授業の目的 【日本語】
Goals of the Course(JPN) | | | 本実習では、計算生物学と計算論的神経科学を対象とした数理モデリング手法を学ぶ。計算生物学ではエピゲノム、ゲノム、トランスクリプトーム、プロテオーム等のオミックスデータに対するアプローチを俯瞰しながら、システム生物学的な統合解析手法やそれらに関連した統計・機械学習アルゴリズム、数理的モデリング技法についての実践的なスキル獲得を目指す。計算論的神経科学では、EEGやEMG、ECG、IMUなどのフィジオームを対象として、潜在的な生理学的特徴を理解するためのウェーブレット変換等の信号処理技法やネットワーク解析、次元縮小法などの特徴抽出手法についての実践的スキル獲得を目指す。 |
|
|
授業の目的 【英語】
Goals of the Course | | | In this practicum, students will learn mathematical modeling for computational biology and computational neuroscience. In computational biology, students will learn approaches to omics data such as epigenomes, genomes, transcriptomes, and proteomes, while acquiring practical skills in systems biology approaches, statistical and machine learning algorithms, and mathematical modeling techniques related to these methods. In computational neuroscience, students will acquire practical skills in various signal processing techniques such as wavelet, network analysis, and feature extraction such as dimension reduction methods for understanding physiological mechanisms of physiomes obtained from EEG, EMG, ECG, and IMU. |
|
|
到達目標 【日本語】
Objectives of the Course(JPN) | | | 本演習では、分子生物学および神経科学における知識、R/pythonによるプログラミング等の情報工学的スキル、および統計・機械学習の知識を統合し、計算生物学的アプローチや計算論的神経科学としての方法を自ら構築できることを目標とする。また、実際のデータを扱い、分子生物学的あるいは神経科学的な仮説の設定、生データの前処理からモデリング・データ解析、可視化を通じて結論を導出できることも目標とする。 |
|
|
到達目標 【英語】
Objectives of the Course | | | The goal of this course is to integrate knowledge in molecular biology and neuroscience, information engineering skills such as R/python programming and shell manipulation, and knowledge of statistics and machine learning, and to be able to construct your own methods for computational biology approaches and computational neuroscience. The course also aims to enable students to handle actual data, formulate molecular biological or neuroscientific hypotheses, and draw conclusions through modeling, data analysis, and visualization from pre-processing of raw data. |
|
|
授業の内容や構成
Course Content / Plan | | 分子生物学あるいは神経科学領域を対象とする大学院生を対象に、各自の研究テーマに関連したデータ科学駆動型の研究アプローチをプロジェクトワークの中で各自組み立ててもらい、月に一回のプログレス発表および最終発表を通じて評価する。
1. 文献調査と研究テーマ設定
2. データセットの選定
3. 必要なデータ科学的アプローチの選定
4. 実装とデータ解析
5. 可視化と解釈
6. 研究結果のプレゼンテーション |
|
|
履修条件・関連する科目
Course Prerequisites and Related Courses | | | データ活用法入門、生命情報学特論の受講が必須とする。また、データ科学の知識（統計・機械学習、Rプログラミング）および分子生物学か神経科学の知識があることを前提とする。 |
|
|
成績評価の方法と基準
Course Evaluation Method and Criteria | | |
|
教科書・テキスト
Textbook | | |
|
参考書
Reference Book | | |
|
課外学習等（授業時間外学習の指示）
Study Load(Self-directed Learning Outside Course Hours) | | | プロジェクトワークであるため各自の研究計画に従って進めていく。不明点については個別に対応する。 |
|
|
授業の進め方
How to proceed with the class | | |
|
注意事項
Notice for Students | | | 本科目は受講希望者は事前に担当者まで連絡すること。 |
|
|
本授業に関する参照Webページ
Reference website for this Course | | |
|
担当教員からのメッセージ
Message from the Instructor | | |
|
使用言語
Language(s) for Instruction & Discussion | | |
|
授業開講形態等
Lecture format, etc. | | |
|
遠隔授業（オンデマンド型）で行う場合の追加措置
Additional measures for remote class (on-demand class) | | |
|