はじめに ⅰ |
まえがき ⅲ |
謝辞 ⅴ |
訳者まえがき ⅶ |
訳者謝辞 ⅸ |
第1章 |
イントロダクション 1 |
1.1 機能ゲノミクスの将来性 1 |
1.2 機能ゲノミクス 3 |
1.2.1 インフォマティクスと技術の進歩 4 |
1.2.2 なぜ新しい手法が必要なのか 8 |
1.3 解析法の選択は最重要問題ではない(機能ゲノミクスのある側面) 10 |
1.3.1 機能ゲノミクスパイプラインの社会学 14 |
1.4 機能ゲノミクスは従来の遺伝学とは異なるものである 15 |
1.4.1 in silico解析はin vitro,in vivo解析を完全には代用できないだろう 17 |
1.5 生物学の基礎 20 |
1.5.1 mRNA測定に関する生物学的な注意点 24 |
1.5.2 配列情報レベルのゲノミクス 27 |
1.5.3 プロテオミクス 28 |
第2章 |
マイクロアレイ実験のデザイン 31 |
2.1 機能ゲノミクス実験のデザイン 31 |
2.1.1 実験デザイン空間 32 |
2.1.2 発現レベル空間 34 |
2.1.3 遺伝子発現に対する介入実験 38 |
2.1.4 信頼性に応じたデータの破棄 45 |
2.2 遺伝子クラスタリングドグマ 49 |
2.2.1 教師つき学習と教師なし学習 50 |
2.2.2 解析の性能指数 : 機能ゲノミクスの至適基準の不明確さ 53 |
第3章 |
解析のためのマイクロアレイデータ測定 57 |
3.1 DNAマイクロアレイテクノロジーの一般的な特徴 57 |
3.1.1 スポット型マイクロアレイ 60 |
3.1.2 オリゴヌクレオチドマイクロアレイ 62 |
3.2 マイクロアレイの繰り返し実験と結果の再現性,データのノイズ 74 |
3.2.1 再現性が高い結果を得るための繰り返し実験とは? 76 |
3.2.2 繰り返し実験による結果の再現性――遺伝子発現レベルの絶対値と倍率変化 78 |
3.2.3 プラットフオーム(テクノロジー)間の再現性 80 |
3.2.4 繰り返し実験のためのサンプルプローブのプール,PCRによる増幅 82 |
3.2.5 データのノイズとは何か? 83 |
3.2.6 マイクロアレイ実験特有のノイズの起源と例 84 |
3.2.7 生物学的なばらつきによるノイズ――ヒトゲノム配列から得られた知見 91 |
3.2.8 ノイズの取り扱い 92 |
3.3 マイクロアレイ解析の典型的な目的と疑問 96 |
3.3.1 マイクロアレイ内,マイクロアレイ間における比較 97 |
3.4 マイクロアレイデータの前処理――フィルタと正規化 99 |
3.4.1 遺伝子発現データの正規化 101 |
3.5 「発現が異なる遺伝子」の背景となる考え方 109 |
3.5.1 「発現が異なる遺伝子」の決定とその有意性 111 |
3.5.2 プラットフォーム間で倍率変化の意味が同じとは限らない 117 |
3.6 遺伝子発現レベルの類似性,相違性の尺度 119 |
3.6.1 線形相関 121 |
3.6.2 エントロピーと相互情報量 122 |
3.6.3 遺伝子発現レベルのダイナミクス 125 |
第4章 |
ゲノミクスデータマイニングの手法 131 |
4.1 はじめに 131 |
4.2 機能ゲノミクスにおいてクラスタリングの対象となるもの 131 |
4.3 クラスタリングの意味 132 |
4.4 機能ゲノミクスで用いられるバイオインフォマティクスアルゴリズムの階層的分類 133 |
4.5 データの要約とフィルタリング 138 |
4.5.1 バリエーションフィルタ 139 |
4.5.2 エントロピーフィルタ 140 |
4.5.3 発現レベルフィルタ 143 |
4.5.4 不確実なターゲットのフィルタ 144 |
4.6 自己組織化マップ 145 |
4.6.1 k-meansクラスタリング 149 |
4.7 クラス識別のための遺伝子群の探索 152 |
4.8 系統図(系統樹型の木) 155 |
4.8.1 二次元系統図 160 |
4.9 関連ネットワーク 164 |
4.10 他の手法 173 |
4.11 どの手法を使うべきか? 174 |
4.12 有意性の評価 177 |
4.12.1 並べ替え検定 178 |
4.12.2 訓練セットと検定セット 179 |
4.12.3 モデルの性能の評価基準 182 |
4.12.4 ROC曲線 183 |
4.13 遺伝子ネットワーク 185 |
4.13.1 遺伝子ネットワークとは? 185 |
4.13.2 限られたデータによる遺伝子ネットワークの再構築 185 |
4.13.3 機能ゲノミクスのためのベイジアンネットワーク 189 |
第5章 |
バイオオントロジー,データモデル,命名法 195 |
5.1 オントロジー 196 |
5.1.1 バイオオントロジープロジェクト 197 |
5.1.2 バイオオントロジーのための高度な知識表現 201 |
5.2 表現力と計算可能性 202 |
5.3 オントロジーvs.データモデルvs.命名法 204 |
5.3.1 生物医学文献のために開発された暗示的,明示的なオントロジーの利用 206 |
5.4 データモデル入門 209 |
5.5 命名法 217 |
5.5.1 遺伝子固有の識別ID 220 |
5.6 データ解析後の課題 224 |
5.6.1 解析結果の生物学的な検証 224 |
5.6.2 解析結果を検証する際の問題点 224 |
第6章 |
機能ゲノミクスの臨床応用 : 臨床データとの統合 227 |
6.1 電子カルテ 227 |
6.2 臨床情報システムのための用語の標準化 228 |
6.3 臨床データのプライバシー 229 |
6.3.1 匿名化 230 |
6.3.2 プライバシーに関する規則 231 |
6.4 臨床データを手に入れるためのコスト 232 |
第7章 |
近未来の展望 235 |
7.1 遺伝子発現プロファイリングの新しい方法 235 |
7.1.1 分子配置の電気的制御 : Nanogen 237 |
7.1.2 インクジェット・スポット型アレイ : Agilent 238 |
7.1.3 オリゴヌクレオチドを結合したコード化マイクロビーズ : lllumina 239 |
7.1.4 SAGE(serial analysis of gene expression) 240 |
7.1.5 DNAマイクロビーズアレイ(DNA microbeads array : DMA):Lynx 242 |
7.1.6 ゲルパッドテクノロジー : Motorola 242 |
7.2 世代間の比較 243 |
7.2.1 世代間のギャップ 243 |
7.2.2 再利用が可能な情報の抽出 244 |
7.2.3 現時点で注意すべき問題 246 |
7.3 ソフトウェアの選択 247 |
7.4 機能ゲノミクスに対する将来的な投資 248 |
用語集 253 |
参考文献 259 |
和文索引 269 |
英文索引 278 |