バイオサイエンスにおけるビッグデータ (4064)

授業科目基本情報

科目区分 専門科目 教職科目 理科
単位数 1 選択・必修・自由 選択
授業形態 講義 主な使用言語 英語
開講時期 履修登録システム 使用する
履修登録期間 2018/05/25~2018/06/07 履修取消期限 2018/07/03

教育プログラム別の履修区分

プログラム名 IS CB BS BN MS CP DS
履修区分
コア科目 C
履修方法 ・基盤科目及び専門科目から12単位以上履修すること。
・データサイエンスプログラムでは、コア科目であり必修科目の「データサイエンス論」を履修すること。加えて、同じくコア科目である「データ工学基礎」、「機械学習概論」及び「データマイニング」から1科目以上を履修すること。さらに、同じくコア科目である「バイオサイエンスにおけるビッグデータ」及び「マテリアルインフォマティクス特論」から1科目以上を履修すること。

授業科目概要

担当責任教員 森 浩禎
担当教員 森浩禎
教育目的/授業目標 ゲノム研究がもたらした技術革新は21世紀に入り、システム生物学、合成生物学と新たな方向へと急速に展開されてきた。そこから生み出される研究成果は生物学としての蓄積から医療、物質生産、環境保全など幅広い分野での応用技術へと急速な広がりをみせている。本科目ではバイオサイエンス領域におけるビッグデータの利用について俯瞰し、包括的に理解することを目標とする。
指導方針 まず、バイオサイエンスにおけるビッグデータ利用について概説し、具体的なデータソースの入手法などを学ぶ。さらにDNA配列、タンパク質、代謝物、文献、医療情報などのデータベースの歴史と現状を理解しの歴史と現状を理解し、オントロジーや機械学習によるデータ活用技術を学ぶ。さらに現在進行中のプロジェクトとして1000人ゲノムプロジェクト、マイクロバイオームプロジェクトを取り上げて紹介する。

クラス情報



表示可能なデータがありません。

授業計画

回数 日付 [時間] テーマ 内容
1 6/29 [2] バイオサイエンスにおけるビッグデータ 生物研究における大量情報の蓄積と解析がこれほど重要になってきた背景を解説する。研究活動の基盤となるデータソースの具体例を紹介し、それらの入手方法、使用における注意点等を学ぶ。今後の展望の議論を行う。
2 7/3 [2] 生体分子で創る感覚と知能を備えた分子ロボット(小長谷・東工大) DNA合成技術の発展はゲノム解析にとどまらず、DNAナノ構造技術を用いたDNAオリガミの創成やDNA計算を可能とした。分子ロボティクスは微小管、分子モータなどの生体分子とDNAナノ構造技術を組み合わせることで、感覚と知能を備えた人工物の創成を目標としている。
3 7/5 [2] 学習によるデータ活用 (荒木通啓・京都大学) 取り扱うデータサイズの急激な増大に伴い、情報処理技術は必須のものとなっている。解析技術の現状を学び、解析から解釈への今後を考える。
4 7/10 [2] 文献データベース (小寺正明・東大) アメリカNIHのPubMed文献データベースおよびKEGGデータベース関連での概説。
5 7/18 [2] マイクロバイオームプロジェクト(黒川顕・遺伝研) 生物は個別の種のみで生きているわけではなく、ヒトにおいてもその例外ではない。60兆個の細胞からなるヒト一人におよそ100兆個もの微生物が共生している。シーケンス技術の進展が生物種間の相互作用解析を可能にした。その現状と今後を学ぶ。
6 7/20 [2] 大量定量データからの意味抽出(油谷幸代・産総研) バイオロジーは対象とする解析対象が多岐に渡り、しかもその内容は煩雑です。さらに近年の実験技術の進展により、オミクスデータ等の網羅的データ測定が多数行われています。情報解析によってこれらのデータから新規知見を発見するためにも、データの一元管理は重要です。本講義では、主なバイオデータベースについてそのデータ形式や格納データについて紹介します。
7 7/24 [2] オントロジー (高井貴子・東北大) 分野を横断するデータを解析するためには、それぞれの分野の特異性を超えた抽象化が要求される。オントロジーの概念を学び、分野を超えたデータの活用方法の現状を考える。
8 7/26 [2] 医薬品業界における新しいトレンド (坂田恒昭・大阪大学) 近年医薬品業界においてはその生産性の低さを改善し、研究開発の効率化を進めようとする動きが活発に行われている。その例として大規模な投資からオープンイノベーションへの転換、医師中心から患者中心へ、治療薬提供はもちろんであるが患者のQOL実現も含めた取り組み、治療薬と診断薬、予防薬との組み合わせなどが挙げられる。大きな期待として挙げられるのがICTを用いた動きでビッグデータ、機械学習などへの取り組みである。欧米では既にGoogle、Apple、Amazonなどがメガファーマと協業してライフサイエンス分野に進出している。またpatients like meのように患者とその家族がSNSサイトを利用して情報交換を行っている。一方我が国においてはこの分野で大きく立ち遅れている。特に、医療データを統合して産業化にいかに役立てるかが大きな課題として残っている。本講義では日本において、今後患者中心の医療をどう実現していくか、またゲノム、オミックス情報をいかに標準化の下に統合していくかを概説する。

授業日程

回数 日付 時間 講義室 備考
1 6/29 2 L2
2 7/3 2 L2
3 7/5 2 L2
4 7/10 2 L2
5 7/18 2 L2
6 7/20 2 L2
7 7/24 2 L2
8 7/26 2 L2

テキスト・参考書

テキスト 特に指定しない。
参考書 細胞の分子生物学 原書第5版(ニュートンプレス)
 Practical Bioinformatics (Garland Science)

その他

履修条件 特になし
オフィスアワー Eメールで連絡の上、日時を決める
成績評価の方法と基準 ・5段階(秀・優・良・可・不可)で評価する。
・評価は、毎回のミニテスト(50%)、期末レポート(50%)によって行う。
・バイオサイエンスにおけるビッグデータ解析の基本概念の理解、専門知識の習得を基準とする。
関連科目 特になし
関連学位 理学、工学、バイオサイエンス
注意事項 特になし

授業関連URL



表示可能なデータがありません。

配布資料



表示可能なデータがありません。