実験医学別冊 改訂 独習Pythonバイオ情報解析
目次
- 特集 改訂 独習Pythonバイオ情報解析
生成AI時代に活きるJupyter、NumPy、pandas、Matplotlib、Scanpyの基礎を身につけ、
シングルセル、RNA-Seqデータ解析を自分の手で
第1章 この本の使い方と事前準備
1.1 Pythonを用いる理由
1.2 プログラミングを行うためのマシンの用意
1.3 MinicondaおよびMiniforgeについて
1.4 プログラムの表記法
1.5 本書で何を扱わないか
1.6 本書で用いるプログラムやサンプルデータの置き場所
第2章 生成AIを用いたプログラミング
2.1 はじめに
2.2 生成AI時代にプログラミング学習が必要か？
2.3 LLMサービスのプログラミングにおける活用
2.4 LLM利用の具体例
2.5 おわりに
第3章 Jupyter Notebookの使い方
3.1 Jupyter Notebookの基本操作
3.2 Jupyter Notebookの便利な機能
3.3 今後の学習に向けて
3.4 おわりに
第4章 Python速習コース
4.1 はじめに
4.2 関数とメソッド
4.3 変数
4.4 複合データ型
4.5 制御構文
4.6 自作関数
4.7 モジュールのimport
4.8 おわりに
4.9 参考文献
第5章 文字列処理の基本 ～ファイルの読み書き，正規表現
5.1 文字列処理
5.2 ファイルの読み書き
5.3 ファイル読み込み（具体例2：SAM形式）
5.4 正規表現
5.5 おわりに
第6章 Biopythonを用いた塩基配列データの扱い方 ～オブジェクト指向入門
6.1 クラスを利用したプログラミング
6.2 Biopythonを使った配列ファイルの読み書き
6.3 GenBankファイルの読み込み
6.4 GFFファイルの読み込み
6.5 おわりに
第7章 pandasはじめの一歩 ～表形式データの扱い方
7.1 準備
7.2 Series
7.3 DataFrameの基本操作
7.4 欠損値，重複の扱い
7.5 DataFrameに対する関数の適用
7.6 行／列のループ処理
7.7 DataFrameの結合
7.8 その他の機能
7.9 DataFrameの書き出し
7.10 おわりに
第8章 RNA-Seqカウントデータの処理 ～pandas実践編
8.1 準備
8.2 データファイルの読み込みとアノテーション
8.3 カウントデータの正規化
8.4 発現変動遺伝子の抽出
8.5 TPM正規化したデータのクラスタリング
8.6 おわりに
第9章 データの可視化 ～Matplotlib，Seabornを用いたグラフ作成
9.1 解析環境のセットアップおよびデータの準備
9.2 Matplotlibライブラリの使い方
9.3 基本グラフ
9.4 プロット領域の分割
9.5 おわりに
第10章 統計的仮説検定 ～RNA-Seqデータを用いた検定の基本からモデル選択まで
10.1 必要ライブラリのimport
10.2 基本的な用語や概念
10.3 さまざまな確率分布
10.4 統計的仮説検定について
10.5 TPMデータを用いた検定の例
10.6 検定の多重性の問題
10.7 実際のRNA-Seqにおける統計的仮説検定
10.8 GLMによる確率モデルの最尤推定とAICによるモデル選択
10.9 発現量変動解析について
10.10 DESeq2について
10.11 今後の統計的仮説検定の位置づけについて
第11章 シングルセル解析(1) ～テーブルデータの前処理
11.1 はじめに
11.2 データの前処理
11.3 おわりに
第12章 シングルセル解析(2) ～次元削減
12.1 データ読み込み
12.2 主成分分析
12.3 t-SNE
12.4 UMAP
12.5 その他の次元削減手法
第13章 シングルセル解析(3) ～クラスタリング
13.1 データ読み込み
13.2 階層的クラスタリング
13.3 k-meansクラスタリング
13.4 近傍グラフに基づくクラスタリング
13.5 その他のクラスタリング手法
13.6 クラスタリング後の解析
13.7 おわりに：結局どれを使えばいいのか
付録A NumPy入門
付録B Scanpyを使ったシングルセル解析
最近チェックした商品履歴
Loading...