オミクスデータや顕微鏡データを取得した際に，膨大で複雑なデータの取り扱いに苦労したことはありませんか？本書では，各分野でセオリーとなる初期解析を自分で行い，『図』を作成する方法をwetの研究者向けにコンパクトに解説しました．可視化プロセスを通して複雑なデータの核心を捉え，より高度な議論や研究に踏み出すための足がかりに本書をお使いください．

第1部では，データの種類別に専門家が必ず行う『初期解析』を体系的に解説し，データ解析の基礎が学べます．本書内で使用したデータをダウンロードして，実際に自分でデータを動かしながら理解ができます．

第2部では，プログラミング経験が浅い方向けに『生成AI』を活用しながら，実際の論文の『図（プロット）』を再現する過程をご紹介します．ご自身の目的に合わせた『図』を作成する応用力が身につきます

￣￣￣￣￣￣￣￣￣

シングルセル，メタゲノムseq，プロテオームなどの膨大なデータは『図』として可視化してこそ，真価が引き出されます．UMAP，MAプロット，ヒートマップ…本書では生成AIの力を借りながら自分で思いのままに可視化する方法を解説します！作図プロセスを通してデータの核心を掴み，より本質的な研究に進みたいあなたへ

【目次】

はじめに

本書の使い方

プログラミングの基本事項

第1部　生命科学データ別にファーストアクションを学ぶ

第1章 ゲノム

第2章 トランスクリプトーム

第3章 メタゲノム/16S rRNA アンプリコンシークエンスデータ

第4章 ChIP（クロマチン免疫沈降）-seq

第5章 Hi-Cデータ

第6章 シングルセルトランスクリプトーム　〜公開データとの統合・比較解析

第7章 プロテオーム　〜網羅的なタンパク質解析と図表作成・データ登録

第8章 顕微鏡データ　〜デジタルステイニングによる細胞核の可視化と形態解析

第9章 高速原子間力顕微鏡（AFM）データ

第2部　LLMとの対話を通じて理想のデータビジュアルをつくる

第1章 データから適切なグラフを選ぶ方法

第2章 環状ゲノムマップ　〜Circosを用いた作成方法

第3章 ヒートマップ

第4章 主成分分析（PCA）

第5章 注釈付き系統樹

第6章 ChIP（クロマチン免疫沈降）-seqピーク解析

第7章 UMAP・Trajectory解析　〜シングルセルRNA-seqデータの描画

第8章 MAプロット・Volcanoプロット　〜RStudioを使用した遺伝子発現変動を示す図の描き方

索引

執筆者一覧

●書評「情報科学と生命科学の架け橋」　武部貴則

私はiPS細胞やES細胞を用いてオルガノイドを形成し，人間の発生現象を再現する研究に携わってきた．しかし，人間の胎児を直接用いて完全な発生情報を再構成することは倫理的・技術的に困難であり，バイオインフォマティクス的な統合解析によってコンピューター上でデータを組み合わせ，有益な知見を抽出することが必須となる．特にオルガノイドのように複雑な生命現象の人為再現を試みるためには，断片的なスナップショットの大規模データをもとに，動的な現象の理解につながる情報学的解析を実現できるかどうかが研究の成否を左右する．

本書は，ゲノム配列の質評価やコンタミネーション確認などの初期解析から，さらにシングルセルやメタゲノム，プロテオームといった膨大な情報を抽象化し，可視化する手法までを，生成AIと連携して紹介している点が非常に意義深い．データとスクリプトが付属し，ChatGPTをはじめとするAIに質問しながら実際に手を動かせる構成は，ノーコード時代を象徴するアプローチであり，かつ，極めて実効的である．

米国の私のラボでは，高校生ながらこのようなインフォマティクスに精通した学生が時折メンバーに加わっている．こうした試みは，専門的なプログラミング経験をもたない私のような研究者にとっても有用であるばかりか，大学生や大学院生はもちろん，日本の中高生にまで研究の裾野を広げる契機となるだろう．生命科学において情報技術と発生学的理解を橋渡しする本書は，次世代研究者にとって格好の入門書であり，未来の生命科学研究を推進する力になると感じる．

●書評「21世紀の生命科学でデータ解析ができない研究者はじきにいなくなるだろう」　谷内江　望

最近流行りのあのオミクス解析をやってみたい．でも，自分の研究で具体的にどういう条件で実験を進めたら良いのか，どういうデータ解析をしたら良いのか，あるいはどういう風に解析をするのかわからないという壁に当たる方は多いと思う．これらのどれかに直面している皆さんにとって本書は現在考えられる限りでベストである．

よく，「こういうデータを取って研究したいが，どういう風にやったら良いのか分からないのでアドバイスが欲しい」と声をかけられることがあるが，そういうふわっとした質問に的確な助言は難しい．こういう時は，そもそも聞いている本人が何を具体的にしたいのか分かっていない．仮説と実験と解析がきちんと噛み合っていないと良い研究は成立しない．誰かにコンサルしてもらうにしても，アドバイスの内容を的確に掴み，「そういう事がやりたいわけじゃないからこういう方向性の解析を考えて欲しい」と返せるくらいは理解している必要がある．そして，そういうセンスを磨くためには，少しずつ時間をとって自分でも手を動かした経験を積むしかない．

本書が基本とする「ファーストアクションは決まっている」というメッセージに大きく首肯する．少し加えるなら，研究者が共通して取ることになるファーストアクションがあるのは，データが本来もつ性質がそれを規定するからである．だから，ファーストアクションを自分でやってみることでデータを知ることができ，さらに自分の研究においてどのような利用ができるか検討してみる力が付く．

本書は演習形式で構成されている．解析のためのデータが全て提供されているかオンラインで入手可能になっており，読み進めながら自分でどんどん経験を積める．全く経験がなくてもChatGPTなど生成AIにどういう意味か聞きながら進めれば，十分に未経験者でも読めるだろう．大変良く出来ており，大学のバイオインフォマティクス演習の講義を置き換えられると思う．

多様なデータ解析の例が掲載されているが，初学者は自分のやりたい解析だけつまみ食いするのではなく，全部を経験してみるのが良いと思う．基本を押さえながら多様な解析技術の広がりを知ることで，もちろん自分でできるようになったり，共通点が見つけられたり，自分の解析を工夫したり，組み合わせて新しい研究を企画したりできるようになるだろう．

プログラミング言語はその名詞のとおり，言語であり，データ解析はその言語圏の文化のようなものである．一部のプロフェッショナルのものではないし，肩肘を張るようなものでもない．人工知能が台頭するなか，生命科学でもデータ解析にセンスがなく，AIと競おうともせず，誰かに頼ろうとする研究者はそのスピードに追いつけなくなってしまうだろう．反対に，データをAIなどを駆使して操る研究者の未来はますますエキサイティングである．本書は多くの研究者の道を明るく照らすだろうと確信している．

【評者】谷内江　望（ブリティッシュコロンビア大学Biomedical Engineering教授，大阪大学WPIヒューマン・メタバース疾患研究拠点 (PRIMe) 特任教授，東京大学先端科学技術研究センター客員教授．2009年に慶應大学において生命情報科学の分野で学位取得後，ハーバード大学とトロント大学のFrederick Roth博士の下で研究員として合成生物学の研究に従事．2014年より東京大学准教授，2020年よりブリティッシュコロンビア大学准教授，2023年より現職．）