
14
1 章 エレガントな NumPy:科学 Python の基礎
め、標本を比較する際には、何らかのデータ変換を行ってすべての測定値を共通のスケールに揃え
る必要があります。
本章の例題の場合、実験で特定される差異が純粋に生物学的差異に対応するように、実験手法に
よるアーティファクトを除く必要があります。そこで、遺伝子発現データにセットで適用されるこ
との多い、「標本(列)間」と「遺伝子(行)間」の
2
段階の正規化を考えてみます。
1.4.1
標本間の正規化
例えば、
RNA
シーケンシング実験では、リード数が標本間で大きくばらつくことがあります。
ここでは、全遺伝子の発現リード数の分布をプロットしてみましょう。まず、列の総和を取って各
標本の全遺伝子の発現の総数を調べ、標本間の差を見ます。総リード数の分布を可視化するため、
カーネル密度推定(
KDE
)を使います。この手法は一般に、度数分布図を平滑化して、元にある
分布をより明確にするために使われます。
正規化を始める前に、描画の設定を行う必要があります(設定は章ごとに行います)。以下の
コードの各行の詳細については、描画に関するひとことメモをご覧ください。
# Make all plots appear inline in the Jupyter notebook from now onwards
%matplotlib inline
以後すべてのプロットを
Jupyter
ノートブック内でインライン表示させる。
# Use our own style file ...