実験室より一言申し上げます

忙しいときにエラーが。。。

ふふふ。１年も空いてしまったぜ。

NGS解析についてまとめようと思っているのだけど、まだ出来ていないというていたらく。


来週の学会で発表するデータをもう少し肉付けしようと思い、久しぶりにデータを読み込んで解析をポチポチと進めてみる。


現在はCufflinks → CummeRbundのコンビでデータを解析しているのだが、コマンド中に意味不明なエラーが起こる。


CummeRbundで「ある遺伝子群」を抜き出して解析するために(getGenes)コマンドを使うのだが、突然エラーが発生して出来なくなる。

他のコマンド、例えば(csDensity)とかは問題なく動くので、何かgetGenesに関する問題みたいだ。
記述を見るとRSQLiteに関するものみたいなのだが、訳がわからん。
しかも、毎回RSQLiteのエラーなのだが、エラーの種類が変わるｗ

ちょちょいとネットで似たような症例がないかを調べてみると、ちょこちょこあるみたいです。
(readCufflinks)をやり直せば大丈夫、みたいな記述があったけど、自分はダメでした。
ちなみにdbファイルはrebuildしてます。dbファイルが壊れている、というわけではなさそう。

案外メモリ(キャッシュ？)の問題かもしれないので、明日またトライしてみよう。意外といけるかもしれん(野生の感)。


悪戦苦闘の記録はしっかり残して、できれば解決方法も見つけてここで出していきたいと思います。

Primary culture

現在とある細胞 (細胞A) のPrimary cultureの実験系を確立しようとしています。

これまでに様々な報告があるのですが、この細胞をキレイに分離して、他の細胞が混じらないsingle populationとして培養できたというものが無い状態です。

現在主に解析している細胞 (細胞B) との相互作用をin vitroで検証するためには細胞Aを何とか分離・培養する必要があります。

そして昨年秋くらいから挑戦して、なんとかpureに分離することができました。
ただ、細胞Aはとてもデリケートなため、なかなか生存率を高く保ったまま、また性質を維持したまま培養するのが難しいという課題にぶち当たりました。

培養条件を色々いじって、ようやく実験に耐えられるレベルまで生存率を維持できるようになり、今年に入って解析に入ることができたという状況です。

もう少し条件を改善したいという気持ちもあるけど、「完璧そして理想的」という条件はないのかもしれません。

これから丁寧にデータを集めて、なんとか春くらいには論文書けるようにしたいところです。

データの処理 (統計)

普段は統計処理をしなければならないような実験はあまりやっていないのですが、それでも統計を使わなければ難しい問題というのはあるものです。

統計と言えば、生物系の研究をしているとよく「それは違うんじゃねぇか？」という場面に出くわします。

一番多いのが、「とりあえず、ビール！」とばかりに「とりあえず、t検定！」っていうのと、なんでもかんでも「平均値」でデータを出すというものですね。

確かにt検定は王様的な存在だとは思いますが、実際やってみればt検定が使えないデータが結構多い気がします。
・・・だって、そんなにきれいに正規性を示すデータってないですよ？
(サイコロ振るように単純に測定作業を繰り返すだけなら問題ないですが)

平均値も、バラツキが多いデータとか大きな外れ値があるとそれにひっぱられてわけのわからない数値になるので、場合によっては「中央値」あたりを使った方がいいんじゃないかって場面は多いと思います。

SDとSEも、使い方がくちゃくちゃな場面が多いですね。
確かにデータ数が増えれば、SEはSDに比べてちっちゃくなってグラフの見栄えは良くなりますが、そもそも表しているものが違うのだからどっちを使うかはちゃんと考えないといけない、と思います。

ざっくばらんにいうと、平均値で棒グラフかいてbarで示す場合、
　SD:　データのバラツキ具合
　SE:　平均値がとりうるであろう範囲 (真の平均値の推定)
を表すわけだから、様々な要因でデータがばらつきやすい場合はSDでそれを示した方がいいと思うわけです。
けど、「barがでかいとデータが悪い」という人が多いのも事実だと思います。(残念なことですが)


私自身、まだまだ勉強しなければならないことが多いのですが、統計処理の持つ意味をはき違えないように、頑張っていこうと思います。
（生物学での統計ってのは、適当にやるくらいなら直感とfeelingで判断した方がマシというのが私の考えですがw)


また何か勉強したらその内容について書きたいと思います。
*検定方法の使い分けガイド的なものはいずれ書こうと思います。

密度勾配の作成

この1年くらい、細胞を分離するために密度勾配遠心をする機会が多くなりました。
さっきも明日使う予定のFicoll溶液の調整をしていました。
(Ficoll以外にもNycodenzもよく使っています)

初めて密度勾配遠心のために溶液を重層したときは、境界面がちょっと混ざってしまったりして美しいバンドを作成できなかったのですが、これもなんとか習得できました。

どこかの誰かがwebで「密度勾配　遠心　コツ」みたいなキーワードで検索したときのためにここに書いておきます。

1. 重層する液を重ねる前に遠心チューブの内壁を濡らしておき、そこを伝わらせて液を加える。
(縦に筋が通るようにするとよいが、その筋の幅が広い方がなお良い)
2. あまり小さいサイズのピペットを使わない。
(出口が小さいと圧が強く、液が出るときに勢いがつきすぎる)

・・・ホント、どうでもいい内容な上に、言葉じゃわかりにくいですね。

研究力強化促進費(仮)創設らしいが、これってなに？

えと、科学新聞の記事より抜粋

各大学が自らの強みと弱みを理解した上で、将来どのような分野で世界トップ５０に入るのか、そのためにどのような改革を行うのかのプランを評価し、新たに創設する研究協力促進費(仮)を配分する。

なるほど。わからん。
ではもう少し記事を読んでいこう。

ふむ、現在日本は論文数等ががた落ちしている、とそして研究者の新規採用も減って、博士課程進学の数も減っているとな。

で、国際競争力を回復させるためには、国は各大学の改革を促すことが重要であり、各大学も頑張れ、と。そのためにこのなんとか促進費で支援すると。

いやいや、まじでわからん。


国際競争力が下がるのは日本の事情・将来のことを考えると避けなければならないことはよくわかる。
そのためにも予算が必要なのはよくわかる。

だけど、そんな難しいこと言わずに

教授・准教授クラスの人が全力で研究できさえすれば、簡単に解決するんじゃね？と思うわけですよ。

研究・教育・大学運営等々、負担が偏重しすぎてて、ある意味せっかく高レベルまで昇ってきた人材が研究に参加できていないというのが現状じゃないでしょうか？

この予算の中に盛り込まれている助教クラスの若手研究者層を採用・強化するというのは個人的にはものすっごくありがたいことですが、そこで育ってもその先研究できないようなシステムじゃ、ね？