キャンペーン対象のデータ受託解析メニュー

• RNA-seq解析
• シングルセル
  RNA-seq解析
• シングルセル
  遺伝子発現Flex
• 空間的
  遺伝子発現解析

▼データ解析の専門家による報告会の様子をご覧ください▼

この春、新しい研究テーマに取り組むみなさまのバイオインフォマティクス技術習得を支援するため「新年度トレーニングキャンペーン」を実施いたします。解析サーバで解析を行うためのITインフラ領域の基礎科目と、実践的な課題解決の技術習得を目的とした応用科目を特別価格でご受講いただけます。

特徴と対象科目

・データ解析を始めたいが、何から学べば良いかわからない 　初心者の方でも体系的に学べるオンライントレーニングです ・ゴールドスタンダードな解析手法を効率良く習得したい 　弊社サーバーで実際にコマンドを入力しながら実習するので実践的なスキルが身につきます ・バイオインフォマティクスに関する質問相手がいない 　解析経験が豊富な講師にご質問いただけますので、実践的な知識を学ぶことができます

「OPEN ▼」すると、トレーニング科目の詳細が表示されます。

基礎科目OPEN

Linux入門	学習目的	多くの解析の基盤となるLinux操作技術を、バイオインフォマティクスに必要十分なレベルで習得
	講義内容	Windows, Macとは異なるOSのディレクトリ構造の理解、テキストファイル加工、ソフトウェアインストールなど

応用科目OPEN

RNA-seq解析	学習目的	RNA-seq解析による発現変動遺伝子の検出、二群間比較の習得
	講義内容	公開シーケンスデータを用いたオープンソースソフトウエアによる、QCからGO・パスウェイエンリッチメント解析までの実践的な実習
マイクロアレイを 用いた 発現解析	学習目的	Rによるマイクロアレイを用いた発現解析技術の習得
	講義内容	公開データを用いたオープンソースソフトウエアによる、アレイデータの正規化、発現変動解析、クラスタリング、ヒートマップ作図などの実践的な実習
遺伝性変異解析	学習目的	WGS・WESの遺伝性変異解析による遺伝子変異・多型解析技術の習得
	講義内容	公開シーケンスデータを用いたオープンソースソフトウエアによる、germline変異の検出・フィルタリング・アノテーションなどの実践的な実習
ゲノムワイド 関連解析 （GWAS）	学習目的	case, controlのSNPアレイデータを用いたゲノムワイド関連解析（GWAS）技術の習得
	講義内容	公開データを用いたPLINK、Rによる、case-control関連解析やアノテーション、層別解析などの実践的な実習
メタゲノム解析	学習目的	QIIME2を用いたメタゲノム解析技術を習得
	講義内容	公開シーケンスデータを用いたオープンソースソフトウエアによる、系統樹作成やTaxon分類、多様性解析などの実践的な実習
ATAC-seq解析	学習目的	ATAC-seq解析技術の習得
	講義内容	公開シーケンスデータを用いたオープンソースソフトウエアによる、QCからピークアノテーション、モチーフ探索までの実践的な実習
ChIP-seq解析	学習目的	ChIP-seq解析技術の習得
	講義内容	公開シーケンスデータを用いたオープンソースソフトウエアによる、QCからピークアノテーション、モチーフ探索までの実践的な実習
CUT&RUN-seq解析	学習目的	CUT&RUN-seq解析技術の習得
	講義内容	公開シーケンスデータを用いたオープンソースソフトウエアによる、QCからピークアノテーション、モチーフ探索までの実践的な実習

※R入門、シングルセルRNA-seq、がん変異解析は本キャンペーンの対象外です。

お客様の声

▼データ解析の専門家による報告会の様子をご覧ください▼

サービス内容

【WET】空間的遺伝子発現解析

○ Stereo-seq™ 技術（STOmics®）を用いた空間座標バーコーディングと遺伝子発現測定

○ MGI社 DNBSEQ-G400、またはT7によるシーケンシング（10-15M paired-end reads/検体）

【DRY】バイオインフォマティクス解析

○ 解析レポート、中間報告および最終報告（手法解説、結果解釈のディスカッション）

○ 発現定量解析（クオリティコントロール、正規化、データ統合、次元削減、クラスタリングおよびUMAP上の可視化・空間座標上の可視化、クラスタごとの特徴遺伝子の探索、着目遺伝子の発現量可視化（Feature plot, Violin plot）

○ サンプル間比較解析（各クラスタにおけるサンプル間発現比較解析、Gene Ontology解析、Reactomeパスウェイ解析）

○ 擬似系譜解析（Cell trajectoryの推定、Pseudotime の推定、着目遺伝子の発現パターン可視化）

データ解析内容

サンプル要件 / 注意事項

価格表（税抜）

ご利用の流れ

▼データ解析の専門家による報告会の様子をご覧ください▼

サービス内容

【WET】シングルセル遺伝子発現Flex

○ 10x Genomics社 Chromium Single Cell Gene Expression Flexによるライブラリ調製

○ Illumina社 NovaSeq6000による1.5億リード / サンプル のシーケンシング

○ Cell Rangerによる発現定量

【DRY】バイオインフォマティクス解析

○ 解析レポート、中間報告および最終報告（手法解説、結果解釈のディスカッション）

○ 発現定量解析（クオリティコントロール、正規化、データ統合、次元削減、クラスタリングおよびUMAP上の可視化、クラスタごとの特徴遺伝子の探索、着目遺伝子の発現量可視化（Feature plot, Violin plot））

○ サンプル間比較解析（各クラスタにおけるサンプル間発現比較解析、Gene Ontology解析、Reactomeパスウェイ解析）

○ 擬似系譜解析（Cell trajectoryの推定、Pseudotime の推定、着目遺伝子の発現パターン可視化）

データ解析内容

サンプル要件 / 注意事項

価格表（税抜）

ご利用の流れ

シングルセルRNAseq解析とは

　シングルセルRNAseqとは、細胞の遺伝子発現プロファイルを一細胞レベルで取得して観測する画期的な技術です。これまでのRNAseq解析では、観測対象が細胞集団であり、細胞集団における各遺伝子の”平均的な”遺伝子発現を測定していました。一方、scRNAseqは細胞集団内の個々のトランスクリプトームを捉え、細胞特異的な変化を同定することが可能になります。Science誌において2018年のBreakthrough of the Yearとしても選出された技術であり、近年盛んに研究に用いられています。

実験のポイント

　シングルセルRNAseqでは、細胞の生存率が非常に重要です。
　死細胞が溶解すると周囲にRNAが遊離し、分析時のバックグラウンドノイズの一因となり、シングルセルデータの品質を著しく低下させるため、細胞の生存率を高める必要があります。一般的には生存率90%以上が推奨され、クリアな解析結果を得るためには、80%程度以上の生存率が必要です。
　またライブラリ調整に際しては、細胞数が106以上であること、細胞サイズが直径 30μm以下であること、細胞を分離させておくことなどの条件をクリアする必要があります。

解析のポイント

　特定の細胞種ごとの遺伝子発現プロファイルを確認します。まず、データのクオリティを確認した上で、細胞をクラスタリングし、各クラスターごとに遺伝子発現の状態を把握するための一連の解析を行います。

高次解析により得られる図表の例

研究事例

▼データ解析の専門家による報告会の様子をご覧ください▼

サービス内容

【WET】シングルセルRNAシーケンス

○ 10x Genomics社 Chromiumによるライブラリ調製

○ Illumina社 NovaSeq6000による120Gbのシーケンシング

○ Cell Rangerによる発現定量

【DRY】バイオインフォマティクス解析

○ 解析レポート、中間報告および最終報告（手法解説、結果解釈のディスカッション）

○ 発現定量解析（クオリティコントロール、正規化、データ統合、次元削減、クラスタリングおよびUMAP上の可視化、クラスタごとの特徴遺伝子の探索、着目遺伝子の発現量可視化（Feature plot, Violin plot））

○ サンプル間比較解析（各クラスタにおけるサンプル間発現比較解析、Gene Ontology解析、Reactomeパスウェイ解析）

○ 擬似系譜解析（Cell trajectoryの推定、Pseudotime の推定、着目遺伝子の発現パターン可視化）

データ解析内容

サンプル要件 / 注意事項

価格表（税抜）

ご利用の流れ

シングルセルRNAseq解析とは

　シングルセルRNAseqとは、細胞の遺伝子発現プロファイルを一細胞レベルで取得して観測する画期的な技術です。これまでのRNAseq解析では、観測対象が細胞集団であり、細胞集団における各遺伝子の”平均的な”遺伝子発現を測定していました。一方、scRNAseqは細胞集団内の個々のトランスクリプトームを捉え、細胞特異的な変化を同定することが可能になります。Science誌において2018年のBreakthrough of the Yearとしても選出された技術であり、近年盛んに研究に用いられています。

実験のポイント

　シングルセルRNAseqでは、細胞の生存率が非常に重要です。
　死細胞が溶解すると周囲にRNAが遊離し、分析時のバックグラウンドノイズの一因となり、シングルセルデータの品質を著しく低下させるため、細胞の生存率を高める必要があります。一般的には生存率90%以上が推奨され、クリアな解析結果を得るためには、80%程度以上の生存率が必要です。
　またライブラリ調整に際しては、細胞数が106以上であること、細胞サイズが直径 30μm以下であること、細胞を分離させておくことなどの条件をクリアする必要があります。

解析のポイント

　特定の細胞種ごとの遺伝子発現プロファイルを確認します。まず、データのクオリティを確認した上で、細胞をクラスタリングし、各クラスターごとに遺伝子発現の状態を把握するための一連の解析を行います。

高次解析により得られる図表の例

研究事例

▼データ解析の専門家による報告会の様子をご覧ください▼

サービス内容

【WET】RNAシーケンス

○ ライブラリ調製

○ Illumina社 NovaSeq6000によるシーケンシング（PolyA 4Gb/13.3Mペアエンドリード、non stranded RNA-seq）

※4Gbを超える場合や、strand specific RNA-seqをご希望の場合はお問合せください

【DRY】バイオインフォマティクス解析

○ 解析レポート、最終報告（手法解説、結果解釈のディスカッション、結果データ一式の納品）

○ 発現定量解析：マッピング、発現定量、階層的クラスタリング (ヒートマップ描画)、 主成分分析

○ 二群間の発現量比較解析：Volcano plot

※サンプル数によって対応可能な組み合わせ数が異なります。統計的な解析には 各群3サンプル以上必要です。

○ エンリッチメント解析：Gene Ontology解析、Reactomeパスウェイ解析

サンプル要件 / 注意事項

データ解析内容

価格表（税抜）

ご利用の流れ

RNAseq解析とは

　RNAseq解析とは、次世代シーケンサー（NGS）を用いて転写物の塩基配列を決定する方法です。この配列をリファレンスゲノムへアライメントし、転写産物毎の発現量を測定し、通常はサンプル間の発現量の比較解析を行います。スプライスバリアント毎の発現解析、融合遺伝子検出、変異解析、新たな転写産物の予測を行うことができます。
　リファレンスゲノムのない生物の場合でも、配列をアセンブルして転写産物モデルを構築し、アライメントさせて解析することができます。

実験のポイント

　解析対象のRNAの種類に適したライブラリー調整キットを用いて、ライブラリー作成を行います。必要なシーケンス量は、生物種や何をプロファイリングしたいかによって異なります。ヒトやマウスの場合、最低でも2000万リード、4Gbp以上の測定が推奨されます。スプライスバリアント（アイソフォーム）の検出や新規転写産物を探索する場合、もしくはFFPEサンプルやnon-conding RNAを扱う場合には、シーケンス量を増やす必要があります。

解析のポイント

　NGSによるシーケンスで得られた配列は、FASTQというファイル形式で保存されます。この配列をスプライシングを考慮してゲノム配列にマッピングします。この結果は、BAM形式ファイルで保存され、IGV (Integrative Genomics Viewer)などのゲノムビューワーを用いて閲覧できます。
　発現量は、リードカウント、または、補正値を用います。FPKM (Fragments Per Kilobase of exon per Million mapped fragments)やTPM (Transcripts per million)は、発現量をエクソン長と全マッピング数で補正した値です。CPM (Counts per Million mapped reads)は、発現量を全マッピング数で補正した値です。
　2群間の比較解析では、発現量の比をlogスケールで表現した値、もしくはｔ検定による有意差P値がよく用いられます。

研究目的別高次解析のポイント

　臨床上の特徴や薬剤が遺伝子発現にどのような影響を及ぼすのかを、発現変動が観測された遺伝子に注目し、特定のパスウェイや生物学的な機能のまとまりで、その意味を捉えることが高次解析の目的です。
　このためには以下に示しますように、データの特徴を把握した上で2群間比較による発現変動遺伝子解析を行い、その上で研究目的に応じた生物学的な機能を理解するための解析手法を適切に選択することが重要となります。

データの特徴の把握

・主成分分析

全サンプルを対象に、遺伝子発現の傾向を二次元プロットで表現します。これにより、二次元上にプロットされた各サンプル間の距離から、類似性を読み取ることができます。複数サンプルの発現プロファイルの類似度を視覚化し、その後の解析で群間の差を見出すことができるデータであることを確認します。

・階層的クラスタリングのヒートマップ

縦軸に遺伝子、横軸にサンプルを配置し、発現量を色で表現します。 　各軸でクラスタリングを実施し、群ごとに同じまたは近いクラスタに分類します。はずれ値を持つサンプルを確認できます。

2群間比較による発現変動遺伝子解析

　2群間で有意に発現量に差がある遺伝子群を特定します。

・Volcano plot

2群間の比較解析において、有意差P値（logスケール）と発現量の比（logスケール）を2次元プロットで表現します。各プロットの点は遺伝子に該当し、有意に変動している（p値や発現量比）遺伝子数の概観の確認や、変動の傾向の把握に使用します。 　各点に該当する遺伝子名を重ねて表記するなどし、既知の遺伝子で想定される発現変動が起きているかを確認するなど、データの妥当性の検討に用います。

発現変動遺伝子と生物学的意義

発現変動した遺伝子群の生物学的機能の共通点や、影響を受けているパスウェイ等の探索を行います

・GO(Gene Ontology)解析

Gene Ontologyとは、遺伝子の属性を説明する語彙を体系化・構造化した記述方法です。GOは生物学的プロセス、細胞の構成要素、分子機能の３カテゴリーに分けることができ、それぞれのカテゴリーにはさらなる下位概念が定義されています。有意に変動した遺伝子群がどのような生物学的概念にエンリッチしているかを解析することで、比較対象が影響を与えている生物学的機能を捉えます。 　最上位GOから、下位GOまでの繋がりを図に示します。それぞれのGOのエンリッチメント解析結果は色の濃淡で有意差（P値）の大きさを表します。

▼データ解析の専門家による報告会の様子をご覧ください▼

データ解析内容

【発現定量解析】

○ クオリティコントロール

○ 正規化、データ統合

○ 次元削減

○ クラスタリングおよび UMAP上の可視化・空間座標上の可視化

○ クラスタごとの特徴遺伝子の探索

○ 着目遺伝子の発現量可視化（Feature plot, Violin plot）

【サンプル間比較解析】

○ 各クラスタおけるサンプル間発現比較解析

○ Gene Ontology解析、Reactomeパスウェイ解析

【擬似系譜解析】

○ Cell trajectoryの推定

○ Pseudotimeの推定

○ 着目遺伝子の発現パターン可視化

受入れデータ・納品物

価格表（税抜）

▼データ解析の専門家による報告会の様子をご覧ください▼

データ解析内容

【発現定量解析】

○ クオリティコントロール

○ 正規化、データ統合

○ 次元削減

○ クラスタリングおよびUMAP上の可視化

○ クラスタごとの特徴遺伝子の探索

○ 着目遺伝子の発現量可視化（Feature plot, Violin plot）

【サンプル間比較解析】

○ 各クラスタおけるサンプル間発現比較解析

○ Gene Ontology解析、Reactomeパスウェイ解析

【擬似系譜解析】

○ Cell trajectoryの推定

○ Pseudotimeの推定

○ 着目遺伝子の発現パターン可視化

受入れデータ・納品物

価格表（税抜）

▼データ解析の専門家による報告会の様子をご覧ください▼

データ解析内容

○ 解析レポート、最終報告（手法解説、結果解釈のディスカッション）

○ 発現定量解析：マッピング、発現定量、階層的クラスタリング (ヒートマップ描画)、主成分分析

○ 二群間の発現量比較解析：Volcano plot

※サンプル数によって対応可能な組み合わせ数が異なります。統計的には6サンプル以上が必要です。

○ エンリッチメント解析：Gene Ontology解析、Reactomeパスウェイ解析

受入れデータ・納品物

価格表（税抜）

このたび、2023年9月に新科目「シングルセルRNA-seq解析・発展」をリリースし、monocle3を用いた擬似系譜解析、velocytoを用いたRNA velocity解析を学習いただけるようになりました。
新科目リリースを記念し、さらに私達のサービスをご愛顧いただいている皆様への感謝も込めて「年末早割トレーニングキャンペーン」を実施いたします。
キャンペーン対象は、事前学習併用型トレーニングとなります。
もちろん、「シングルセルRNA-seq解析・発展」も事前学習併用型トレーニング対応科目となります。
是非、この機会にご検討ください。

▼新科目の中身を試しに少しだけ視聴してみる▼

• お問い合わせ

事前学習併用型トレーニングの特徴と科目

・バイオインフォマティクスの経験豊富な講師によるトレーニング動画をいつでも視聴（2週間）
・動画視聴期間はトレーニング用サーバを利用できるので自分のペースで実践的な学習が可能
・事前学習終了後に復習や疑問解消のための Web会議形式のハンズオン質問会（2時間）を開催

「OPEN ▼」すると、トレーニング科目の詳細が表示されます。

基礎科目OPEN

Linux入門	学習目的	多くの解析の基盤となるLinux操作技術を、バイオインフォマティクスに必要十分なレベルで習得
	講義内容	Windows, Macとは異なるOSのディレクトリ構造の理解、テキストファイル加工、ソフトウェアインストールなど
R入門	学習目的	バイオインフォマティクス業界で頻繁に使われる統計ソフト Rの操作技術習得
	講義内容	Rの基本的な操作方法、作図、解析目的に応じた公開パッケージのインストール・使用方法など

応用科目OPEN

RNA-seq解析	学習目的	RNA-seq解析による発現変動遺伝子の検出、二群間比較の習得
	講義内容	公開シーケンスデータを用いたオープンソースソフトウエアによる、QCからGO・パスウェイエンリッチメント解析までの実践的な実習
シングルセル RNA-seq解析 【Seurat】	学習目的	Seuratを用いたシングルセルRNA-seq解析技術を習得
	講義内容	公開シーケンスデータを用いたオープンソースソフトウエアによる、クラスタリングやマーカー遺伝子探索とセルタイプ同定などの実践的な実習
シングルセル RNA-seq解析 発展	学習目的	シングルセルRNA-seq解析の擬似系譜解析とvelocity解析を習得
	講義内容	公開シーケンスデータを用いたオープンソースソフトウエアによる、擬似系譜解析・RNA velocity解析の実践的な実習

お客様の声

• お問い合わせ