サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
Pixel 9
blog.hackingisbelieving.org
DNAをPCR法で増幅するために必要なサーマルサイクラーを自作してみました。自作と言っても、いわゆる、PCの自作と同じでパーツを組み立てていく感じです。購入から組み立ての様子を簡単に紹介します。 モチベーション ラボには様々なレクリエーションがあります。例えば、単にどこかに遊びに行ったり、スポーツ大会したり、ひたすら合宿形式でプログレスのプレゼンをするミーティングするなどがあります。それもよいのですが、せっかくなので、普段の研究時間ではトライできないが、研究に関わる hack を行う、というイベントを企画してみました。夏休みの自由研究や社会科見学的なノリです。 うちのラボでは、PCRを使ったウェットの実験技術の開発をしてきました。しかし、サーマルサイクラーのハードウェアの仕組みを体験的に理解している訳ではありません。そこで、サーマルサイクラーを作ってみました。 欧米で始まっている、自宅のガ
2013年4月に独立して7年目が終わろうとしている。ざっくりこれまでの研究を振り返る。 2013年から2017年の4年はフルスタックのゲノム科学、ゲノムインフォのラボを立ち上げることに集中していた。しかも人様が作った技術のユーザとして研究するのではなく、新しい技術を開発できるラボを目指した。ウェットの開発については、ドライのPIであっても本物を創りたいと考えたので世界最強や唯一の技術を目指した。特に1細胞ゲノム科学に注力した。そのためにまずグラントを取り仲間を集め技術を作った。幸いウェットは元同僚を中心に、ドライはドクター新卒の優秀な人材に囲まれた。並行して開発した実験やデータ解析技術を応用するため、データ生産や共同研究を支えるチームも作った。 2015年ぐらいからドライの論文が少しずつ出始め、2018年にはウェットのフラッグシップとなる技術RamDA-seqとQuartz-Seq2の2つ
はじめに 新しい高精度な1細胞RNA-Seq, Quartz-Seq論文を出してから、各方面から多く相談を受けています。 Sasagawa Y and Nikaido I, et. al. Quartz-Seq: a highly reproducible and sensitive single-cell RNA-Seq reveals non-genetic gene expression heterogeneity. Genome Biology. 14. 2013 そこで、新しく1細胞RNA-Seqを始める方へ、僕達が理想だと考えている技術導入の手順を紹介したいと思います。また我々の方法は1細胞(6-14 pg Total RNA)だけでなく pg-ng オーダーの少量RNAからシーケンスが可能です。そのような方も以下の手順が参考になると思います。 0. 1細胞/微量RNA-Seq
ひさびさのブログ更新です。明日は年度の始めで忙しそうなので、今日書いておきます。 2013/03/31をもちまして理研CDBを退職しました。4/1からは埼玉県和光市にある、理研本所の情報基盤センターにて、バイオインフォマティクス研究開発ユニットという研究室をユニットリーダーとして主宰することになりました。 DNAシーケンスのデータ解析の手法、ソフトウェア、そして実験技術の開発を中心に研究を進めつつ、理研内外の実験生物学者と共同で生命科学の問題を解いていきます。また理研のバイオインフォマティクスをどのように支え、発展させていくかを考えることも求められています。みなさまのお力をお借りすることもあるかと思いますので、これからもどうぞよろしくお願い致します。 ラボの公式ウェブサイトは以下にあります。 独立行政法人 理化学研究所 情報基盤センター バイオインフォマティクス研究開発ユニット
R には CRAN というパッケージ集がありますが、ライフサエンス分野専門のパッケージ集に Bioconductor というものがあります。Core developer team のメンバーは、Rの core developer team と一部メンバーが被っています。 Bioconductor は CRAN と比較すると、詳細なコードレビュー/ドキュメンテーション(もちろん英語の)が必要など、わりと厳しめの採択基準があります。これまで、日本人でBioCに採択された人がいなく情報があまりませんでした。このたび、BrainStars for R というパッケージが Bioconductor 2.10 に採択され公開されました。その顛末を公開して、日本のすぐれたプログラムが Bioconductor に採択されることをエンカレッジできればと思います。 開発 このあたりは、BioCのパッケージガ
一週間ほど熱でうなされながら、とある研究に使うために、とあるプログラムのドキュメントをひたすら読んでいました。残念ながら R からアクセスするパッケージがないので自分で書いてみようかと思うのですが、どうせなら R5 reference class を使って実装してみようと、朦朧とする意識のなか考えていました。 その前に、R5のおさらいということで、以前のS4で実装した「R でいまどきなパッケージ開発 (devtools, testthat, roxygen2)」をR5にしてみました。解説を書くほど元気がないので、github にコードは置いてあげたので、興味のあるおにいちゃんは各自コード読んだらいいんだからねっ! https://github.com/dritoshi/idol 無駄にツンデレいもうと風になったのはおそらく熱のせいですが、雑感を書いておくと、R5のほうが非常に簡潔に書けるの
multicore パッケージを利用してマルチコア化してみます。とは言っても、sapply, lapply を mclapply にするだけの簡単なお仕事ですが、せっかくなので testthat を使ってマルチコア化する際にテスト駆動開発で実装していきます。 まずは、そのへんのアップルストアで購入可能な MacBook Air を購入しましょう。今回はこれでやります。Rも Mac 版の dmg を普通にインストールしましょう。次にパッケージをインストールします。 sudo R install.packages(multicore) install.packages(testthat) q() インストールが簡単なのがよいですね。MPIとかそういうものをごちゃごちゃ設定する必要なないです。 今回は非有界区間のモンテカルロ積分によって、標準正規分布の累積分布関数を計算します。まずは for で
From Evernote: Rで遺伝子構造を描く 超並列DNAシーケンサーの登場で、遺伝子構造など、ゲノム上のイベントやオブジェクトのデータを大量に得ることができるようになってきました。データ解析にとって可視化は重要ですが、ゲノム上で起きているイベントなので、ゲノム上に配置して可視化したい場面がよくでてきます。しかし、さまざまなゲノム上のオブジェクトをゲノム座標から画像座標に変換して、絵を書くのは意外と面倒な作業です。 例えば遺伝子構造の絵を書こうとします。これは、遺伝子構造をどのように入手するか、遺伝子構造をどのように描くか、の2つの問題に分けることができます。ここでは、遺伝子構造のデータは、R + Bioconductor の biomaRt パッケージを使って、Ensembl Biomart からダウンロードすることで解決します。遺伝子構造をどのように描くかについては、Genome
From Evernote: ゲノム可視化に関するR+Bioconductorのパッケージ 個々のツールにも可視化の機能があるが、ここではゲノムの可視化を専門とし、特定のアプリケーション(RNA-seq, ChIP-seq, microarray, CNV など) に依存せずに、汎用的に活用できるパッケージを紹介する。 GenomeGraphs Plotting genomic information from Ensembl http://www.bioconductor.org/packages/release/bioc/html/GenomeGraphs.html 既知のゲノム・遺伝子構造などを Ensembl biomart から biomaRt を使って取ってきて、いろいろなプロットできる。もちろん自分の実験データ(シーケンスや microarray など)のプロットもできる。
追記 (2012/04/21): 以下のコードは S4 classes で書いていますが、R5 reference classes で書き直してみました。こちらもどうぞ。http://blog.hackingisbelieving.org/2012/04/r5-reference-class-r-devtools-testthat.html R のパッケージ開発の情報があまりないので、自分はこんな感じでやってます、というのを書いてみます。パッケージ開発支援の devtools と単体テスト支援の testthat, そしてドキュメント生成支援の roxygen を使うのがいまどきっぽいです。 そもそもパッケージを作製しているひとをあまりみたことがないので、もっとこうすべき、というのがあれば教えてほしいです。 今回はデモケースとして S4 OOP で、Idol クラスを定義し、とある身体的特
Rパッケージ作成に関するチュートリアルのテキスト。これを一通りやれば作れるようになる。S3, S4 classes についても書いてある。R5 classes については書いてない。
FASTQ/A file からシーケンスアダプター配列やプライマー配列を除くためのプログラムをまとめてみる。 まず、配列の除去には大別して2つの方向性がある。ひとつは、アダプター配列を含む「リード」を除いてしまう方法。もうひとつは除きたい配列をリードからトリムする方法である。後者のほうが有効リードが増えるメリットが、綺麗に除ききれない場合は、ゲノムへのマップ率が下がる。 気をつける点としては、アダプター/プライマーの reverse complement を検索するかどうか。paired end の際には大事になる。クオリティでトリムできるものや、Paired-end を考慮するものなどもある。アダプター/プライマー配列の文字列を引数として直接入力するものと、multi fasta 形式で指定できるももある。
Rでコーディングするときに、データや単体テストのコード、ライブラリなどのディレクトリ構成を決めておくと、なにかと便利です。毎度、ディレクトリ構成が変わると設定をコードに書かないとならなくなり、保守が面倒になりますよね。Convention over configuration です。 Rで推奨されるような綺麗なディレクトリ構成を自動生成するライブラリを発見しました (自分で作ろうと思ったのですが)。その名も ProjectTemplate です。 では、インストールします。 $ sudo R install.packages('ProjectTemplate') 使ってみます。 $ R library('ProjectTemplate') create.project('myproject') setwd('myproject') load.project() 以下のようなディレクトリ構成
RNA-seq のデータから、統計的に有意な変動を示す遺伝子をどのように得るか。Microarray ときにも散々議論されましたが、RNA-seq でも同じく議論になっています。現在提案されている手法についてまとめてみました。 まだ全部には目を通せてません。すべて読んだ後に解説を書くかもしれませんが、網羅している自信がないので、先にリンクを列挙しておきます。主に論文とツールのソースコード、マニュアルなどです。ほかに情報をお持ちの方は教えてくださいな。 1. cufflinks と cuffdiff http://cufflinks.cbcb.umd.edu/howitworks.html の後半に cuffdiff の説明がある。 FPKM Trapnell C, Williams BA, Pertea G, Mortazavi AM, Kwan G, van Baren MJ, Salz
このページを最初にブックマークしてみませんか?
『Hacking is believing』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く