分子系統樹推定の落とし穴と回避法 筑波大 生命環境 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

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

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

分子進化モデルと最尤系統推定法 東北大 院 生命科学田邉晶史

分子進化モデルと最尤系統推定法 東北大 院 生命科学田邉晶史 まずはじめに, 最尤系統推定とは 多重モデル選択 である. 最尤系統推定の手順 1. 樹形を固定しての 2. 分子進化モデルの選択 1. 分子進化モデルを固定しての 2. 系統モデル ( 樹形 ) の選択 = 多重モデル選択 分子進化モデル超入門 とりあえず塩基置換モデルで 塩基置換モデルの 3 大要素 塩基置換確率行列 (nucleotide

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

3 ( 9 ) ( 13 ) ( ) 4 ( ) (3379 ) ( ) 2 ( ) 5 33 ( 3 ) ( ) 6 10 () 7 ( 4 ) ( ) ( ) 8 3() 2 ( ) 9 81

1 ( 1 8 ) 2 ( 9 23 ) 3 ( 24 32 ) 4 ( 33 35 ) 1 9 3 28 3 () 1 (25201 ) 421 5 ()45 (25338 )(2540 )(1230 ) (89 ) () 2 () 3 ( ) 2 ( 1 ) 3 ( 2 ) 4 3 ( 9 ) ( 13 ) ( ) 4 ( 43100 ) (3379 ) ( ) 2 ( ) 5 33 ( 3 )

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

<4D F736F F D E95F14E565F838C D955F907D90E096BE5F8F4390B394C5816A2E646F63>

広島市におけるノロウイルス GⅡ/4 のカプシド蛋白質 P2 ドメインの解析 (2006~2010 年 ) 阿部勝彦山本美和子 田中寛子橋本和久 藤井慶樹野田 * 衛 井澤麻由 2006 年 ~2010 年に検出された Norovirus(NoV)GⅡ/4のカプシド蛋白質をコードする ORF2 の P2 ドメインの遺伝子解析を行い, 分子モデルによる検討を行った 調査期間中の NoV GⅡ/4 は大きく

分子系統学演習

2012 4 22 i 1 0 3 0.1.................................. 6 0.1.1 Windows........................................ 6 0.1.2 MacOS X........................................ 6 0.1.3 Linux..........................................

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

分子系統学演習

2013 3 26 i 1 0 3 0.1 Windows............................................ 3 0.2 Mac OS X........................................... 5 0.3 Linux.............................................. 7 1 9 1.1................................

Microsoft PowerPoint - BIセンターセミナー2013.pptx[読み取り専用]

遺伝子配列解析の基礎 genome=gene+ome DNA 配列からタンパク質へ cgtgctttccacgacggtgacacgcttccctggattggccagactgccttccgggtcactgccatggaggagccgcagtcagatcctagcgtcgagccccctctga gtcaggaaacattttcagacctatggaaactacttcctgaaaacaacgttctgtcccccttgccgtcccaagcaatggatgatttgatgctgtccccggacgatattga

生命情報学

生命情報学 34 進化系統樹推定 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 進化系統樹 進化系統樹 種間 もしくは遺伝子間 の進化の関係を表す木 以前は形態的特徴をもとに構成 現在は配列情報をもとに構成 有根系統樹と無根系統樹 有根系統樹 : 根 共通の祖先に対応 がある系統樹 無根系統樹 : 根のない系統樹 いずれも葉にのみラベル 種に対応 がつく 有根系統樹 無根系統樹

Slide 1

MEGA5 と Perl を用いた 分子進化解析の基礎 野澤昌文 2012 年 1 月 16 日基礎生物学研究所 ハンズオンセミナー 1 分子進化研究における一般的手法 相同な配列の比較 塩基配列 配列名塩基配列 A A T G G T A C A C B A T G A T A C A C C A T G G T A C A T アミノ酸配列 配列名 アミノ酸配列 A Met Val His B

cat A

分子系統学演習

2015/10/20 i 1 3 0 5 0.1 Windows............................................... 5 0.2 Mac OS X............................................... 7 0.3 Linux.................................................

2 3

() () () 200,000 160,000 120,000 80,000 40,000 3.3 144,688 43,867 3.1 162,624 52,254 170,934 171,246 172,183 3 2.8 2.6 57,805 61,108 65,035 3.5 3 2.5 2 1.5 1 0.5 0 0 2 7 12 17 22 10.1 12.7 17 22.3 73.4

TC316_A5_2面_web用PDF台紙.indd

untitled

バイオインフォマティクス第四回

IT BIO バイオインフォマティクス第 4 回 藤博幸 本日の講義 (1) 分子系統解析の概要 (2) 犯罪捜査への応用 本日の講義 (1) 分子系統解析の概要 (2) 犯罪捜査への応用 分子系統解析の手続き (1) 相同配列の収集系統分類の場合は オーソロガスな配列を収集 (2) 相同配列のマルチプルアラインメントの作成 (3) アラインメントから分子系統樹を構築 分子系統解析の手続き (1)

A

2

master

000000000 (1) 1064 B 5m78 091080067 6067 (0.80 52m59 100000000 (1) 0 B 9:52.00 101000744 744 (7. 8m79 101001650 650 12.50 101004483 (3) 3483 (0.80 52m36 101004486 (3) 3486 11.00 101004488 (3) 3488 50.00

R6552-4.pdf

Ｐ１〜１４／稲　〃

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

!!! 10 1 110 88 7 9 91 79 81 82 87 6 5 90 83 75 77 12 80 8 11 89 84 76 78 85 86 4 2 32 64 10 44 13 17 94 34 33 107 96 14 105 16 97 99 100 106 103 98 63 at 29, 66 at 58 12 16 17 25 56

AC-2

AC-1 AC-2 AC-3 AC-4 AC-5 AC-6 AC-7 AC-8 AC-9 * * * AC-10 AC-11 AC-12 AC-13 AC-14 AC-15 AC-16 AC-17 AC-18 AC-19 AC-20 AC-21 AC-22 AC-23 AC-24 AC-25 AC-26 AC-27 AC-28 AC-29 AC-30 AC-31 AC-32 * * * * AC-33

エンジョイ北スポーツ

28 3 20 85132 http://www.kita-city-taikyo.or.jp 85 63 27 27 85132 http://www.kita-city-taikyo.or.jp 2 2 3 4 4 3 6 78 27, http://www.kita-city-taikyo.or.jp 85132 3 35 11 8 52 11 8 2 3 4 1 2 4 4 5 4 6 8

人工知能補足_池村

私くしにとって 生涯の指針となっている木村先生の教え 1. 想定外の発見の重要性 à unsupervised data mining for big data 2. 技術への信頼と技術開発の重要性 2D gel à BLSOM trna の二次元分離 : Methods in Enzymology 長さに依存する分離 想定外の 米国での Post Doc の時代 高分離能 長さに依存しない分離 29

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

「組換えDNA技術応用食品及び添加物の安全性審査の手続」の一部改正について

( 別添 ) 最終的に宿主に導入された DNA が 当該宿主と分類学上同一の種に属する微生物の DNA のみである場合又は組換え体が自然界に存在する微生物と同等の遺伝子構成である場合のいずれかに該当することが明らかであると判断する基準に係る留意事項 最終的に宿主に導入されたDNAが 当該宿主と分類学上同一の種に属する微生物のDNAのみである場合又は組換え体が自然界に存在する微生物と同等の遺伝子構成である場合のいずれかに該当することが明らかであると判断する基準

FCシリンダ

CAT. No. KS-570-01 C ujikura cylinder INDEX Page CS - - -22 CS - -3 - CD - -3 - CS -40-0 -4 CD -40-0 -4 CS - -20-3 CD - -20-3 CL-400 VCS CDR -400 1 ujikura Cylinders 2 3 4 C 0 3 0.0.7 00 CD 0 4 S0 P CS

横浜市環境科学研究所

周期時系列の統計解析 単回帰分析 io 8 年 3 日 周期時系列に季節調整を行わないで単回帰分析を適用すると, 回帰係数には周期成分の影響が加わる. ここでは, 周期時系列をコサイン関数モデルで近似し単回帰分析によりモデルの回帰係数を求め, 周期成分の影響を検討した. また, その結果を気温時系列に当てはめ, 課題等について考察した. 気温時系列とコサイン関数モデル第 報の結果を利用するので, その一部を再掲する.

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

Microsoft Word - Gateway technology_J1.doc

テクノロジー Gateway の基本原理 テクノロジーは λ ファージが大腸菌染色体へ侵入する際に関与する部位特異的組換えシステムを基礎としています (Ptashne, 1992) テクノロジーでは λ ファージの組換えシステムのコンポーネントを改変することで 組み換え反応の特異性および効率を高めています (Bushman et al, 1985) このセクションでは テクノロジーの基礎となっている

A QLF

A QLF Q L L F QLF QLFL L Q Q A M RT A YM Q Q L QL Q L Q L Q L Q L L Q LF QLF Q LF L Q L L F QL QLF QLF 9 X Q L F T P M L F T P M L F Q L F T P M L F L F L F RA Y M TP M QLF T P M : LF 9Q L YM: QRAJS

2011 年 6 月 9 日

2011 年 6 月 9 日 簡易マニュアル : MCMCTREE (PAML) の近似尤度計算を用いた分岐年代推定 Jun Inoue, Mario dos Reis, and Z iheng Yang ( 井上 訳 ) この簡易マニュアルでは,Inoue et al. (2010) のデータを例として年代推定プログラム MCMCTREE の解析手順を説明します.MCMCTREE で解析を行うには,Windows

「組換えDNA技術応用食品及び添加物の安全性審査の手続」の一部改正について

食安基発 0627 第 3 号 平成 26 年 6 月 27 日 各検疫所長殿 医薬食品局食品安全部基準審査課長 ( 公印省略 ) 最終的に宿主に導入されたDNAが 当該宿主と分類学上同一の種に属する微生物のDNAのみである場合又は組換え体が自然界に存在する微生物と同等の遺伝子構成である場合のいずれかに該当することが明らかであると判断する基準に係る留意事項について 食品 添加物等の規格基準 ( 昭和

66. ウシの有角 無角の遺伝 ( ア ) 遺伝的に異なる 個体間の交配をとくに交雑という したがって, 検定交雑 も正解 ( イ ) 優性形質である無角との検定交雑で, 表現型がすべて有角となることは大学入試生物では ありえない 問 独立の法則に従う遺伝子型 AaBb の個体の配偶子の遺伝子型は,

64. 組換え価 暗記しておくといい F 1 の配偶子比が AB:Ab:aB:ab=m:n:n:m のとき, F の表現型の比 [AB]:[Ab]:[aB]:[ab] = ( m n + n + m) - { ( mn + n ) + m } + : mn + n : mn + n : m 暗記する ただし,[ab] が m であるのは自明 mab,nab,nab,mab による組合せ表から得られる

自己紹介 : 村脇有吾 京都大学大学院情報学研究科知能情報学専攻助教工学部電気電子工学科兼担 専門 : 計算言語学と自然言語処理 表の仕事は普通のテキスト処理 単語分割 ゼロ照応解析 常識的知識の獲得ほか 今日お話も裏の仕事 言語の研究ですが テキストは直接扱いません 2

潜在表現に基づく 言語構造の史的変化の分析 京都大学 村脇有吾 機構間連携 文理融合プロジェクト 言語における系統 変異 多様性とその数理 シンポジウム 2018 年 2 月 2 日 TKP 東京駅大手町カンファレンスセンター 自己紹介 : 村脇有吾 京都大学大学院情報学研究科知能情報学専攻助教工学部電気電子工学科兼担 専門 : 計算言語学と自然言語処理 表の仕事は普通のテキスト処理 単語分割 ゼロ照応解析

Microsoft Word - Time Series Basic - Modeling.doc

時系列解析入門 モデリング. 確率分布と統計的モデル が確率変数 (radom varable のとき すべての実数 R に対して となる確 率 Prob( が定められる これを の関数とみなして G( Prob ( とあらわすとき G( を確率変数 の分布関数 (probablt dstrbuto ucto と呼 ぶ 時系列解析で用いられる確率変数は通常連続型と呼ばれるもので その分布関数は (

進化ニュース12-2.indd

Vol. 12 No.2 July 2011 1 2 17 24 27 30 35 55 7 29 31 13 SMBE 6,000 3,000 29 30 1 4 4 vs. EvoDevo vs. vs. 2 300 2 150 1.5 13 P.S. 7 9 12 00 1 50 2 3 3 1 24 B29 3 2 3 type 2 osawai 8 15 NHK 15 3 NHK 4 3

Microsoft Word - t30_西_修正__ doc

反応速度と化学平衡 金沢工業大学基礎教育部西誠 ねらい 化学反応とは分子を構成している原子が組み換り 新しい分子構造を持つことといえます この化学反応がどのように起こるのか どのような速さでどの程度の分子が組み換るのかは 反応の種類や 濃度 温度などの条件で決まってきます そして このような反応の進行方向や速度を正確に予測するために いろいろな数学 物理的な考え方を取り入れて化学反応の理論体系が作られています

福祉制度：障害者制度集

2002 6 4 6 8 10 11 12 13 13 16 17 18 20 21 22 22 23 24 29 30 31-1 - 33 33 35 35 36 41 43 43 45 47 51 52 54 54 59 60 61 62 62 64 66 66 66 67 67 67 67 68 68-2 - 69 69 69 70 74 75 76 76 24 78 79 79 81 81

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

bb-8

(8) 進化説と進化の証拠 進化とは何か? 生命とは何か?( 後述参照 : 進化する実体としての生物 ) 個体発生 ( 遺伝情報 表現型 ) 系統発生 ( 遺伝情報の系譜 ) 生命は遺伝情報として, 時空間的に展開している. 遺伝情報は 2 重螺旋状の核酸 ( 主に DNA) に刻まれ ( 塩基配列 ), 複製により, 増加し, 伝えられる. 複製 伝達の過程で, 不完全なコピーが生じる. 生命は

ビッグデータ分析を高速化する 分散処理技術を開発 日本電気株式会社

ビッグデータ分析を高速化する 分散処理技術を開発 日本電気株式会社 概要 NEC は ビッグデータの分析を高速化する分散処理技術を開発しました 本技術により レコメンド 価格予測 需要予測などに必要な機械学習処理を従来の 10 倍以上高速に行い 分析結果の迅速な活用に貢献します ビッグデータの分散処理で一般的なオープンソース Hadoop を利用 これにより レコメンド 価格予測 需要予測などの分析において

雑草学会大会2015.indd

MINAKA Nobuhiro minaka@affrc.go.jp http://twitter.com/leeswijzer/ http://cse.niaes.affrc.go.jp/minaka/ 解説篇 系統学は 世界観 である 系統学的にものごとを見る マニュエル リマ [ 三中信宏訳 ] THE BOOK OF TREES 系統樹大全 : 知の世界を可視化するインフォグラフィクス 2015

カイ二乗フィット検定、パラメータの誤差

統計的データ解析 008 008.. 林田清 ( 大阪大学大学院理学研究科 ) 問題 C (, ) ( x xˆ) ( y yˆ) σ x πσ σ y y Pabx (, ;,,, ) ˆ y σx σ y = dx exp exp πσx ただし xy ˆ ˆ はyˆ = axˆ+ bであらわされる直線モデル上の点 ( ˆ) ( ˆ ) ( ) x x y ax b y ax b Pabx (,

Microsoft PowerPoint - プレゼンテーション1

A A RNA からタンパク質へ mrna の塩基配列は 遺伝暗号を介してタンパク質のアミノ酸の配列へと翻訳される trna とアミノ酸の結合 RNA 分子は 3 通りの読み枠で翻訳できる trnaは アミノ酸とコドンを結びつけるアダプター分子である (Ψ; プソイドウリジン D; ジヒドロウリジンどちらもウラシルが化学修飾したもの ) アミノアシル trna 合成酵素によって アミノ酸と trna

,000m 7 CAT

7,404 15 63% 1,000 120 2 17 60 150 4 67 120 7 5 6,049 20 2,265 20 87.4 17 2 3 =3.5%23.2%73.3% 40 20 151110 1 2010 2011 3,000m 7 CAT 11 12 18 316 3 18 3 19 95 9 65 3 75 2 80 2 60 3 100 2 2011 3 33 3 3 140km

PowerPoint プレゼンテーション

バイオインフォマティクスにおける ゲノム情報の基礎知識 Database of Pathogenic Variants もくじ 1. ゲノム 1-1 DNAの構造 1-2 DNAの複製 1-3 RNA 1-4 セントラルドグマ 1-5 構造遺伝子 1-6 コドン 3. 変異 3-1 遺伝子の変異 3-2 病的変異の種類 2. 転写と翻訳 2-1 転写 (DNA mrna) 2-2 転写に関わる領域

スライド 1

データ解析特論第 10 回 ( 全 15 回 ) 2012 年 12 月 11 日 ( 火 ) 情報エレクトロニクス専攻横田孝義 1 終了 11/13 11/20 重回帰分析をしばらくやります 12/4 12/11 12/18 2 前回から回帰分析について学習しています 3 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える

ver

MacVector 基本操作 ( マルチプルアラインメント ) MacVector でマルチプルアラインメントをするために必要な操作の一部を紹介いたしす マルチプルアラインメントに関しての主要な操作は下記のものです A. 配列情報のファイルの入手 B. 配列情報ファイルの作成 ( 新規 ) C. マルチプルアラインメント D. 系統樹の作成 まず MacVector を起動してください ( 注意!MacVector

2 2.1 2 2.1.1 2.1.1 4060 4060 *1 3550 3550 3550 *2 4060 4060 1520 7095 6090 4060 4060 4060 4080 3070 3001500 200400 40200 - - 5002000 15003500 60200 *1 *2 6 2.1.1 1 2 3 2.1.2 1 7 2 3 4 180 5 2 6 3,000K

τ－→K－π－π＋ν τ崩壊における CP対称性の破れの探索

τ - K - π - π + ν τ 崩壊における CP 対称性の破れの探索 奈良女子大学大学院人間文化研究科 物理科学専攻高エネルギー物理学研究室 近藤麻由 1 目次 はじめに - τ 粒子の概要 - τ - K - π - π + ν τ 崩壊における CP 対称性の破れ 実験装置 事象選別 τ - K - π - π + ν τ 崩壊の不変質量分布 CP 非対称度の解析 - モンテカルロシミュレーションによるテスト

90 120.0 80 70 72.8 75.1 76.7 78.6 80.1 80.1 79.6 78.5 76.8 74.8 72.4 69.5 95.6% 66.4 100.0 60 80.0 50 40 60.0 30 48.3% 38.0% 40.0 20 10 10.4% 20.0 0 S60 H2 H7 H12 H17 H22 H27 H32 H37 H42 H47 H52 H57 0.0

Microsoft Word - MacVector_Align_OP.doc

MacVector 基本操作 ( マルチプルアラインメント ) MacVector でマルチプルアラインメントをするために必要な操作の一部を紹介いたしす マルチプルアラインメントに関しての主要な操作は下記のものです A. 配列情報のファイルの入手 B. 配列情報ファイルの作成 ( 新規 ) C. マルチプルアラインメント D. 系統樹の作成 まず MacVector を起動してください ( 注意!MacVector

Mrbayesのダウンロード　MrbayesのHP（MrBayes: Bayesian Inference of Phylogeny）アドレスは

MrBayes の使い方 目 次 1 使用法概説 1.1 Mrbayes のダウンロードとインストール 1 1.2 データファイルの作成 2 1.3 データファイルの読み込みと事前設定 3 1.4 解析の実行 5 2 塩基の置換モデルと置換率の決定 MrAIC の使用法 2.1 準備 6 2.2 データファイルの用意 6 2.3 MrAIC の実行 7 2.4 実行結果 7 3 GAP コーディング

CLEFIA_ISEC発表

128 ビットブロック暗号 CLEFIA 白井太三 渋谷香士 秋下徹 盛合志帆 岩田哲 ソニー株式会社 名古屋大学 目次 背景 アルゴリズム仕様 設計方針 安全性評価 実装性能評価 まとめ 2 背景 AES プロジェクト開始 (1997~) から 10 年 AES プロジェクト 攻撃法の進化 代数攻撃 関連鍵攻撃 新しい攻撃法への対策 暗号設計法の進化 IC カード, RFID などのアプリケーション拡大

RA宣言.PDF

.1 A cos 2π 3 sin 2π 3 sin 2π 3 cos 2π 3 T ra 2 deta T ra 2 deta T ra 2 deta a + d 2 ad bc a 2 + d 2 + ad + bc A 3 a b a 2 + bc ba + d c d ca + d bc +

.1 n.1 1 A T ra A A a b c d A 2 a b a b c d c d a 2 + bc ab + bd ac + cd bc + d 2 a 2 + bc ba + d ca + d bc + d 2 A a + d b c T ra A T ra A 2 A 2 A A 2 A 2 A n A A n cos 2π sin 2π n n A k sin 2π cos 2π

<4D F736F F D208EC08CB18C7689E68A E F AA957A82C682948C9F92E82E646F63>

第 7 回 t 分布と t 検定 実験計画学 A.t 分布 ( 小標本に関する平均の推定と検定 ) 前々回と前回の授業では, 標本が十分に大きいあるいは母分散が既知であることを条件に正規分布を用いて推定 検定した. しかし, 母集団が正規分布し, 標本が小さい場合には, 標本分散から母分散を推定するときの不確実さを加味したt 分布を用いて推定 検定しなければならない. t 分布は標本分散の自由度 f(

Microsoft PowerPoint - 基礎生物学A-6-メンデル遺伝.pptx

前成説 子供が親と似るのは? 卵 ( 生殖細胞 ) のなかに あらかじめ子供の縮小版 ( 構造 ) が入っている 後成説 構造は 発生 成長に従って後から作られる どちらかと言い切れるほど, 単純ではない 設計図核と核外の遺伝子 初期条件遺伝子の修飾 細胞質 環境条件や偶然 遺伝子の修飾 ( エピジェネティクス ) 用語 ゲノム (genome): ある生物をその生物たらしめるに必須な遺伝情報 生物の個体にある一組分の遺伝子

1 2

( ) ( ) ( ) 1 2 59 2 21 24 275 43 3 26 486 103 27 28 98 105 104 99 1 48 25 29 72 14 33 11-10 3 11 8 14,663 4 8 1 6.0 8 1 0.7 11-6 27 19 22 71 5 12 22 12 1,356 6 4,397 3 4 11 8 9 5 10 27 17 6 12 22 9

SAP11_03

第 3 回 音声音響信号処理 ( 線形予測分析と自己回帰モデル ) 亀岡弘和 東京大学大学院情報理工学系研究科日本電信電話株式会社 NTT コミュニケーション科学基礎研究所 講義内容 ( キーワード ) 信号処理 符号化 標準化の実用システム例の紹介情報通信の基本 ( 誤り検出 訂正符号 変調 IP) 符号化技術の基本 ( 量子化 予測 変換 圧縮 ) 音声分析 合成 認識 強調 音楽信号処理統計的信号処理の基礎

第 3 回講義の項目と概要 統計的手法入門 : 品質のばらつきを解析する 平均と標準偏差 (P30) a) データは平均を見ただけではわからない 平均が同じだからといって 同一視してはいけない b) データのばらつきを示す 標準偏差 にも注目しよう c) 平均

第 3 回講義の項目と概要 016.8.9 1.3 統計的手法入門 : 品質のばらつきを解析する 1.3.1 平均と標準偏差 (P30) a) データは平均を見ただけではわからない 平均が同じだからといって 同一視してはいけない b) データのばらつきを示す 標準偏差 にも注目しよう c) 平均 :AVERAGE 関数, 標準偏差 :STDEVP 関数とSTDEVという関数 1 取得したデータそのものの標準偏差

公共建築物構造設計の用途係数基準

Microsoft PowerPoint - Econometrics pptx

計量経済学講義 第 4 回回帰モデルの診断と選択 Part 07 年 ( ) 限 担当教員 : 唐渡 広志 研究室 : 経済学研究棟 4 階 43 号室 emal: kkarato@eco.u-toyama.ac.p webste: http://www3.u-toyama.ac.p/kkarato/ 講義の目的 誤差項の分散が不均 である場合や, 系列相関を持つ場合についての検定 法と修正 法を学びます

はじめに 突然変異は生物進化における根本である ここでいう突然変異とは, 塩基配列におけるあらゆる種類の変化をさす したがって, 塩基の置換, 欠失, 挿入, 逆転, 不等交叉, 遺伝子変換, 遺伝子重複, ゲノム重複などがすべて含まれる 生物進化を真に理解するには, 塩基配列レベルという根底で生じている現象を探らなければならない そのひとつとして, これらさまざまな種類の突然変異の生じる率やその進化速度を知ることは重要である

1. MEGA 5 をインストールする 1.1 ダウンロード手順 MEGA のホームページ (http://www.megasoftware.net/index.php) から MEGA 5 software をコンピュータにインストールする 2. 塩基配列を決定する 2.1 Alignment E

MEGA 5 を用いた塩基配列解析法および分子系統樹作成法 Ver.1 Update: 2012.04.01 ウイルス 疫学研究領域井関博 < 内容 > 1. MEGA 5 をインストールする 1.1 ダウンロード手順 2. 塩基配列を決定する 2.1 Alignment Explorer の起動 2.2 シークエンスデータの入力 2.2.1 テキストファイルから読み込む場合 2.2.2 波形データから読み込む場合

3 4 3 2 4 1 4 2 4 2 1 3 1 1 4 1 1 16,000 14,000 12,000 W) S) RC) CB 10,000 8,000 6,000 4,000 2,000 0 12,000 11,500 11,000 10,500 10,000 9,500 9,000 550 540 530 520 510 500 490 480 470 460 450 2008 2009

131WA2248-00(ai).pdf

進捗状況の確認 1. gj も gjp も動いた 2. gj は動いた 3. gj も動かない 2

連立 1 次方程式の数値解法 小規模な連立 1 次方程式の解法 消去法 Gauss 消去法 Gauss-Jordan 法 ( 大規模な連立 1 次方程式の解法 ) ( 反復法 ) (Jacobi 法 ) 講義では扱わない 1 進捗状況の確認 1. gj も gjp も動いた 2. gj は動いた 3. gj も動かない 2 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

11yama

連立 1 次方程式の数値解法 小規模な連立 1 次方程式の解法 消去法 Gauss 消去法 Gauss-Jordan 法 ( 大規模な連立 1 次方程式の解法 ) ( 反復法 ) (Jacobi 法 ) 講義では扱わない 1 進捗状況の確認 1. gj も gjp も動いた 2. gj は動いた 3. gj も動かない 2 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

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

NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, A

NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, AstraZeneca KK 要旨 : NLMIXEDプロシジャの最尤推定の機能を用いて 指数分布 Weibull

5

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

三重大学工学部

反応理論化学 ( その 軌道相互作用 複数の原子が相互作用して分子が形成される複数の原子軌道 ( または混成軌道 が混合して分子軌道が形成される原子軌道 ( または混成軌道 が混合して分子軌道に変化すると軌道エネルギーも変化する. 原子軌道 原子軌道は3つの量子数 ( nlm,, の組合せにより指定される量子数の取り得る値の範囲 n の値が定まる l の範囲は n の値に依存して定まる m の範囲は

2 3 4 q w e 1

放射線専門医認定試験（２００９・２０回）／ＨＯＨＳ‐０５（基礎二次）

OpRisk VaR3.2 Presentation

オペレーショナル リスク VaR 計量の実施例 2009 年 5 月 SAS Institute Japan 株式会社 RI ビジネス開発部羽柴利明 オペレーショナル リスク計量の枠組み SAS OpRisk VaR の例 損失情報スケーリング計量単位の設定分布推定各種調整 VaR 計量 内部損失データ スケーリング 頻度分布 規模分布 分布の補正相関調整外部データによる分布の補正 損失シナリオ 分布の統合モンテカルロシミュレーション

2.4 ( ) ( B ) A B F (1) W = B A F dr. A F q dr f(x,y,z) A B Γ( ) Minoru TANAKA (Osaka Univ.) I(2011), Sec p. 1/30

2.4 ( ) 2.4.1 ( B ) A B F (1) W = B A F dr. A F q dr f(x,y,z) A B Γ( ) I(2011), Sec. 2. 4 p. 1/30 (2) Γ f dr lim f i r i. r i 0 i f i i f r i i i+1 (1) n i r i (3) F dr = lim F i n i r i. Γ r i 0 i n i

本文／目次（裏白）

自動車感性評価学 1. 二項検定 内容 2 3. 質的データの解析方法 1 ( 名義尺度 ) 2.χ 2 検定 タイプ 1. 二項検定 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 2 点比較法 2 点識別法 2 点嗜好法 3 点比較法 3 点識別法 3 点嗜好

. 内容 3. 質的データの解析方法 ( 名義尺度 ).χ 検定 タイプ. 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 点比較法 点識別法 点嗜好法 3 点比較法 3 点識別法 3 点嗜好法 : 点比較法 : 点識別法 配偶法 配偶法 ( 官能評価の基礎と応用 ) 3 A か B かの判定において 回の判定でAが選ばれる回数 kは p の二項分布に従う H :

( 工 ~ ~m-j ~ ~ndoped =~ Pl サすく 2π ケ l k ~)γ(1+3z (at~/.) ~~i Mn(a~~/o) ~ ~~,~ ここで採用した T m (l~ )AJ~. J と ()' を適当なパラメータにとると, 式 M の α'm=aj~ を 温度 T の関数で表すことができる O ここでは Snl~xMnxTe 系の ~ 見積もられる O 一方, われわれの磁性半導体は,

日歯雑誌（Ｈ１９・５月号）済／Ｐ６‐１６　クリニカル　　柿木　５

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 6 回 ) 慶應義塾大学生命情報学科 榊原康文 入力ベクトル 階層クラスタリングの解 : [1] [2] [3] : 0 0 0 B: 1 1 1 C: 2 1 2 D: 3 3 3 D 系統樹 距離行列 : B: C: B: 1.732 C: 3.000 1.414 D: 5.196 3.464 2.449 B C データベース検索 1 データベースの高速検索 問い合わせ配列に類似した配列をデータベースより見出す作業

Microsoft Word - å“Ÿåłžå¸°173.docx

回帰分析 ( その 3) 経済情報処理 価格弾力性の推定ある商品について その購入量を w 単価を p とし それぞれの変化量を w p で表 w w すことにする この時 この商品の価格弾力性 は により定義される これ p p は p が 1 パーセント変化した場合に w が何パーセント変化するかを示したものである ここで p を 0 に近づけていった極限を考えると d ln w 1 dw dw

1 2 2 4 4 6 8 20 51 60 61 64 65 65 67 69 69 70 72 12 104,007 13.9 40.7 34.6 2030 16 1 21 1 16 1 1 1979 1979 25 30 12 25 2 60 2 2 3 16 1 1 1/2500 1979 16 9 4 5 16 11 16 12 6 7 3,214 146,390 977 30.4% 39,658

O1-1 O1-2 O1-3 O1-4 O1-5 O1-6

O1-1 O1-2 O1-3 O1-4 O1-5 O1-6 O1-7 O1-8 O1-9 O1-10 O1-11 O1-12 O1-13 O1-14 O1-15 O1-16 O1-17 O1-18 O1-19 O1-20 O1-21 O1-22 O1-23 O1-24 O1-25 O1-26 O1-27 O1-28 O1-29 O1-30 O1-31 O1-32 O1-33 O1-34 O1-35

ii 2. F. ( ), ,,. 5. G., L., D. ( ) ( ), 2005.,. 6.,,. 7.,. 8. ( ), , (20 ). 1. (75% ) (25% ). 60.,. 2. =8 5, =8 4 (. 1.) 1.,,

(1 C205) 4 8 27(2015) http://www.math.is.tohoku.ac.jp/~obata,.,,,..,,. 1. 2. 3. 4. 5. 6. 7.... 1., 2014... 2. P. G., 1995.,. 3.,. 4.. 5., 1996... 1., 2007,. ii 2. F. ( ),.. 3... 4.,,. 5. G., L., D. ( )

ii-03.dvi

2005 II 3 I 18, 19 1. A, B AB BA 0 1 0 0 0 0 (1) A = 0 0 1,B= 1 0 0 0 0 0 0 1 0 (2) A = 3 1 1 2 6 4 1 2 5,B= 12 11 12 22 46 46 12 23 34 5 25 2. 3 A AB = BA 3 B 2 0 1 A = 0 3 0 1 0 2 3. 2 A (1) A 2 = O,

プログラム