年末年始の営業日につきまして、下記の通り御連絡いたします。

期間中お手数おかけいたしますが、宜しくお願い申し上げます。

弊社は第34回日本分子生物学会年会に出展いたします。
細胞・抗体・論文・実験結果・画像・ファイルなど研究室情報を共有管理する「ラボ・セクレタリー」をはじめとしたバイオインフォマティクス関連の製品・サービスを展示いたします。

開催日：2011年12月13日(火)～16日(金)
会　場：パシフィコ横浜
出　展：小間No.121 (株)ダイナコム

お盆期間中の弊社営業日につきまして、下記の通りご連絡いたします。

期間中ご迷惑をお掛けいたしますが、ご了承くださいますようお願い申し上げます。

2011年7月22日(金)より

＜本社へのアクセスはこちら＞

『はじめに』

サンプル数をどれだけ準備するかというのは、いつも気になる話題です。この数は使用する統計解析の手法や必要とされる精度によって変わってきます。検定などに必要なサンプル数は、パワーアナリシスとして知られています。R言語にはこれらについても関数がサポートされており、検定方法と関数の引数を設定してあげると、必要なサンプル数が結果として返されてきます。簡単にこれらについてご紹介します。

『検定に必要なサンプル数』

本TechコラムNo.2の「統計処理言語Rについて」で紹介したR言語には、仮説検定に必要なサンプル数を計算するための関数が標準機能としてサポートされています。power.t.testやpower.prop.test, power.anova.testといった関数です。

例えばt検定の場合、delta、sd、sig.level、powerの4つのパラメータを入力することで、必要なサンプル数が計算できます。

実行例を以下に示します。１行目のスクリプトをタイプしてリターンキーを入力すると２行目以降のように、必要なサンプル数などが計算されて表示されます。

  > power.t.test(delta=1.2,sd=3.5, sig.level = 0.05, power=0.8)
        Two-sample t test power calculation
                  n = 134.5071
            delta = 1.2
                sd = 3.5
      sig.level = 0.05
          power = 0.8
   alternative = two.sided
  NOTE: n is number in *each* group
  >

リスト１　Rを利用したサンプル数の計算

ここでは、deltaを1.2、sdを3.5、powerを0.8とした場合の必要サンプル数が計算されています。結果のnの部分が必要なサンプル数を表しており、それぞれのグループで１３５個程度必要であることを示しています。 power=0.8の場合、８割は間違えずに差があると判定されるといった確率です。当然高いほど良いわけですが、必要なサンプル数は多くなります。統計的に最低限必要とされるpowerは一般的に0.8です。

『ロジスティック回帰分析に必要なサンプル数』

ロジスティック回帰分析で必要なサンプル数は、予測モデルに入れる説明変数の数から計算することが可能です。

　　　　説明変数の数 × 10 = 最低限必要なイベント発生サンプル数

上記の式から最低限必要な数が計算できますが、全サンプル数ではないことに注意してください。稀なイベントを解析する場合には、より多くのサンプル数が必要になります。以下の論文を参考にしてください。

Peduzzi P, Concato J, Kemper E, Holford TR, Feinstein AR.: A simulation study of the number of events per variable in logistic regression analysis.: J Clin Epidemiol. 1996 Dec;49(12):1373-9.

『ROCカーブを利用した解析などのサンプル数』

ロジスティック回帰分析などでは、統計モデルの妥当性を評価するためにROCカーブとその下の面積AUCが計算されます。ヌルモデル（ランダムに決めるような全く機能していないモデル）と比較する場合に必要なサンプル数や、統計モデル相互に差があるかどうかといった検証を行なうために必要な数は異なります。後者のほうが多数のサンプルが必要です。これらの場合には、以下の論文が参考になります。

Hanley JA, McNeil BJ: The meaning and use of the area under a receiver operating characteristic (ROC) curve.: Radiology. 1982 Apr;143(1):29-36

『はじめに』

　このところどんどん新しい高速なDNAオートシーケンサーが市場に出てきています。これらのシーケンサーから得られた配列断片は、ゲノム情報にマッピングするか、または断片をクラスタリングしながらアラインメントし、コンセンサスシーケンスを求めて遺伝子を同定するなどの作業を行なうと思います。ところで、このようにして求められた遺伝子のアノテーションを、皆様はどのように進めておられますか？

　 従来から遺伝子配列のアノテーションでは、BLASTなどの相同性検索を用いて配列の相同性の高い遺伝子配列を探し、それらの中にすでにアノテーションされているものを参考に考察するといった方法が取られていました。しかし、この方法では、ある程度配列の相同性が高くなければヒットしないことや、アノテーションされている遺伝子がヒットしない場合は先に進むことができないという問題がありました。これらを解決する方法としてモチーフ情報を用いたクラスタリング法を開発しましたので、その方法について説明いたします(詳細は下記論文参照。)。

『本手法のポイント』

　ここでのモチーフとは、生物種間や種内で進化的に保存されてきた短いアミノ酸配列のことを指しています。保存されたモチーフ同士は、生化学的な機能やタンパク質の構造に重要な情報を共有していることが想定されます。その為、モチーフ情報を利用したクラスタリングを行うことで、機能的に類似性の高い遺伝子をまとめることができるので、アノテーション作業の効率化につながります。

『モチーフ情報利用したクラスタリング』

以下にモチーフ情報を中心とした遺伝子のクラスタリング方法に関して説明します。 解析の流れは以下のとおりです。

(1)解析対象となる遺伝子配列を集める。興味ある遺伝子を集めたり、関係する配列をBLAST検索で集めたりといった方法がとれます。Interproなどの情報を使って特定の機能ドメインが含まれているものを集めてみるのでも良いです。

(2)それらを対象にモチーフ検索を実行します。

(3)検索でヒットしたモチーフを加えてスコアを与え、配列間の類似度を評価し、クラスタリングします。

(4)さらに、それらの結果を図1に示すように表示します。

同図の左側はデンドログラムです。右側の色のついたボックスはモチーフを表します。同じ色のボックスが、同じ種類のモチーフ配列を持つ部分をあわらしています。この手法では、持っているモチーフ情報が中心となってクラスタリングされるため、構造的に類似のものや機能的に類似である可能性が高いものを集めることができます。遺伝的に離れた生物種間で類似のものでも類似性を評価することが可能です。こういった処理にご興味のある方は、弊社までお問合せください。

図１　データ表示例

参考文献：
・M. Mihara, T. Itoh, T. Izawa (2010) SALAD database: a motif-based database of protein annotations for plant comparative genomics, Nucleic Acids Research, Database Issue D835-D842.
・Mihara, M., Itoh, T. and Izawa, T. (2008) In silico identification of short nucleotide sequences associated with gene expression of pollen development in rice. Plant Cell Physiol. 49:1451-1464.

特許：
・特開2010-86142　遺伝子クラスタリング装置およびプログラム
・特開2008-225689　遺伝子クラスタリング装置、遺伝子クラスタリング方法およびプログラム