ライフサイエンス
このドキュメント『ライフサイエンス』では、マーカー遺伝子型のデータを分析する機能や、交配のシミュレーションに基づき最適な交配を予測する機能を説明します。
• 「マーカーの統計量」プラットフォームは、2アレルのマーカー遺伝子型のデータからさまざまな統計量を求めます。品質管理（QC）のために、分析から除外するマーカーを選んだりもできます。詳細については、マーカーの統計量を参照してください。
• 「マーカーのシミュレーション」プラットフォームは、2アレルのマーカー遺伝子型のデータ、および、それらマーカー遺伝子型から予測される形質の予測式に基づいて、データテーブルに保存された集団からシミュレーションで交配を行い、子孫のデータを生成します。これらマーカー遺伝子型のデータおよび形質の予測式は、予めデータテーブルに保存しておく必要があります。予測式は、「応答のスクリーニング」プラットフォーム（『予測モデルおよび発展的なモデル』の「応答のスクリーニング」を参照）などで作成できます。さまざまな交配を試すことで、望ましい形質の組み合わせを持つ子孫がどの交配から生まれるかをシミュレーションに基づき予測できます。詳細については、マーカーのシミュレーションを参照してください。
• 「マーカーの関係性」プラットフォームは、マーカー遺伝子型のデータから、個体間における遺伝的関連性を計算します。このプラットフォームは、n行 × n 列（n = データテーブルの個体数）のゲノム関係行列（genomic relationship matrix）を作成します。作成されたゲノム関係行列は、「モデルのあてはめ」プラットフォームの［応答のスクリーニング］手法において、GBLUPモデルをあてはめる際に利用できます。また、ゲノム関係行列に対して主成分分析やクラスター分析などを行うことで、関係が近い個体のクラスターを見つけ出すこともできます。詳細については、マーカーの関係性を参照してください。
• 「マーカーの遺伝的混合」プラットフォームは、ある特定の集団におけるマーカー遺伝子型のデータから、「各個体に対して、複数の異なる祖先集団がどれぐらい寄与しているか」を表す混合確率を推定します。
• 「マーカーの補完」プラットフォームは、連鎖不平衡K近傍補完法（LD-kNNi; linkage disequilibrium k-nearest neighbor imputation）などによって、二倍体（または多倍体）生物のマーカー遺伝子型データの欠測値を補完します。欠測を持つマーカー遺伝子型のデータについて、他のすべてのマーカーとの距離が計算され、距離が近いマーカーが選択されます。次に、選択されたマーカーについて、欠測を持つサンプルと他のすべてのサンプル間の距離が計算されます。最後に、これら距離が近いサンプルとマーカーを元に、マーカー遺伝子型データの欠測値が補完されます。
• 「正規化」プラットフォームは、さまざまな手法によって生データを正規化（normalization）します。正規化されたデータは、新しいデータテーブルに保存するか、または元のデータターブルを置き換えることができます。
• 「距離行列」プラットフォームは、データテーブルにおける行の間の距離（または相違性）を計算します。計算できる距離として、Euclid距離（デフォルト）・Jaccard距離・Bray-Curtis距離・Gower距離・Hamming距離があります。これらの距離が、新しいデータテーブルに正方行列として保存されます。保存された距離行列をもとに、階層型クラスター分析やヒートマップによる描画などを行えます。