2025年度/1AKA012001

【水1】バイオインフォマティクス演習 <後期>

1. 応用生物科学における大規模な情報処理に必要なバイオインフォマティクスの能力を身につけることを目標とする。
2. 公共データバンクの遺伝子情報・遺伝子発現情報・代謝パスウェイ情報の検索および活用方法を習得する。
3. 現在の応用生物科学で活発に用いられるようになった次世代シーケンサーのデータ（SNP、RNA-Seq、環境メタバーコーディング、マイクロバイオーム）の解析を実践する。
4. 分子系統樹の作成について複数の手法を比較して演習する。

担当教員氏名

尾形 善之

科目ナンバリング

AKAABS32002-J2 (公大) / CAABS3425-J2 (府大)

授業管轄部署

農学部

授業形態

演習

開講キャンパス

中百舌鳥

開講区分

週間授業

配当年次

2年 (公大) / 3年 (府大)

注意: 配当年次は学部・学科によって異なる場合があるので、UNIPAで確認してください。

単位数

2単位 (公大) / 2単位 (府大)

注意: 実際の単位数は学部・学科によって異なる場合があるので、必ずUNIPAで確認してください。

到達目標

1. 公共データバンクにおいて適切に情報検索できる。

2. 各種データベースから適切に情報収集できる。

3. 次世代シーケンシング(NGS)データを処理できる。

4. 配列相同性解析を実践できる。

5. 系統樹を適切に作成できる。
6. Python言語で書かれたスクリプトを正しく実行できる。

各授業回の説明

授業	授業内容	事前・事後の学習内容
第1回	ビッグデータを眺める 公共データバンクの活用方法を説明し、実習する。 期末レポートの内容を紹介する。 モデルカリキュラムとの対応 1-1. データ駆動型社会とデータサイエンス「データサイエンス活用事例」 1-2. 分析設計「データ分析の進め方、分析目的の設定、様々なデータ分析手法、様々なデータ可視化手法、データの収集、分析目的に応じた適切な調査、サンプルサイズの設計」 1-3. データ観察「データの集計、データの傾向性」 1-5. データ可視化「可視化目的に応じた図表化、1～3次元の図表化、不必要な誇張表現・強調表現がもたらす影響、ビッグデータの可視化、関係性の可視化」 1-6. 数学基礎「相関係数、相関関係と因果関係」	事後学習 授業で扱った公共データバンクの遺伝子情報を自分で検索できるようにする。
第2回	機能情報を調べる 公共データバンクに蓄積している遺伝子情報の検索方法について説明し、実習する。 モデルカリキュラムとの対応 1-1. データ駆動型社会とデータサイエンス「データサイエンス活用事例」 1-2. 分析設計「データ分析の進め方、分析目的の設定、様々なデータ分析手法、様々なデータ可視化手法、データの収集・加工、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、データの相違性・関連性」 1-4. データ分析「パターン発見」 1-5. データ可視化「可視化目的に応じた図表化、1～3次元の図表化、ビッグデータの可視化」	事後学習 授業で扱った公共データバンクの遺伝子機能情報を自分で検索できるようにする。
第3回	文献を調べる 遺伝子の機能情報を関連する文献から得る方法について説明し、実習する。 モデルカリキュラムとの対応 1-1. データ駆動型社会とデータサイエンス「データサイエンス活用事例」 1-2. 分析設計「データ分析の進め方、分析目的の設定、様々なデータ分析手法、様々なデータ可視化手法、データの収集、分析目的に応じた適切な調査」 1-7. アルゴリズム「探索（サーチ）」	事後学習 PubMedやGoogle Scholarを利用して、必要な文献を自分で集めることができるようにする。
第4回	オルソログ情報を調べる 公共データベースから注目遺伝子のオルソログに関する情報を調べる方法を説明し、実習する。 モデルカリキュラムとの対応 1-1. データ駆動型社会とデータサイエンス「データサイエンス活用事例」 1-2. 分析設計「データ分析の進め方、分析目的の設定、様々なデータ分析手法、様々なデータ可視化手法、データの収集、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、比較対象の設定、データの特異点・相違性・関連性」 1-6. 数学基礎「相関関係と因果関係、p値、有意水準」 1-7. アルゴリズム「探索（サーチ）」	事後学習 OrthoDBやEnsembl等から、オルソログ情報を自分で入手できるようにする。
第5回	発現情報を調べる 遺伝子発現情報を解析・集約したバイオデータベースの利用方法について説明し、実習する。 モデルカリキュラムとの対応 1-1. データ駆動型社会とデータサイエンス「データサイエンス活用事例」 1-2. 分析設計「データ分析の進め方、分析目的の設定、様々なデータ可視化手法、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、比較対象の設定、データの特異点・相違性・関連性」 1-5. データ可視化「可視化目的に応じた図表化、1～3次元の図表化、ビッグデータの可視化、関係性の可視化」 1-6. 数学基礎「代表値、相関係数、相関関係と因果関係、p値、有意水準」 1-7. アルゴリズム「探索（サーチ）」	事後学習 Gene Expression Omnibus等から遺伝子発現情報を自分で入手できるようにする。
第6回	代謝パスウェイ情報を調べる 公共データバンクやウェブツールを用いて、代謝パスウェイの検索方法と解析方法について説明し、実習する。 モデルカリキュラムとの対応 1-1. データ駆動型社会とデータサイエンス「データサイエンス活用事例」 1-2. 分析設計「データ分析の進め方、分析目的の設定、分析目的に応じた適切な調査」 1-3. データ観察「比較対象の設定、データの特異点・相違性・関連性」 1-5. データ可視化「可視化目的に応じた図表化、1～3次元の図表化、ビッグデータの可視化、関係性の可視化」 1-6. 数学基礎「相関関係と因果関係」	事後学習 KEGG Pathway等から代謝パスウェイ情報を自分で入手できるようにする。
第7回	ウェブでBLAST解析をする 配列相同性解析BLASTプログラムのアルゴリズムを説明し、習熟させる。 NCBIのウェブサイト上でBLASTP解析を行う方法を説明し、実習する。 モデルカリキュラムとの対応 1-1. データ駆動型社会とデータサイエンス「データサイエンス活用事例」 1-2. 分析設定「データ分析の進め方、分析目的の設定、様々なデータ分析手法、様々なデータ可視化手法、データの収集・加工、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、比較対象の設定」 1-4. データ分析「クラスター分析、パターン発見」 1-5. データ可視化「可視化目的に応じた図表化、1～3次元の図表化、ビッグデータの可視化、関係性の可視化」 1-6. 数学基礎「相関関係と因果関係」 1-7. アルゴリズム「並び替え（ソート）、探索（サーチ）」	事後学習 BLASTアルゴリズムを理解し、NCBI等のウェブサイト上でBLAST解析を自分で実行できるようにする。 宿題の手順書に従って、BLASTプログラム、およびMagic-BLASTプログラムの解析環境を整えておく。
第8回	NGS解析について知る 各種の次世代シーケンシング(NGS)解析の目的と手法について説明し、実習する。 モデルカリキュラムとの対応 1-1. データ駆動型社会とデータサイエンス「データサイエンス活用事例」 1-2. 分析設計「データ分析の進め方、分析目的の設定、データの加工、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、比較対象の設定、データの特異点・相違性・関連性」 1-4. データ分析「クラスター分析、パターン発見、配列相同性解析」 1-5. データ可視化「可視化目的に応じた図表化、1～3次元の図表化、ビッグデータの可視化、関係性の可視化」 1-6. 数学基礎「代表値、相関関係と因果関係」 1-7. アルゴリズム「並び替え（ソート）、探索（サーチ）」	事前学習 宿題の手順書に従って、BLASTプログラム、およびMagic-BLASTプログラムの解析環境を整えておく。 事後学習 SNP解析、RNA-Seq解析、メタゲノム解析の方法について自分で実行できるようにする。
第9回	SNP解析をする BLASTNプログラムを用いたペアワイズアライメント解析について説明し、実習する。 モデルカリキュラムとの対応 1-2. 分析設計「データ分析の進め方、分析目的の設定、データの加工、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、比較対象の設定、データの特異点・相違性・関連性」 1-4. データ分析「クラスター分析、パターン発見、配列相同性解析」 1-6. 数学基礎「代表値、相関関係と因果関係」 1-7. アルゴリズム「並び替え（ソート）、探索（サーチ）」	事後学習 BLASTNプログラムを用いたSNP解析方法について、自分で実行できるようにする。 宿題の手順書に従って、Python言語の解析環境を整える。
第10回	プログラミング言語について知る 各種のプログラミング言語について説明し、バイオインフォマティクスへの適用方法について習熟させる。 モデルカリキュラムとの対応 1-1. データ駆動型社会とデータサイエンス「データサイエンス活用事例」 1-2. 分析設計「データ分析の進め方、分析目的の設定、データの加工、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、比較対象の設定、データの特異点・相違性・関連性」 1-4. データ分析「クラスター分析、パターン発見、配列相同性解析」 1-7. アルゴリズム「並び替え（ソート）、探索（サーチ）」	事前学習 手順書に従って、Python言語の解析環境を整える。 事後学習 各種のプログラミング言語とバイオインフォマティクスへの適用方法について、自分で実行できるようにする。 宿題の手順書に従って、Magic-BLAST解析をしておく。
第11回	RNA-Seq解析をする Magic-BLASTを用いたRNA-Seq解析について説明し、実習する。 モデルカリキュラムとの対応 1-2. 分析設計「データ分析の進め方、分析目的の設定、データの加工、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、比較対象の設定、データの特異点・相違性・関連性」 1-4. データ分析「クラスター分析、パターン発見、配列相同性解析」 1-6. 数学基礎「代表値、相関関係と因果関係」 1-7. アルゴリズム「並び替え（ソート）、探索（サーチ）」	事後学習 Magic-BLASTを用いたRNA-Seq解析方法について、自分で実行できるようにする。
第12回	メタゲノム解析をする Magic-BLASTを用いたメタゲノム解析方法について説明し、実習する。 モデルカリキュラムとの対応 1-2. 分析設計「データ分析の進め方、分析目的の設定、データの加工、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、比較対象の設定、データの特異点・相違性・関連性」 1-4. データ分析「クラスター分析、パターン発見、配列相同性解析」 1-6. 数学基礎「代表値、相関関係と因果関係」 1-7. アルゴリズム「並び替え（ソート）、探索（サーチ）」	事後学習 Magic-BLASTを用いた環境DNAメタバーコーディング解析方法について、自分で実行できるようにする。 宿題の手順書に従って、系統樹を作成するツールの解析環境を整えておく。
第13回	系統樹を描く 各種のツールを用いて系統樹を作成する方法について説明し、実習する。 モデルカリキュラムとの対応 1-2. 分析設計「データ分析の進め方、分析目的の設定、様々なデータ分析手法、様々なデータ可視化手法、データの加工、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、比較対象の設定、データの特異点・相違性・関連性」 1-4. データ分析「クラスター分析、デンドログラム」 1-5. データ可視化「可視化目的に応じた図表化、1～3次元の図表化、関係性の可視化」 1-6. 数学基礎「相関関係と因果関係、p値、有意水準」 1-7. アルゴリズム「探索（サーチ）」	事前学習 宿題の手順書に従って、系統樹を作成するツールの解析環境を整えておく。 事後学習 MEGA、ClustalX、およびRFSツールの利用方法について、自分で実行できるようにする。 遺伝子と進化の関係について、理解を深める。 宿題の手順書に従って、 Gcorn データベースから遺伝子の進化に関する情報（HTMLファイル）を入手しておく。
第14回	遺伝子配列の進化について知る Gcorn データベースの利用方法について説明し、実習する。 モデルカリキュラムとの対応 1-2. 分析設計「データ分析の進め方、分析目的の設定、様々なデータ分析手法、様々なデータ可視化手法、データの加工、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、比較対象の設定、データの特異点・相違性・関連性」 1-4. データ分析「クラスター分析、デンドログラム」 1-5. データ可視化「可視化目的に応じた図表化、1～3次元の図表化、関係性の可視化」 1-6. 数学基礎「相関関係と因果関係、p値、有意水準」 1-7. アルゴリズム「探索（サーチ）」	事前学習 宿題の手順書に従って、 Gcorn データベースから遺伝子の進化に関する情報（HTMLファイル）を入手しておく。 事後学習 Gcornデータベースから得た遺伝子情報に基づいて、注目遺伝子の進化における変化について理解を深める。
第15回	感染症に関する統計情報について知る さまざまな感染症に関する統計情報について説明し、習熟する。 ただし、トピックの内容については、授業時期の状況に即して、適宜変更する場合がある。 モデルカリキュラムとの対応 1-1. データ駆動型社会とデータサイエンス「データサイエンス活用事例」 1-2. 分析設計「データ分析の進め方、分析目的の設定、様々なデータ分析手法、様々なデータ可視化手法、データの収集・加工、分析目的に応じた適切な調査」 1-3. データ観察「データの集計、比較対象の設定、データの特異点・相違性・関連性」 1-4. データ分析「クラスター分析、パターン発見、配列相同性解析」 1-5. データ可視化「可視化目的に応じた図表化、1～3次元の図表化、ビッグデータの可視化、関係性の可視化」 1-5. 数学基礎「代表値、相関係数、相関関係と因果関係、p値、有意水準」 1-6. アルゴリズム「並び替え（ソート）、探索（サーチ）」	事後学習 感染症に関する統計情報の読み取り方について、理解を深める。

成績評価方法

• 毎回、授業計画に記載したテーマに沿って講義と実習の形式で行う。原則として「当日レポート方式」で行う。
• 到達目標の項で述べた5項目に従い、当日レポート（第1～15回の授業、75%）と期末レポート（25%）により評価する。
• 当日レポートは5%×15回として計算し、合計で60%以上を合格（C以上）とする。
• 当⽇レポートは、原則として授業の当⽇中に、Moodleを通じて提出する。
• 後日提出した当日レポートでも採点はするが、公平性に基づいて評価する。
• 病気や公欠のため出席できない場合は、欠席届とともに証明書等の書類を提出すること。その場合であれば、後 日の当日レポート提出を受け付ける。
• 電車の遅延で遅れた場合は、遅延証明書の裏に学籍番号と氏名を書いて提出すること。その場合でも、当日レポ ートは当日中に提出すること。
• 出席については、成績評価の公平性およびガイドラインに基づいて、別途評価する。
• 出席の評価は出席管理システムを用いて行う。出席管理システムでの遅刻は不問（出席扱い）とする。
• 学籍カードを忘れた場合の対応については、公平性を考慮し、授業前にその旨を知らせた場合のみ、出席として 扱う。
• 電車の遅延等で出席管理システムでの出席登録に間に合わなかった場合、授業後に遅延証明書の裏に学籍番号と 氏名を書いて提出すること。その場合でも、当日レポートは当日中に提出すること。
• 合格者は各回の授業で実習した分析内容を十分に実践できる。

履修上の注意

• 授業は前半の30分程度が講義で後半が実習となる。
• 実習時間を確保するため、講義内容の手順書を予め提供するので、必ず予習し、次回までに必要な作業がある場合は実施しておくこと。
• 期末レポートの課題については第1回の講義中に提供する。各回の講義で習熟した内容について、そのつど期末 レポートに取り組むことで、早く着実にスキルを習熟できる（期末レポートの完成も早まる）。

教科書

• 実習の手順書を授業支援システムMoodleで適宜提供する。

Loading...

参考文献

• 「生物統計学演習」の解説編、実習編のテキスト

オフィスアワー

- 外部公開シラバスのためデータがありません / Please use UNIPA syllabus -

教員への連絡方法（メールアドレス等）

- 外部公開シラバスのためデータがありません / Please use UNIPA syllabus -