English

年度	2026年度	開講部局	医系科学研究科博士課程前期
講義コード	TB002103	科目区分	専門的教育科目
授業科目名	マルチオミクスデータ解析と機械学習のための実践的バイオインフォマティクス
授業科目名 （フリガナ）	マルチオミクスデータカイセキトキカイガクシュウノタメノジッセンテキバイオインフォマティクス
英文授業科目名	Hands-on Bioinformatics for Multi-Omics Data Analysis and Machine Learning
担当教員名	HAYES CLAIR NELSON,中原　輝
担当教員名 (フリガナ)	ヘイズ　クレアーネルソン,ナカハラ　ヒカル
開講キャンパス	霞	開設期	1年次生   後期   ３ターム
曜日・時限・講義室	(3T) 木11-12
授業の方法	講義	授業の方法 【詳細情報】	対面
			講義中心、演習中心、ディスカッション
単位	1.0	週時間	2	使用言語	B : 日本語・英語
学習の段階	7 : 大学院発展的レベル
学問分野（分野）	26 : 生物・生命科学
学問分野（分科）	04 : 生命科学
対象学生	データ分析に興味のある学生　バイオインフォマティクスおよびLinuxの基礎を習得した学生
授業のキーワード	ゲノミクス、トランスクリプトミクス、パイプライン、プロテオミクス、タンパク質構造予測、メタボロミクス、機械学習、ディープラーニング、バイオマーカー、Python、Snakemake、マルチオミックス
教職専門科目		教科専門科目
プログラムの中での この授業科目の位置づけ （学部生対象科目のみ）
到達度評価 の評価項目 （学部生対象科目のみ）
授業の目標・概要等	大規模マルチオミクス研究から得られるデータを最大限に活用するためには、バイオインフォマティクスツールの基礎的な知識だけでは十分でない場合がある。本講義は、Bashスクリプトおよびワークフローエンジンを用いて、拡張性・再現性・自動化を備えたデータ解析パイプラインを構築する方法に焦点を当てた実践的科目である。本講義では、ロングリードシーケンシング、de novoアセンブリ、メタゲノミクスなどの高度なゲノミクス解析手法を扱う。さらに、シングルセル解析および空間トランスクリプトミクスといった最先端技術についても取り上げる。これらの基礎を踏まえ、トランスクリプトミクス、プロテオミクス、メタボロミクスのデータを統合的に解析するマルチオミクス手法を学ぶ。最後に、バイオインフォマティクスデータからのバイオマーカー探索および予測モデル構築における機械学習の応用について検討する。各回は、英語および日本語による講義により理論的基礎を学んだ後、実際の生物学的データを用いた演習形式のハンズオンワークショップを行う。履修者は本講義を通して、複数のバイオインフォマティクスツールを連携させ、クラウド環境にも対応可能な堅牢なマルチオミクス解析パイプラインを構築できる能力を修得する。
授業計画	第1回 高度なバイオインフォマティクスパイプライン 第2回 高度なゲノミクス手法 第3回 高度なトランスクリプトミクス手法 第4回 プロテオミクスとタンパク質構造解析 第5回 メタボロミクスとリピドミクス 第6回 マルチオミクス統合 第7回 バイオマーカー発見のための機械学習 第8回 医療画像解析のためのディープラーニング
教科書・参考書等	コース期間中は学習教材が提供される。
授業で使用する メディア・機器等	テキスト, 配付資料, 音声教材, 映像資料
	【詳細情報】
授業で取り入れる 学習手法	ディスカッション, 小テスト／ クイズ形式, プロジェクト学習
予習・復習への アドバイス	コースプロジェクトは、学生が現在の研究または計画中の研究に必要な特定のスキルを習得できるように支援することを目的としている。
履修上の注意 受講条件等	インターネットに接続できるPC。
成績評価の基準等	出席、積極的な学習態度、授業課題
実務経験
実務経験の概要と それに基づく授業内容
メッセージ
その他
すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。 回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。