生物ネットワーク解析(バイオインフォマティクスシリーズ〈2〉) [全集叢書]

生物ネットワーク解析(バイオインフォマティクスシリーズ〈2〉) の 商品概要

• 目次

  1.　生物ネットワーク解析の基礎
  1.1　なぜ生物ネットワーク解析か
  　1.1.1　生物学における多様な役者たち
  　1.1.2　システム的理解とネットワーク科学
  1.2　ネットワーク解析の準備
  　1.2.1　ネットワークの基礎
  　1.2.2　ネットワークの種類
  　1.2.3　行列表現
  　1.2.4　経路と閉路
  　1.2.5　部分ネットワーク
  　1.2.6　連結性と連結成分
  1.3　さまざまな生物ネットワーク
  　1.3.1　遺伝子制御ネットワーク
  　1.3.2　タンパク質構造ネットワーク
  　1.3.3　タンパク質相互作用ネットワーク
  　1.3.4　代謝ネットワーク
  　1.3.5　脳ネットワーク
  　1.3.6　生態系ネットワーク
  　1.3.7　疾病や創薬に関連するネットワーク
  2.　基本的なネットワーク指標
  2.1　次数
  　2.1.1　無向ネットワークの場合
  　2.1.2　有向ネットワークの場合
  　2.1.3　重み付きネットワークの場合
  　2.1.4　次数分布
  　2.1.5　スケールフリー性
  2.2　次数相関
  　2.2.1　同類度係数
  　2.2.2　同類度係数の拡張版
  2.3　クラスタ係数
  　2.3.1　各ノードに対するクラスタ係数
  　2.3.2　平均クラスタ係数
  　2.3.3　重み付きクラスタ係数
  2.4　最短経路長
  　2.4.1　平均最短経路長
  　2.4.2　大域効率性
  3.　ネットワークモデル
  3.1　Erdos-Renyiのランダムネットワークモデル
  　3.1.1　Erdos-Renyiモデル
  　3.1.2　次数分布
  　3.1.3　平均最短経路長
  　3.1.4　クラスタ係数
  　3.1.5　現実のネットワークとの比較
  3.2　格子ネットワーク
  　3.2.1　格子ネットワークとは
  　3.2.2　平均クラスタ係数
  　3.2.3　平均最短経路長
  3.3　Watts-Strogatzのスモールワールドネットワークモデル
  3.4　Barabasi-Albertのスケールフリーネットワークモデルとその改良版
  　3.4.1　Barabasi-Albertモデルとそのネットワークの性質
  　3.4.2　Barabasi-Albertモデルの改良版
  　3.4.3　優先接続の検証
  　3.4.4　優先接続の解釈
  3.5　Chung-Luモデル
  3.6　コンフィギュレーションモデル
  3.7　ランダム化ネットワーク
  3.8　ネットワーク指標の統計的有意性評価
  　3.8.1　Z検定に基づく評価
  　3.8.2　経験的p値に基づく評価
  　3.8.3　比に基づく評価
  　3.8.4　ランダムネットワークとの比較の妥当性
  4.　中心性解析
  4.1　中心性解析とは
  4.2　次数中心性
  4.3　固有ベクトル中心性
  4.4　PageRank
  4.5　近接中心性とその別形
  　4.5.1　近接中心性
  　4.5.2　点効率性
  4.6　媒介中心性
  4.7　そのほかの中心性指標
  　4.7.1　カッツ中心性
  　4.7.2　サブグラフ中心性
  4.8　統計解析や機械学習における中心性
  5.　ネットワーク可制御性解析
  5.1　可制御性
  5.2　構造可制御性
  5.3　最大マッチングに基づくドライバ・ノードの求め方
  5.4　最小支配集合に基づくドライバ・ノードの求め方
  5.5　ネットワーク可制御性に基づくノード分類
  6.　コミュニティ検出
  6.1　コミュニティ検出とは
  6.2　ノード間の類似度に基づくコミュニティ検出
  　6.2.1　階層的クラスタリング
  　6.2.2　構造的重複度に基づくクラスタリング
  　6.2.3　そのほかの類似度に基づくクラスタリング
  6.3　モジュラリティに基づくコミュニティ検出
  　6.3.1　モジュラリティ
  　6.3.2　重み付きネットワークや有向ネットワークにおけるモジュラリティ
  　6.3.3　モジュラリティ最大化問題としてのコミュニティ検出
  　6.3.4　ネットワーク間でのモジュラリティの比較
  　6.3.5　モジュラリティ最大化に基づくコミュニティ検出の限界
  　6.3.6　そのほかのコミュニティ分割指標
  6.4　機能地図作成
  6.5　コミュニティの重複を考慮する場合
  　6.5.1　エッジ間の構造的重複度に基づく手法
  　6.5.2　モジュラリティ最大化に基づく手法
  7.　相関ネットワーク解析
  7.1　相関ネットワーク解析とは
  7.2　相関ネットワーク解析の基本
  7.3　相関ネットワークの閾値化
  　7.3.1　p値による閾値化
  　7.3.2　相関係数による閾値化
  7.4　重み付き相関ネットワーク解析
  7.5　偏相関ネットワーク解析
  　7.5.1　偏相関ネットワーク解析の基本
  　7.5.2　偏相関と多重回帰
  　7.5.3　偏相関ネットワーク解析の限界
  　7.5.4　正則化付き偏相関ネットワーク解析
  7.6　相対量を考える場合
  　7.6.1　オミクスデータにおける相対量
  　7.6.2　定数和制約による見せかけの相関
  　7.6.3　対数比変換
  　7.6.4　相対量データに対する相関ネットワーク解析
  　7.6.5　相対量データに対する偏相関ネットワーク解析
  7.7　相関ネットワークの比較
  7.8　相関ネットワーク解析は「なに」を推定しているのか
  引用・参考文献
  索引

• 内容紹介

  種々の生命現象や生態系の動態を理解するためには、様々な生体分子、生物そして環境がどのように相互作用しているのか、つまりネットワークを明らかにすることが重要である。いまや、バイオインフォマティクスやシステムバイオロジーの分野おいて、生物ネットワーク解析はなくてはならない存在になったといえるだろう。しかしながらその一方で、生物ネットワーク解析は確かによく目にするものの、実際に何をしているのか、あるいは結果が何を意味しているのかよくわからない、という声も多く聞く。本書では、そのような生物ネットワーク解析の基礎から応用までをいくつかの具体的な事例を交えながら説明する。
  
  本書は、学部生および大学院生、ならびにバイオインフォマティクスやシステムバイオロジーの分野に関わる技術者や研究者を読者として想定しており、学部生や初学者でも無理なく読めるように配慮している。1章では生物ネットワーク解析を学ぶ上での基礎知識を説明し、2章ではネットワーク解析で頻出する基本的な指標、3章ではネットワーク解析の理論の中心をなすいくつかの代表的なネットワークモデルについて説明する。そして，4章から7章にかけて、代表的な生物ネットワーク解析について紹介する。具体的に、4章ではネットワークから重要なノードを順位づけするために用いられる中心性解析、5章ではネットワークを制御するための重要なノードを見つけるために用いられるネットワーク可制御性解析、6章ではネットワークをクラスタリングするために用いられるコミュニティ検出，そして7章ではオミクスデータから生物ネットワークを推定するために用いられる相関ネットワーク解析について、それぞれ説明する。
  
  これらの内容については実際の生物ネットワーク解析を体験することでより理解を深めることができるだろう。本書で紹介した手法や解析などの一部は統計解析ソフトウェアRとそのネットワーク解析用パッケージのigraphを用いることで体験することができる。コードはコロナ社HPの本書詳細ページより利用可能である。実際の生物ネットワーク解析や新規手法の開発に役立ててもらえれば幸いである。
  
  図書館選書
  本書は，学部生，大学院生，またバイオインフォマティクスやシステムバイオロジーの分野に関わる技術者や研究者を対象に，生物ネットワーク解析の基礎から応用までを，具体的な事例を交えながら解説している。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  浜田 道昭(ハマダ ミチアキ)
  ２０００年東北大学理学部数学科卒業。２００２年東北大学大学院理学研究科修士課程修了（数学専攻）。株式会社富士総合研究所研究員。２００９年東京工業大学大学院総合理工学研究科博士後期課程（社会人博士）修了（知能システム科学専攻）博士（理学）。２０１０年東京大学特任准教授。２０１４年早稲田大学准教授。２０１８年早稲田大学教授
  
  竹本 和広(タケモト カズヒロ)
  ２００４年九州工業大学情報工学部生物化学システム工学科卒業。２００６年九州工業大学大学院情報工学研究科博士前期課程修了（情報科学専攻）。２００８年京都大学大学院情報学研究科博士後期課程修了（知能情報学専攻）博士（情報学）。日本学術振興会特別研究員（ＰＤ）。２００９年東京大学特任研究員。科学技術振興機構さきがけ研究者。２０１２年九州工業大学助教。２０１５年九州工業大学准教授

生物ネットワーク解析(バイオインフォマティクスシリーズ〈2〉) の商品スペック