ライフサイエンス研究にITの力を！
オープンソースで開発が進んでいる電子ラボノートのeLabFTWですが、基本的にはサーバー上にインストールして実行する必要があります。しかし、「ちょっと試してみたい」という場合にはサーバーまで準備するのは気が引けますよね？そのようなときは、Windowsのローカル環境でeLabFTWの実行環境を整えてみましょう。
もちろん、「最初はWindowsのローカル環境でお試しで使い始めて、途中からクラウドサーバーでの本格的な運用を開始する」などといった柔軟な運用も可能です。詳細は以下の記事をご覧ください。
現在ではがんゲノム情報も網羅的に集積されるようになっており、それを公共データベースから誰でも閲覧し、解析することができるようになっています。
ここでは、主ながんゲノムデータベースについて紹介します。
日本中性子捕捉療法学会よりBNCT研究の現況と最新情報について詳細に書かれたNCT letter 第7号が公表されました。BNCTに関心のある方はぜひ一度ご覧ください。
保険診療が開始されて間もないBNCTですが、これまでの臨床の話や今後の新たな加速器開発の話題、そしてBNCT研究の今後のことなど非常に新鮮な情報がたくさん詰め込まれています。さらに、少し前に話題になった「液体のりとBNCT」についての記事や、今話題の免疫療法とBNCTとのかかわりについての研究など盛りだくさんで、BNCT研究に興味のある方には必見の内容になっています。
なお、NCT letterのバックナンバーはこちらです。
機械学習モジュールのscikit-learnではサンプルデータが用意されており、それをDataFrameとして取り込むこともできます。機械学習のためのサンプルとして使うことはもちろんのこと、DataFrameとして取得すれば様々な解析に用いることができます。ここでは、scikit-learnで提供されているデータセットについて解説を行います。
散布図は各データの項目の値を縦軸と横軸の2つに対応させてドットをプロットしていくことで、縦軸・横軸の2次元情報の相関関係やデータの分布を可視化するための図です。また、縦軸・横軸だけでなく、ドットの色もデータの値によって変化させることで3つの項目の関係(3次元情報)を可視化することもできます。ここでは、Pythonのmatplotlibを用いて散布図を描く方法を説明します。
各地のCOVID-19の感染者動向に関するオープンデータは東京都のGitHubリポジトリからフォークして提供されています。各地のデータは類似したフォーマットで提供されているので、そのデータを可視化してみましょう。ここでは、大阪府のデータを例にして説明していきます。
※ この記事の方法では最新のデータは取得できない可能性があります。
ブログを始めたばかりだと、どのページをどのくらいの人が見てくれているのかが気になりますよね？もちろん、Googleアナリティクスでページごとのアクセス数を調べられますが、Web版では地味に深い階層にあって調べにくいんですよね。しかも、Web版ではデフォルトでは今日の現時点でのアクセスは表示されませんしね。
でも実は、アプリ版を使えば簡単にその日のページごとのPVを表示できるんです！ついでにAdSense収益もアプリ版のGoogleアナリティクスから確認することもできます。AdSenseアプリがなくなってしまったので、これも個人的には地味にうれしい機能ですね。
ここでは、Googleアナリティクスのモバイルアプリを用いて、スマホから簡単にその日のページごとのPVやAdSense収益を見る方法を説明します。なお、ここではAndroidのスマートフォンを対象にしています。
ここでは、最も基本となる折れ線グラフを描く方法を説明します。
データ解析において、標本値から近似曲線を作成することや、そこで求めた近似曲線(モデル式)がどの程度当てはまっているかを示す決定係数(\(R^2\))を求めることは必須の技術です。Excelを使えば非常に簡単に近似曲線と決定係数(\(R^2\))を求めることできますが、Pythonを使う場合はどのようにすればよいのでしょうか。Pythonでは近似曲線を求めるための方法がいくつか用意されており、さらに決定係数(\(R^2\))を求めるためには近似曲線とは別のモジュールを用いる必要があるので、やや分かりにくくなっています。
ここでは、Pythonを用いた近似曲線・決定係数(\(R^2\))の求め方を説明していきます。
2020年2月5日にこのブログを開始して６か月経過したので、現状を報告します。これから技術ブログを立ち上げようとしている方がいれば、その参考になれば幸いです。
“技術ブログ開設６か月の経過報告 ― 技術ブログのリアル” の続きを読む