なんの記事？ Pubtatorフォーマットと呼ばれるフォーマットをいい感じに前処理してくれるツールを作ったので、その紹介記事を書きました。今書いている、エンティティ・リンキング用チュートリアルの後編で使用予定です。 PubTatorとは？ 主に生物医学分野の論文を扱うPubMedが持つ論文に対してアノテーションを付与するツールになります。専門家がアノテーションしやすいような直感的な操作が特徴の一つです。 （図は公式より引用） 実際のアノテーションの結果吐き出されるアウトプットについては、以下のようになります。 https://www.ncbi.nlm.nih.gov/CBBresearch/Lu/Demo/tmTools/Format.html PubTatorを用いてアノテーションされた文書ファイルで実際に中身を見てみましょう。本記事では、種種の生物医学論文にアノテーションされた Med

【R】トランスクリプトーム解析のためのGO解析まとめ 2019-11-11 2023-02-25 Bioinformatics, Pathway Analysis, RNA-seq, R language, Database, Visualization RにはGene Ontology (GO)解析やGene Set Enrichment Analysis (GSEA)を行うためのパッケージがいくつもあります． 「どのパッケージを選んだらいいのか分からない…」 という方もいらっしゃるかと思います．実際私がそうでした！ この記事ではRのGO解析を行うことのできるパッケージの中で私が実際に使ってみてお勧めしたいと感じたclusterProfilerパッケージをご紹介したいと思います． RのGO解析用パッケージ一覧はbiopapyrusにまとまっています． GOとは？GO.dbパッケージを用い

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

オブザーバビリティも、セキュリティも、検索ソリューションも、Elasticsearchプラットフォームならすべて実現できます。

去年に引き続き、東京都立大学の非常勤講師の依頼をid:mamorukさん(小町先生)からして頂いたので、今年も講義を担当してきました。講義の内容としては Mackerelでのロール内異常検知を題材に、機械学習をプロダクトに取り込んでいく際、どういった視点が必要になるのか 実際の開発はどういった形式やツールで行なわれているのか、擬似的に体験してもらう といった内容(講義 & 演習)で行ないました。内容としては昨年とほぼ一緒ですが、新型コロナウイルスの影響で演習パートがオフラインの対面ではなく、オンラインで行なう点が一番違いました。演習系のサポートは学生さんの手元の環境がそれぞれ違う、などあって去年も苦戦しました。今年は同じ感じでいくとさらに大変そう(というか見切れない...)だろうなと思って、やり方を考えてみました。 他にいいやり方があったら誰か教えて & 自分用の今後*1のメモという感じの

言語処理100本ノック 2015の挑戦記録のまとめです。 これは言語処理100本ノック 2020の挑戦記録ではありません。古い2015年版が対象です。ご注意ください 挑戦した環境 Ubuntu 16.04 LTS ＋ Python 3.5.2 :: Anaconda 4.1.1 (64-bit)です。 （問題00と問題01だけはPython 2.7です。） 第1章: 準備運動 テキストや文字列を扱う題材に取り組みながら，プログラミング言語のやや高度なトピックを復習します． 投稿へのリンク 主に学んだこと、コメントで教えていただいたことなど

Pythonで正規表現を使って、漢字・ひらがな・カタカナ・英数字などの文字種を判定・抽出・カウントする方法について説明する。 はじめに文字種の判定・抽出・カウントについて説明し、そのあとで特定の文字種にマッチする正規表現パターンの作り方と具体例を紹介する。 正規表現で文字種を判定 文字列全体が特定の文字種か判定 文字列が特定の文字種を含むか判定 正規表現で特定の文字種を抽出、文字数をカウント 特定の文字種にマッチする正規表現パターンの作り方 マッチさせたい文字を羅列 範囲を指定 Unicodeプロパティを指定（regexを使用） 複数の文字種にマッチ 正規表現パターンの具体例 英字（半角・全角・大文字・小文字） 数字（半角・全角・漢数字など） ASCII文字 記号 ひらがな カタカナ 漢字 絵文字・顔文字 常用漢字にマッチする正規表現パターン 標準ライブラリの正規表現モジュールreの基本的

はじめに 何番煎じかわかりませんが、MacにおけるMecabの環境構築方法についてまとめておきます。 OSのバージョンはOS X High Sierraです。 Mecabについて MeCabはオープンソースの日本語の形態素解析器です。 形態素解析の分析において必須のソフトウェアとなっています。 なお、形態素解析の精度を大きく左右するものに、日本語の辞書があります。 利用する辞書によって形態素解析の結果が大きく変わります。 特に、Twitterのツイート本文や検索ワードなど新語が多く登場することが想定される文章ではその性能差が顕著に出ます。 この記事では、MeCabで用いられる代表的な辞書であるIPA辞書とIPA辞書を拡張して開発されたneologd辞書をインストールして利用できるようにするところまでを解説します。 MeCabのインストール MeCabはHomebrewからインストールできま

2020/05/03 公開 MacでRNA-seqデータ解析 業者に委託を行う場合も含めて、塩基配列を読むためのコストが低廉化している。研究対象の生物についてRNA-seqを行い、目的の解析を行うという光景は、生物学の研究室では身近で日常的なものになりつつある。公共のデータベースには多数の塩基配列データが公開されているので、自分でシークエンスしなくてもダウンロードして研究に利用することもできる。もちろん、公開データの利用はプロの研究者だけでなく、一般の方々も自由にできる。パソコンがあって必要なソフトの使い方がわかれば、誰でも解析研究に挑戦できるのだ。 RNA-seqデータのアセンブル（バラバラの塩基配列データを遺伝子ごとにつなぎ合わせること）には、Trinityという無料のソフトウエアが使われることが多い。また、Trinityにはアセンブル後の解析に便利な様々なスクリプトが付属しているので

本稿の狙い Qiime2で16Sだけでなく、ITS領域の解析もできるようにする。 ITS領域を調べる意味 ITS領域はInternal transcribed spacersの略で真核生物のリボソームDNA（rDNA）において、18S、5.8S、28Sの各リボソームRNA（rRNA）をコードする遺伝子の間に存在する領域のことである。16S rRNAシーケンスがバクテリアの微生物叢を調べるのに用いられるのに対して、ITS領域は真菌の微生物叢を調べるのに用いられる領域である。つまり、例えば日本酒の微生物叢を調べようとすると、16Sではあまり使い物にならない可能性が高そうだと考えられる。真菌を調べるために18Sを用いる場合もあるが、ITSは土壌向けなどと言う意見もある。また、ITSの方が正確だとする論文もあったような気がする。 参考: https://www.ncbi.nlm.nih.gov/p

## 行番号と列番号の指定 # 特定の要素を取得(1行目の2列目) df.iloc[1, 2] # スライスも可能(1~10行目の1~10列目) df.iloc[1:10,1:10] ## ラベルの指定 # 'index_1'の'column_a'の値を取得 df.loc['index_1', 'column_a'] # スライスも可能 df.loc['index_1':'index_3', 'column_a':'column_d']