノム : 細胞に含まれるすべての遺伝する DNA の情報全体でヒトでは約 30 億塩基 (30 億文字 ) の DNA よりなる 細胞 ゲノム 染色体 : ゲノムの DNA が分割されて折りたたまれた構造で
Rでトランスクリプトーム解析
R でトランスクリプトーム解析 東京大学大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 ( かどたこうじ ) http://www.iu.a.u-tokyo.ac.jp/~kadota/ kadota@iu.a.u-tokyo.ac.jp 1 自己紹介 1995 年 3 月 高知工業高等専門学校 工業化学科卒業 1997 年 3 月 東京農工大学 工学部 物質生物工学科卒業
Rでゲノム・トランスクリプトーム解析
R でゲノム トランスクリプトーム解析 東京大学大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 ( かどたこうじ ) http://www.iu.a.u-tokyo.ac.jp/~kadota/ kadota@iu.a.u-tokyo.ac.jp 1 自己紹介 1995 年 3 月 高知工業高等専門学校 工業化学科卒業 1997 年 3 月 東京農工大学 工学部 物質生物工学科卒業
NGS速習コース
バイオインフォマティクス人材育成カリキュラム ( 次世代シークエンサ ) 速習コース 3. データ解析基礎 3-3. R 各種パッケージ 東京大学 大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 ( かどたこうじ ) kadota@iu.a.u-tokyo.ac.jp http://www.iu.a.u-tokyo.ac.jp/~kadota/ 1 Contents
次世代シークエンサーを用いたがんクリニカルシークエンス解析
次世代シークエンサーを用いた がんクリニカルシークエンス解析 フィルジェン株式会社バイオサイエンス部 (biosupport@filgen.jp) 1 がん遺伝子パネル がん関連遺伝子のターゲットシークエンス用のアッセイキット コストの低減や 研究プログラムの簡素化に有用 網羅的シークエンス解析の場合に比べて 1 遺伝子あたりのシークエンス量が増えるため より高感度な変異の検出が可能 2 変異データ解析パイプライン
GWB
NGS データ解析入門 Web セミナー : 変異解析編 1 NGS 変異データ解析の手順 シークエンス 変異検出 マッピング データの精査 解釈 2 解析ワークフローと使用ソフトウェア シークエンスデータのインポート クオリティチェック 参照ゲノム配列へのマッピング 再アライメント 変異検出 CLC Genomics Workbench または Biomedical Genomics Workbench
IonTorrent RNA-Seq 解析概要 サーモフィッシャーサイエンティフィックライフテクノロジーズジャパンテクニカルサポート The world leader in serving science
IonTorrent RNA-Seq 解析概要 2017-03 サーモフィッシャーサイエンティフィックライフテクノロジーズジャパンテクニカルサポート The world leader in serving science 資料概要 この資料は IonTorrent シーケンサーで RNA-Seq (WholeTranscriptome mrna ampliseqrna mirna) 解析を実施されるユーザー様向けの内容となっています
Untitled
上原記念生命科学財団研究報告集, 25 (2011) 86. 線虫 C. elegans およびマウスをモデル動物とした体細胞レベルで生じる性差の解析 井上英樹 Key words: 性差, ストレス応答,DMRT 立命館大学生命科学部生命医科学科 緒言性差は雌雄の性に分かれた動物にみられ, 生殖能力の違いだけでなく形態, 行動などそれぞれの性の間でみられる様々な差異と定義される. 性差は, 形態や行動だけでなく疾患の発症リスクの男女差といった生理的なレベルの差異も含まれる.
Microsoft PowerPoint - 4_河邊先生_改.ppt
組換え酵素を用いた配列部位 特異的逐次遺伝子導入方法 Accumulative gene integration system using recombinase 工学研究院化学工学部門河邉佳典 2009 年 2 月 27 日 < 研究背景 > 1 染色体上での遺伝子増幅の有用性 動物細胞での場合 新鮮培地 空気 + 炭酸ガス 使用済み培地 医薬品タンパク質を生産する遺伝子を導入 目的遺伝子の多重化
KEGG.ppt
1 2 3 4 KEGG: Kyoto Encyclopedia of Genes and Genomes http://www.genome.jp/kegg/kegg2.html http://www.genome.jp/kegg/kegg_ja.html 5 KEGG PATHWAY 生体内(外)の分子間ネットワーク図 代謝系 12カテゴリ 中間代謝 二次代謝 薬の 代謝 全体像 制御系 20カテゴリ
ChIP-seq
ChIP-seq 1 ChIP-seq 解析原理 ChIP サンプルのフラグメントでは タンパク質結合部位付近にそれぞれ Forward と Reverse のリードがマップされることが予想される ChIP のサンプルでは Forward と Reverse のリードを 3 側へシフトさせ ChIP のピークを算出する コントロールサンプルでは ChIP のサンプルとは異なり 特定の場所に多くマップされないため
大学院博士課程共通科目ベーシックプログラム
平成 30 年度医科学専攻共通科目 共通基礎科目実習 ( 旧コア実習 ) 概要 1 ). 大学院生が所属する教育研究分野における実習により単位認定可能な実習項目 ( コア実習項目 ) 1. 組換え DNA 技術実習 2. 生体物質の調製と解析実習 3. 薬理学実習 4. ウイルス学実習 5. 免疫学実習 6. 顕微鏡試料作成法実習 7. ゲノム医学実習 8. 共焦点レーザー顕微鏡実習 2 ). 実習を担当する教育研究分野においてのみ単位認定可能な実習項目
<4D F736F F F696E74202D E838A B83805F D B838093FC96E55F E707074>
トランスクリプトーム解析 プロテオーム解析入門 産業技術総合研究所生命情報工学研究センター 油谷幸代 内容 背景 トランスクリプトーム解析 プロテオーム解析 背景 (1/6) - セントラルドグマとゲノム情報解析 - セントラルドグマ ゲノム情報解析 DNA Genome mrna Transcriptome Protein Proteome Genome とは? 背景 (2/6) - ゲノムとは?-
1. はじめに 1. はじめに 1-1. KaPPA-Average とは KaPPA-Average は KaPPA-View( でマイクロアレイデータを解析する際に便利なデータ変換ソフトウェアです 一般のマイクロアレイでは 一つのプロー
KaPPA-Average 1.0 マニュアル 第 1.0 版 制作者 : かずさ DNA 研究所櫻井望 制作日 : 2010 年 1 月 12 日 目次 1. はじめに 2 1-1. KaPPA-Average とは 2 1-2. 動作環境 3 1-3. インストールと起動 3 2. 操作説明 4 2-1. メイン機能 - Calc. Average 4 2-1-1. データの準備 4 2-1-2.
PowerPoint Presentation
エピジェノミクス解析編 2016/08/10 Filgen ChIP-seq (Transfactor & Histone), Bisulfite webex seminar 株式会社キアゲンアプライドアドバンストゲノミクス宮本真理, PhD 1 アジェンダ ChIP-seq 解析 Transcription Factor ChIP-seq Histone ChIP-seq Bisulfite-seq
Microsoft PowerPoint - 平成22年度第一回_武田.pptx
ヒト選択的スプライシングデータベース H DBAS の活用 産業技術総合研究所バイオメディシナル情報研究センター 武田淳一 1 目次 選択的スプライシングについて H DBAS のデータと使い方 2 目次 選択的スプライシングについて H DBAS のデータと使い方 3 スプライソソームによるスプライシング complex E スプライソソーム : 5つのsnRNP(small nuclear ribonucleoprotein
Rインストール手順
R 本体は最新のリリース版 R パッケージは 必要最小限プラスアルファ の推奨インストール手順を示します R 本体とパッケージのインストール Windows 版 東京大学 大学院農学生命科学研究科アグリバイオインフォマティクス教育研究プログラム門田幸二 ( かどたこうじ ) kadota@iu.a.u-tokyo.ac.jp http://www.iu.a.u-tokyo.ac.jp/~kadota/
れており 世界的にも重要課題とされています それらの中で 非常に高い完全長 cdna のカバー率を誇るマウスエンサイクロペディア計画は極めて重要です ゲノム科学総合研究センター (GSC) 遺伝子構造 機能研究グループでは これまでマウス完全長 cdna100 万クローン以上の末端塩基配列データを
報道発表資料 2002 年 12 月 5 日 独立行政法人理化学研究所 遺伝子の機能解析を飛躍的に進める世界最大規模の遺伝子情報を公開 - 遺伝子として認知されていなかった部分が転写されていることを実証 - 理化学研究所 ( 小林俊一理事長 ) は マウスの完全長 cdna 160,770 クローンの塩基配列および機能アノテーション ( 機能注釈 ) 情報を公開します これは 現在までに人類が収得している遺伝子の約
Microsoft Word doc
2011 年 8 月 26 日独立行政法人理化学研究所岡山県農林水産総合センター生物科学研究所独立行政法人農業 食品産業技術総合研究機構野菜茶業研究所 アブラナ科の野菜 ハクサイ のゲノム塩基配列を初解析 -アブラナ科のモデル植物シロイヌナズナから作物への応用研究にブレイクスルー- 本研究成果のポイント 国際ハクサイゲノム解読プロジェクトと連携し 約 4 万種の遺伝子を同定 約 1 万種の完全長 cdna
Microsoft Word - 研究報告書(崇城大-岡).doc
崇城 大学 生物生命学部 崇城大学 1999 年 九州大学農芸化学科卒業 生物生命学部 2004 年 同大学院生物資源環境科学府 応用微生物工学科 博士課程修了 准教授 2004 年 産業技術総合研究所 糖鎖工学研究センター研究員 岡 拓二 2008 年 崇城大学生物生命学部助教 2010 年 崇城大学生物生命学部准教授 糸状菌のガラクトフラノース含有糖鎖生合成に関わる 新規糖転移酵素遺伝子の機能解析
UCSC ゲノムブラウザチュートリアル UCSC ゲノムブラウザはゲノム解読がなされている真核生物を対象として自動アノテーションを行い その結果をデータベースとして公開している UCSC が進めているプロジェクトです NCBI MapViewer のようにゲノムベースでその上にアノテーションされている遺伝子などの情報を閲覧すると共に ホモロジー検索や必要なデータのダウンロードなどの機能を提供しています
プロジェクト概要 ー ヒト全遺伝子 データベース（H-InvDB）の概要と進展
個別要素技術 2 疾患との関連情報の抽出 予測のための 技術開発 平成 20 年 11 月 18 日産業技術総合研究所バイオメディシナル情報研究センター分子システム情報統合チーム 今西規 1 個別要素技術 2 課題一覧 1 大量文献からの自動知識抽出と文献からの既知疾患原因遺伝子情報の網羅的収集 2 疾患遺伝子情報整備と新規疾患遺伝子候補の予測 3 遺伝子多型情報整備 1 大量文献からの自動知識抽出と
博士の学位論文審査結果の要旨
博士の学位論文審査結果の要旨 申請者氏名 稲荷均 横浜市立大学大学院医学研究科外科治療学 審査員 主査横浜市立大学大学院医学研究科教授矢尾正祐 副査横浜市立大学大学院医学研究科講師成井一隆 副査横浜市立大学大学院医学研究科講師仙石徹 学位論文 : 転移性乳癌における EZH2 発現の臨床的意義 Expression of enhancer of zeste homolog 2 correlates
配付資料 自習用テキスト 解析サンプル配布ページ 2
分子系統樹推定法 理論と応用 2009年11月6日 筑波大 院 生命環境 田辺晶史 配付資料 自習用テキスト 解析サンプル配布ページ http://www.fifthdimension.jp/documents/molphytextbook/ 2 参考書籍 分子系統学 3 参考書籍 統計的モデル選択とベイジアンMCMC 4 祖先的な形質 問題 OTU左の の色は表現型形質の状態を表している 赤と青
機能ゲノム学（第6回）
マイクロアレイデータ解 析結果の正しい?! 解釈 について 東京大学 大学院農学生命科学研究科アグリバイオインフォマティクス教育研究ユニット門田幸二 ( かどたこうじ ) http://www.iu.a.u-tokyo.ac.jp/~kadota/ kadota@iu.a.u-tokyo.ac.jp 1 自己紹介 2002 年 3 月 東京大学 大学院農学生命科学研究科博士課程修了 学位論文 : cdna
分子系統解析における様々な問題について 田辺晶史
分子系統解析における様々な問題について 田辺晶史 そもそもどこの配列を使うべき? そもそもどこの配列を使うべき? 置換が早すぎず遅すぎない (= 多すぎず少なすぎない ) そもそもどこの配列を使うべき? 置換が早すぎず遅すぎない (= 多すぎず少なすぎない ) 連続長は長い方が良い そもそもどこの配列を使うべき? 置換が早すぎず遅すぎない (= 多すぎず少なすぎない ) 連続長は長い方が良い 遺伝子重複が起きていない
Microsoft PowerPoint - SNGS_Ana講習会5月29日.pptx
NGS analyzer: 次世代シークエンス解析プログラム 独立行政法人理化学研究所情報基盤センター HPCI 計算生命科学推進プログラム須永泰弘 2013/5/29 次世代シークエンス解析ソフト講習会 1 NGS analyzer とは? 次世代シークエンサー (NGS) からの塩基配列データを用いて マッピング PCR の除去 SNP タイピング 欠失挿入の検出を行う 一連の作業はパイプライン化してある
Slide 1
NGS をはじめよう!RNA-Seq 入門 ( キットの選び方 実験デザイン ) April 18, 2014 米田瑞穂イルミナ株式会社テクニカルアプリケーションサイエンティスト 2012 Illumina, Inc. All rights reserved. Illumina, illuminadx, BaseSpace, BeadArray, BeadXpress, cbot, CSPro, DASL,
Microsoft Word - all_ jp.docx
平成 28 年 11 月 18 日 小児急性リンパ性白血病における超高感度な微小残存病変の検査法を確立 名古屋大学大学院医学系研究科 ( 研究科長 髙橋雅英 ) 小児科学の小島勢二 ( こじませいじ ) 名誉教授 村松秀城 ( むらまつひでき ) 助教 関屋由子 ( せきやゆうこ ) 大学院生らの研究グループは 小児急性リンパ性白血病 (acute lymphoblastic leukemia; ALL)
Rでゲノム・トランスクリプトーム解析
06.03.05 版 実習用 PC のデスクトップ上に hoge フォルダがあります この中に解析に必要な入力ファイルがあります ネットワーク不具合時は ローカル環境で html ファイルを起動して各自対応してください R で塩基配列解析 : ゲノム解析からトランスクリプトーム解析まで 東京大学 大学院農学生命科学研究科アグリバイオインフォマティクス教育研究プログラム門田幸二 ( かどたこうじ )
計画研究 年度 定量的一塩基多型解析技術の開発と医療への応用 田平 知子 1) 久木田 洋児 2) 堀内 孝彦 3) 1) 九州大学生体防御医学研究所 林 健志 1) 2) 大阪府立成人病センター研究所 研究の目的と進め方 3) 九州大学病院 研究期間の成果 ポストシークエンシン
計画研究 2005 2009 年度 定量的一塩基多型解析技術の開発と医療への応用 田平 知子 1) 久木田 洋児 2) 堀内 孝彦 3) 1) 九州大学生体防御医学研究所 林 健志 1) 2) 大阪府立成人病センター研究所 研究の目的と進め方 3) 九州大学病院 研究期間の成果 ポストシークエンシング時代のゲノム科学研究では 多因子性 遺伝性疾患の関連解析による原因遺伝子探索が最重要課題であ 1.
検体採取 患者の検査前準備 検体採取のタイミング 記号 添加物 ( キャップ色等 ) 採取材料 採取量 測定材料 P EDTA-2Na( 薄紫 ) 血液 7 ml RNA 検体ラベル ( 単項目オーダー時 ) ホンハ ンテスト 注 外 N60 氷 MINテイリョウ. 採取容器について 0
0868010 8. その他の検体検査 >> 8C. 遺伝子関連検査 >> minor bcr-abl, mrna quantitative 連絡先 : 3664 基本情報 8C127 minor bcr-abl 分析物 JLAC10 診療報酬 識別 9962 mrna 定量 材料 019 全血 ( 添加物入り ) 測定法 875 リアルタイムRT-PCR 法 結果識別 第 2 章 特掲診療料 D006-2
生命情報学
生命情報学 5 隠れマルコフモデル 阿久津達也 京都大学化学研究所 バイオインフォマティクスセンター 内容 配列モチーフ 最尤推定 ベイズ推定 M 推定 隠れマルコフモデル HMM Verアルゴリズム EMアルゴリズム Baum-Welchアルゴリズム 前向きアルゴリズム 後向きアルゴリズム プロファイル HMM 配列モチーフ モチーフ発見 配列モチーフ : 同じ機能を持つ遺伝子配列などに見られる共通の文字列パターン
RNA-seq
RNA-seq 1 RNA-seq 解析フロー RNA-seq インポート クオリティチェック RNA-seq 発現差解析 この資料では RNA-seq からの説明となりますが インポート クオリティチェックについては サポート資料のページより内容をご確認いただけます 2 データ 発現解析用デモデータは 以下よりダウンロードいただけます ES 細胞 (ESC) と神経前駆細胞 (NPC) の発現解析を小さなデモデータで行えます
PowerPoint Presentation
パターン認識入門 パターン認識 音や画像に中に隠れたパターンを認識する 音素 音節 単語 文 基本図形 文字 指紋 物体 人物 顔 パターン は唯一のデータではなく 似通ったデータの集まりを表している 多様性 ノイズ 等しい から 似ている へ ~ だ から ~ らしい へ 等しい から 似ている へ 完全に等しいかどうかではなく 似ているか どうかを判定する パターンを代表する模範的データとどのくらい似ているか
A Constructive Approach to Gene Expression Dynamics
配列アラインメント (I): 大域アラインメント http://www.lab.tohou.ac.jp/sci/is/nacher/eaching/bioinformatics/ week.pdf 08/4/0 08/4/0 基本的な考え方 バイオインフォマティクスにはさまざまなアルゴリズムがありますが その多くにおいて基本的な考え方は 配列が類似していれば 機能も類似している というものである 例えば
学位論文の内容の要旨 論文提出者氏名 佐藤雄哉 論文審査担当者 主査田中真二 副査三宅智 明石巧 論文題目 Relationship between expression of IGFBP7 and clinicopathological variables in gastric cancer (
学位論文の内容の要旨 論文提出者氏名 佐藤雄哉 論文審査担当者 主査田中真二 副査三宅智 明石巧 論文題目 Relationship between expression of IGFBP7 and clinicopathological variables in gastric cancer ( 論文内容の要旨 ) < 要旨 > Insulin-like growth factor ( 以下 IGF)
小児の難治性白血病を引き起こす MEF2D-BCL9 融合遺伝子を発見 ポイント 小児がんのなかでも 最も頻度が高い急性リンパ性白血病を起こす新たな原因として MEF2D-BCL9 融合遺伝子を発見しました MEF2D-BCL9 融合遺伝子は 治療中に再発する難治性の白血病を引き起こしますが 新しい
平成 28 年 8 月 9 日 小児の難治性白血病を引き起こす MEF2D-BCL9 融合遺伝子を発見 名古屋大学大学院医学系研究科 ( 研究科長 髙橋雅英 ) 小児科学の小島勢二 ( こじませいじ ) 名誉教授 村松秀城 ( むらまつひでき ) 助教 鈴木喬悟 ( すずききょうご ) 大学院生 名古屋大学医学部附属病院先端医療 臨床研究支援センターの奥野友介 ( おくのゆうすけ ) 特任講師らの研究グループは
Quick guide_GeneArt Primer and Construct Design Tool_v1(Japanese)
GeneArt Primer and Construct Design Tool: GeneArt Seamless Cloning and Assembly Kit 編 released 11//01 1 The world leader in serving science 目次 キットの種類と特徴 GeneArt Primer and Construct Design Tool のご使用方法
結果 この CRE サイトには転写因子 c-jun, ATF2 が結合することが明らかになった また これら の転写因子は炎症性サイトカイン TNFα で刺激したヒト正常肝細胞でも活性化し YTHDC2 の転写 に寄与していることが示唆された ( 参考論文 (A), 1; Tanabe et al.
氏名 ( 本籍 ) 田辺敦 ( 神奈川県 ) 学位の種類博士 ( 学術 ) 学位記番号学位授与年月日学位授与の要件学位論文題名 甲第 64 号平成 28 年 3 月 15 日学位規則第 3 条第 2 項該当 RNA ヘリカーゼ YTHDC2 の転写制御機構と癌転移における YTHDC2 の 役割についての解析 論文審査委員 ( 主査 ) 佐原弘益 ( 副査 ) 村上賢 滝沢達也 代田欣二 論文内容の要旨
核内受容体遺伝子の分子生物学
核内受容体遺伝子の分子生物学 佐賀大学農学部 助教授和田康彦 本講義のねらい 核内受容体を例として脊椎動物における分子生物学的な思考方法を体得する 核内受容体遺伝子を例として脊椎動物における遺伝子解析手法を概観する 脊椎動物における核内受容体遺伝子の役割について理解する ヒトや家畜における核内受容体遺伝子研究の応用について理解する セントラルドグマ ゲノム DNA から相補的な m RNA( メッセンシ
Microsoft PowerPoint - pr_12_template-bs.pptx
12 回パターン検出と画像特徴 テンプレートマッチング 領域分割 画像特徴 テンプレート マッチング 1 テンプレートマッチング ( 図形 画像などの ) 型照合 Template Matching テンプレートと呼ばれる小さな一部の画像領域と同じパターンが画像全体の中に存在するかどうかを調べる方法 画像内にある対象物体の位置検出 物体数のカウント 物体移動の検出などに使われる テンプレートマッチングの計算
141025mishima
NGS (RNAseq) »NGS Now Generation Sequencer»NGS»» 4 NGS(Next Generation Sequencer) Now Generation Sequencer http://www.youtube.com/watch?v=womkfikwlxm http://www.youtube.com/watch?v=mxkya9xcvbq http://www.youtube.com/watch?v=nhcj8ptycfc
PowerPoint プレゼンテーション
ブレインアトラスアイデアソン 2015 2015 年 7 月 16 日 Brain Transcriptome Database (BrainTx) - マウス脳の遺伝子発現アトラス - 東京理科大 BrainTx PF 委員会佐藤明 Brain Transcriptome Database (BrainTx) 2015 年 4 月よりデータベース名を変更 Cerebellar Development
血漿エクソソーム由来microRNAを用いたグリオブラストーマ診断バイオマーカーの探索 [全文の要約]
![血漿エクソソーム由来microRNAを用いたグリオブラストーマ診断バイオマーカーの探索 [全文の要約]](/thumbs/90/104293558.jpg "血漿エクソソーム由来microRNAを用いたグリオブラストーマ診断バイオマーカーの探索 [全文の要約]")
Title 血漿エクソソーム由来 microrna を用いたグリオブラストーマ診断バイオマーカーの探索 [ 全文の要約 ] Author(s) 山口, 響子 Issue Date 2017-03-23 Doc URL http://hdl.handle.net/2115/66158 Type theses (doctoral - abstract of entire text) Note この博士論文全文の閲覧方法については
PowerPoint プレゼンテーション
バイオインフォマティクス 講習会 V 事前準備 が完了されている方は コンテナの起動 ファイルのコピー (Windows) まで 進めておいてください メニュー 1. 環境構築の確認 2. 基本的なLinuxコマンド 3. ツールのインストール 4. NGSデータの基礎知識と前処理 5. トランスクリプトのアッセンブル 6. RNA-seqのリファレンスcDNAマッピングとFPKM 算出 7. RNA-seqのリファレンスゲノムマッピングとFPKM
サンプルのマルチプレックスおよび下流の解析におけるインデックスのミスアサインメントの影響
サンプルのマルチプレックスおよび下流の解析におけるインデックスのミスアサインメントの影響 インデックスのミスアサインメントの原因と インデックスホッピングの影響を軽減するベストプラクティス はじめに 次世代シーケンス (NGS) 技術の改良により シーケンススピードが大幅に向上し データ出力が飛躍的に増加したことで 現在のシーケンスプラットフォームにおいて大規模なサンプルの解析が可能になりました 10
ゲノム情報解析基礎 ～ Rで塩基配列解析 ～
トランスクリプトーム解析の現況 ~ マイクロアレイ vs. RNA-seq~ 東京大学 大学院農学生命科学研究科 アグリバイオインフォマティクス教育研究プログラム門田幸二 ( かどたこうじ ) kadota@iu.a.u-tokyo.ac.jp http://www.iu.a.u-tokyo.ac.jp/~kadota/ 1 スライド PDF はウェブから取得可能です 2 ステレオタイプなイメージ
PrimerArray® Analysis Tool Ver.2.2
研究用 PrimerArray Analysis Tool Ver.2.2 説明書 v201801 PrimerArray Analysis Tool Ver.2.2 は PrimerArray( 製品コード PH001 ~ PH007 PH009 ~ PH015 PN001 ~ PN015) で得られたデータを解析するためのツールで コントロールサンプルと 1 種類の未知サンプル間の比較が可能です
第 10 回シーケンス講習会 RNA-seq library 調製法の特徴と選び方 理化学研究所 (RIKEN) ライフサイエンス技術基盤研究センター (CLST) 機能性ゲノム解析部門 (DGT) ゲノムネットワーク解析支援施設 (GeNAS) 野間将平
第 10 回シーケンス講習会 RNA-seq library 調製法の特徴と選び方 理化学研究所 (RIKEN) ライフサイエンス技術基盤研究センター (CLST) 機能性ゲノム解析部門 (DGT) ゲノムネットワーク解析支援施設 (GeNAS) 野間将平 l シーケンスをする目的は? 概略 l よいシーケンスライブラリーとは? RNA-seq ライブラリーのムリ ムダ ムラ l いろいろな RNA-seq
Microsoft PowerPoint - DNA1.ppt [互換モード]
![Microsoft PowerPoint - DNA1.ppt [互換モード]](/thumbs/94/118241118.jpg "Microsoft PowerPoint - DNA1.ppt [互換モード]")
生物物理化学 タンパク質をコードする遺伝子 (135~) 本 PPT 資料の作成には福岡大学機能生物研究室のホームページを参考にした http://133.100.212.50/~bc1/biochem/index2.htm 1 DA( デオキシリボ核酸 ) の化学的特徴 シャルガフ則とDAのX 線回折像をもとに,DAの構造が予測された (Watson & Crick 1953 年 ) 2 Watson
KEGG_PATHWAY.ppt
KEGG: Kyoto Encyclopedia of Genes and Genomes KEGG: Kyoto Encyclopedia of Genes and Genomes 様々な種類のデータを 生命現象の総体 として再構築 ツールの提供 EGassembler KAAS GENIES ネットワークの知識 ツールの提供 e-zyme pathcomp 高次機能 機能の階層分類 相互参照用データ
RNA-seq
CLC Genomics Workbench ハンズオントレーニング RNA-seq 株式会社 CLCバイオジャパンシニアフィールドバイオインフォマティクスサイエンティスト宮本真理 Ph.D. mmiyamoto@clcbio.co.jp 1 support@clcbio.co.jp 2 アジェンダ Genomics Workbench 概要 今日のデータ RNA-seq 解析 データインポート QC
GenBank クイックスタート GenBank は NLM/NCBI にて維持管理されている核酸配列データベースです また GenBank は EMBL, DDBJ と三極間で連携しながら国際核酸配列データベースを共同で構築しています これら三機関はデータを日々交換し続けており その規模は 160000 種にも及ぶ生物種の塩基配列から成り立つまでになっています この GenBank クイックスタートでは
遺伝子の近傍に別の遺伝子の発現制御領域 ( エンハンサーなど ) が移動してくることによって その遺伝子の発現様式を変化させるものです ( 図 2) 融合タンパク質は比較的容易に検出できるので 前者のような二つの遺伝子組み換えの例はこれまで数多く発見されてきたのに対して 後者の場合は 広範囲のゲノム
2014 年 4 月 4 日 東北大学大学院医学系研究科 染色体転座 逆位による白血病の発症機構を解明 染色体異常に起因する疾病の病因解明に向けた新たな解析手法の確立 東北大学大学院医学系研究科の鈴木未来子講師 ( ラジオアイソトープセンター ) 山㟢博未博士 ( 医化学分野 ) 清水律子教授 ( 分子血液学分野 ) 山本雅之教授 ( 医化学分野 東北メディカル メガバンク機構機構長 ) らは 3
Qlucore_seminar_slide_180604
シングルセル RNA-Seq のための 情報解析 フィルジェン株式会社バイオサイエンス部 (biosupport@filgen.jp) 1 シングルセル RNA-Seq シングルセル RNA-Seq のデータ解析では 通常の RNA-Seq データの解析手法に加え データセット内の各細胞の遺伝子発現プロファイルの違いを俯瞰できるような 強力な情報解析アルゴリズムと データのビジュアライズ機能を利用する必要がある
ゲノム情報解析基礎
ゲノム情報解析基礎 ~ R で塩基配列解析 ~ 大学院農学生命科学研究科アグリバイオインフォマティクス教育研究プログラム門田幸二 ( かどたこうじ ) kadota@iu.a.u-tokyo.ac.jp http://www.iu.a.u-tokyo.ac.jp/~kadota/ 多くのヒトが感想を述べられて 感想やコメント へのコメントいました ありがとうございます コピペではなく位置から自分が入力するのは無理そう
NGS_KAPA RNA HyperPrep Kit
シークエンシングワークフロー ライブラリー調製 サンプル 調製 末端修復 エンドポイントライブラリー増幅 A-TAILING アダプター ライゲーション サイズセレクション & サイズ確認 または リアルタイムライブラリー増幅 ライブラリー 定量 クラスター 増幅 KAPA RNA HyperPrep Kit illumina社用ライブラリー調製キット KAPA RNA HyperPrep Kit
農学生命情報科学特論I
2015.07.01 版 USB メモリ中の hoge フォルダをデスクトップにコピーしておいてください 前回 (6/23) の hoge フォルダがデスクトップに残っているかもしれないのでご注意ください 農学生命情報科学 特論 I 第 3 回 大学院農学生命科学研究科アグリバイオインフォマティクス教育研究プログラム門田幸二 ( かどたこうじ ) kadota@iu.a.u-tokyo.ac.jp
PowerPoint プレゼンテーション
V1 次世代シークエンサ実習 II 本講義にあたって 代表的な解析の流れを紹介します 論文でよく使用されているツールを使用します コマンドを沢山実行します スペルミスが心配な方は コマンド例がありますのでコピーして実行してください /home/admin1409/amelieff/ngs/reseq_command.txt マークのコマンドは実行してください 実行が遅れてもあせらずに 応用や課題の間に追い付いてください
相同性配列検索ツール：GHOST-MPと ヒト口腔内メタゲノム解析
並列配列相同性検索プログラム GHOST-MP 講習会 ( 講義編 ) 2015 年 3 月 20 日 東京工業大学大学院情報理工学研究科 角田将典 石田貴士 秋山泰 1 講師紹介 角田将典かくたまさのり 石田貴士いしだたかし 秋山泰あきやまゆたか 東京工業大学大学院情報理工学研究科計算工学専攻 2 本日の予定 13:00-13:05 ごあいさつ 13:05-13:50 GHOST-MP 講習 13:50-14:00
の活性化が背景となるヒト悪性腫瘍の治療薬開発につながる 図4 研究である 研究内容 私たちは図3に示すようなyeast two hybrid 法を用いて AKT分子に結合する細胞内分子のスクリーニングを行った この結果 これまで機能の分からなかったプロトオンコジン TCL1がAKTと結合し多量体を形
AKT活性を抑制するペプチ ド阻害剤の開発 野口 昌幸 北海道大学遺伝子病制御研究所 教授 広村 信 北海道大学遺伝子病制御研究所 ポスドク 岡田 太 北海道大学遺伝子病制御研究所 助手 柳舘 拓也 株式会社ラボ 研究員 ナーゼAKTに結合するタンパク分子を検索し これまで機能の 分からなかったプロトオンコジンTCL1がAKTと結合し AKT の活性化を促す AKT活性補助因子 であることを見い出し
アルゴリズム入門
アルゴリズム入門 第 11 回 ~ パターン認識 (1)~ 情報理工学系研究科 創造情報学専攻 中山英樹 1 今日の内容 パターン認識問題の 1 つ : アラインメント アルゴリズム 再帰 動的計画法 2 パターン認識 音や画像の中に隠れたパターンを認識する 音素 音節 単語 文 基本図形 文字 指紋 物体 人物 顔 パターン は唯一のデータではなく 似通ったデータの集まりを表している 多様性 ノイズ
新型シーケンサの技術 利用状況 に関する調査 報告書 平成 22 年 3 月 目次 1. はじめに...1 2. シーケンサ技術の発展史...1 3. 次世代シーケンサについての基本的特徴...3 4. 今後の動向...5 4.1 Illumina 社の動向...5 4.1.1 HiSeq TM 2000...5 4.1.2 Genome Analyzer Ⅱeシーケンスシステム...6 4.1.3
るが AML 細胞における Notch シグナルの正確な役割はまだわかっていない mtor シグナル伝達系も白血病細胞の増殖に関与しており Palomero らのグループが Notch と mtor のクロストークについて報告している その報告によると 活性型 Notch が HES1 の発現を誘導
学位論文の内容の要旨 論文提出者氏名 奥橋佑基 論文審査担当者 主査三浦修副査水谷修紀 清水重臣 論文題目 NOTCH knockdown affects the proliferation and mtor signaling of leukemia cells ( 論文内容の要旨 ) < 要旨 > 目的 : sirna を用いた NOTCH1 と NOTCH2 の遺伝子発現の抑制の 白血病細胞の細胞増殖と下流のシグナル伝達系に対する効果を解析した
Slide 1
NGS をはじめよう! これだけは知っておきたい MiSeq ~ 解析原理と必要な試薬キット 装置の使い方 ~ June 27, 2014 米田瑞穂イルミナ株式会社テクニカルアプリケーションサイエンティスト 2012 Illumina, Inc. All rights reserved. Illumina, illuminadx, BaseSpace, BeadArray, BeadXpress,
C プログラミング演習 1( 再 ) 2 講義では C プログラミングの基本を学び 演習では やや実践的なプログラミングを通して学ぶ
C プログラミング演習 1( 再 ) 2 講義では C プログラミングの基本を学び 演習では やや実践的なプログラミングを通して学ぶ 今回のプログラミングの課題 次のステップによって 徐々に難易度の高いプログラムを作成する ( 参照用の番号は よくわかる C 言語 のページ番号 ) 1. キーボード入力された整数 10 個の中から最大のものを答える 2. 整数を要素とする配列 (p.57-59) に初期値を与えておき
国際塩基配列データベース n DNA のデータベース GenBank ( アメリカ :Na,onal Center for Biotechnology Informa,on, NCBI が運営 ) EMBL ( ヨーロッパ : 欧州生命情報学研究所が運営 ) DDBJ ( 日本 : 国立遺伝研内の日
生物情報工学 BioInforma*cs 3 遺伝子データベース 16/06/09 1 国際塩基配列データベース n DNA のデータベース GenBank ( アメリカ :Na,onal Center for Biotechnology Informa,on, NCBI が運営 ) EMBL ( ヨーロッパ : 欧州生命情報学研究所が運営 ) DDBJ ( 日本 : 国立遺伝研内の日本 DNA データバンクが運営
ゲノム情報解析基礎
講義資料 PDF が講義のページからダウンロード可能です 印刷物はありません ゲノム情報解析基礎 ~ R で塩基配列解析 ~ 大学院農学生命科学研究科アグリバイオインフォマティクス教育研究プログラム 微生物科学イノベーション連携研究機構門田幸二 ( かどたこうじ ) kadota@iu.a.u-tokyo.ac.jp http://www.iu.a.u-tokyo.ac.jp/~kadota/ 講義予定
PowerPoint プレゼンテーション
CLC Genomics Workbench ~ アプリケーションおよびバージョン 8 新機能の紹介 ~ フィルジェン株式会社バイオサイエンス部 (biosupport@filgen.jp) 1 本日の内容 1. CLC Genomics Workbench 概要 2. 基本機能 3. 解析アプリケーション 4. バージョン 8 新機能 : デモンストレーション ( 一部 ) 5. その他機能 6.
Microsoft PowerPoint - 社外資料_TruSeq Synthetic Long-Read DNA Library Prep.pptx
TruSeq Synthetic Long- Read DNA ライブラリー調製キット イルミナ株式会社マーケティング部 2014 Illumina, Inc. All rights reserved. Illumina, 24sure, IlluminaDx, BaseSpace, BeadArray, BeadArray, BlueFish, BeadXpress, BlueFuse, cbot,
基本的な利用法
到達目標 : このスライドに書かれている程度のことは自在にできるようにしてエラーへの対処法を身につける. 必要なパッケージのインストールが正しくできているかどうかの自力での判定 および個別のパッケージのインストール. 作業ディレクトリの変更 3. テキストエディタで自在に入出力ファイル名の変更 ( どんなファイル名のものがどこに生成されるかという全体像の把握 ) 4. ありがちなミス のところで示しているエラーメッセージとその原因をきっちり理解