大規模データに対して計算機を使って研究するときの基礎留意点

• Goecks, J., A. Nekrutenko, et al. (2010). Genome Biol. 11: R86.
• ３要素
  • Accessibility
  • Reproducibility
  • Transparency(これについてはこの記事では扱わない)
• Accessibilityについて
  • プログラミング・情報学系のスキルが必要
    • ツールをインストールできなくては、始まらない
    • ツールの引数が何で、それに何を与えるのか、について理解できなくては、回せない(回せても結果に責任が持てない)
    • 複数のアプリケーションをつないで実行するノウハウがないと立ち行かない
  • 解決へ向けた動き
    • チュートリアルの整備
      • たとえばRのそれ(Statistics Using R with Biological Examples)
    • 解析ツールの統合パック化
      • Bioconductor
      • Bioperl
      • Web-based interfaces(EMBOSS)
• Reproducibilityについて
  • Accessibilityより重大・深刻
  • 再現できるような実行ログを残して公開する
    • この実行ログに関する１文が理解できれば、大丈夫、その意味があいまいだったり、「理解している」つもりで「理解していな」ければ、再現性の担保は不可能
    • このスキルの習得にはプログラミング・情報学系の教育が必須
  • Reproducibilityを困難にする要因
    • 欠測値の存在とその取扱い→参考(Nat.Genet. 2009, 41:149-155 マイクロアレイデータ解析の再現可能性に関する論文)
• 次世代シークエンサーデータでは…
  • 次の項目のために、AccessibilityとReproducibility上の困難が増大する
    • 標準方法の未確立
    • データサイズの巨大化
    • ツール・アプリの複雑化・新ツールの追加
    • 実験プロトコル・出力プロトコルの多様化・変化
• Reproducible Research System(RRS)の導入による改善(解決)への試み(Galaxy)