★ 이 책에서 다루는 내용 ★
■ 차세대 염기서열(NGS) 데이터 처리하기
■ FASTQ, BAM, VCF 형식을 사용한 게놈 데이터 다루기
■ 서열 데이터 비교 및 계통수 그리기
■ 복잡한 단백체학(proteomics) 데이터 분석하기
■ 파이썬으로 갤럭시(Galaxy) 서버 다루기
■ 대스크(Dask) 및 스파크(Spark)로 병렬 처리 계산하기
■ 사이토스케이프(Cytoscape)를 사용해 단백질 데이터의 상호작용 시각화하기
■ 생물학적 데이터로 주성분 분석(PCA)과 기계 학습하기
★ 이 책의 대상 독자 ★
중고급 생명정보학 문제에 관심 있는 데이터 과학자와 생명정보학자, 파이썬 프로그래머를 위한 책이다. 이 책을 보려면 생명정보학과 파이썬 언어의 기초 지식이 필요할 것이다. 독자의 이해를 돕기 위해 모든 장의 시작 부분에 짧지만 기초적인 설명을 더했다.
★ 이 책의 구성 ★
1장, '파이썬과 주변 소프트웨어 생태계'에서는 파이썬으로 최신 생명정보학 분석 환경을 구축하는 방법을 배운다. 또한 도커를 사용하는 방법과 주피터 노트북에서 R 언어를 사용하는 방법을 배운다.
2장, '차세대 염기서열 분석'에서는 FASTQ, BAM, VCF 파일 형식을 다루는 방법을 배우고 데이터 필터링을 설명한다.
3장, '게놈 데이터 다루기'에서는 다양한 품질의 게놈 데이터를 분석한다. 또한 GFF 처리를 소개하고 유전자 특성(feature) 정보를 분석하고 유전자 온톨로지(ontology)를 살펴본다.
4장, '집단유전학'에서는 게놈 데이터셋에 추가적으로 주성분 분석과 FST 를 계산하고 시각화하는 방법을 배운다.
5장, '집단유전학 시뮬레이션'에서는 simuPOP 라이브러리를 사용해 여러 가지 번식 전략을 사용하는 순방향 시뮬레이션하고 통계 분석을 해본다.
6장, '계통 발생학'에서는 재귀적 알고리즘을 사용해 에볼라 바이러스의 게놈 데이터로 실제 계통수를 그려본다.
7장, '단백질 데이터 뱅크 사용하기'에서는 Biopython 라이브러리로 PDB 파일을 처리하는 방법을 배우며, 간단한 단백질의 구조 분석과 시각화 방법을 살펴본다.
8장, '생명정보학 파이프라인'에서는 두 가지의 파이프라인을 소개한다. 첫 번째는 웹 기반의 갤럭시 프레임워크로 프로그래밍 지식이 없는 사용자를 대상으로 만들어졌다. 두 번째는 Airflow 프레임워크로 좀 더 범용적으로 사용되는 파이프라인이다.
9장, '파이썬으로 게놈 데이터셋 다루기'에서는 거대 데이터셋을 처리하는 고성능 프로그램 기법을 배운다. 병렬 처리 프레임워크인 대스크와 스파크를 간략하게 살펴보고 눔바와 사이썬으로 코드를 최적화하는 방법을 배운다.
10장, '생명정보학의 다른 주제들'에서는 GBIF 데이터를 분석하는 방법과 복잡한 네트워크를 시각화하는 도구인 사이토스케이프 사용법을 배운다.
11장, '고급 차세대 염기서열 분석'에서는 NGS 데이터를 필터링하는 고급 프로그래밍 기술을 배운다. 여기에는 표준 통계 분석과 기계 학습 기법이 포함된다.
저자 소개
저자 : 티아구 안타오
유전체학을 연구하는 생물정보학자다. 파이썬 생물정보학 라이브러리 'Biopython'의 공동 저자다. 컴퓨터공학을 공부했지만 포르투갈 포르토대학교(University of Porto)에서 생명정보학(Bioinformatics) 석사 학위를 마치고 영국 리버풀의과대학(Liverpool School of Tropical Medicine)에서 박사 학위를 받았다.
박사후 과정으로 영국 케임브리지대학교에서 인간 게놈(genome) 데이터를 분석하고 옥스퍼드대학교에서는 모기의 전체 게놈 서열 데이터 분석을 수행했다. 현재 미국 몬태나대학교(University of Montana)에서 연구원으로 일하고 있다.
역자 : 김태윤
제약회사 연구소에서 연구원으로 근무하며 생물학 실험과 프로그래밍에 관심이 많은 자칭 바이오해커다. 다양한 과정에서 얻은 경험을 공유하기 위해 블로그(https://partrita.github.io)를 운영하고 있다. 최근에는 신약 개발에 빅데이터, 기계 학습 등 다양한 분석 기술을 응용하기 위해 노력하고 있다. 그리고 언젠가 사이언스 판타지 소설을 써보고 싶다는 꿈이 있다.
목 차
1장. 파이썬과 주변 생태계
__소개
__아나콘다를 사용한 필요 소프트웨어 설치
__도커를 사용한 필요 소프트웨어 설치
__rpy2를 통해 R과 인터페이스 만들기
__주피터 노트북에서 R 매직 명령어 사용하기
2장. 차세대 염기서열 분석
__소개
__NCBI와 진뱅크 데이터베이스 둘러보기
__염기서열 분석의 기초
__배우기
__FASTQ 파일 다루기
__정렬 데이터 다루기
__VCF 파일 데이터 분석하기
__게놈 접근성과 SNP 데이터 필터하기
__HTSeq로 NGS 데이터 처리하기
3장. 게놈 데이터 다루기
__소개
__좋은 품질의 참조 게놈 다루기
__낮은 품질의 참조 게놈 다루기
__게놈 주석 살펴보기
__게놈 주석으로 원하는 유전자 추출하기
__Ensembl REST API로 오소로그검색
__Ensembl REST API로 유전자 온톨로지 정보 검색
4장. 집단유전학
__소개
__PLINK 형식 데이터셋 관리하기
__Genepop 파일 형식 소개
__Bio.PopGen으로 데이터셋 탐색하기
__F - 통계 계산하기
__주성분 분석하기
__ADMIXTURE 프로그램으로 집단 구조 조사하기
5장. 집단유전학 시뮬레이션
__소개
__순방향 시뮬레이터 소개
__선택 시뮬레이션
__섬 모델과 디딤돌 모델을 사용한 시뮬레이션
__복잡한 집단 통계 모델 만들기
6장. 계통 발생학
__소개
__계통 발생학 분석을 위한 데이터셋 준비
__유전자와 게놈 데이터 정렬
__서열 데이터 비교하기
__계통수 그리기
__재귀적으로 계통수 다루기
__계통수 시각화하기
7장. 단백질 데이터 뱅크 사용하기
__소개
__데이터베이스에서 단백질 정보 찾기
__Bio.PDB 소개
__PDB 파일에서 더 많은 정보 추출하기
__PDB 파일에서 분자간 거리 계산
__기하학적 계산하기
__PyMOL로 애니메이션 만들기
__Biopython을 사용해 mmCIF 파일 파싱하기
8장. 생명정보학 파이프라인
__소개
__갤럭시 서버 소개
__API를 사용해 갤럭시 사용하기
__갤럭시 도구 개발
__일반적인 파이프라인 사용법
__Airflow를 사용해 유전변이 분석 파이프라인 만들기
9장. 파이썬으로 유전체 빅데이터 다루기
__소개
__HDF5 데이터 형식
__대스크 라이브러리로 병렬분산처리
__파케이 데이터 형식
__스파크 라이브러리로 병렬분산처리
__사이썬과 눔바로 코드 최적화
10장. 생명정보학의 다른 주제들
__소개
__QIIME2로 메타지노믹스 분석하기
__생식세포계열로 공통 염색체 찾기
__REST API로 GBIF 데이터베이스 사용하기
__GBIF의 지리 참조 데이터 다루기
__사이토스케이프로 단백질 네트워크 시각화
11장. 고급 차세대 염기서열 분석
__소개
__분석을 위한 데이터셋 준비하기
__멘델리언 오류로 데이터 품질 관리
__의사 결정 나무를 사용한 데이터 탐색
__표준 통계로 데이터 탐색
__주석 데이터로 생물학적 특성 찾기
