- çŸåšãŸã§ã® HGC äž»å¬ã®åè¬ç¿äŒã§äœ¿çšããè³æãæ¬ããŒãžã«ãŠãŸãšããŠãããŸã
- SHIROKANE ã¯åžžã«ã·ã¹ãã ãæŽæ°ããŠãããå€ãè³æã®å 容ãçŸåšã®ã·ã¹ãã ãšåããªãããšããããŸã
- ãããã®è³æã®ç¡æã§ã®åå©çšãåé åžã¯çŠæ¢ããããŸã
- è³æã®é²èŠ§ã«ã¯ SHIROKANE ã®ã¢ã«ãŠã³ãã§ã®ãã°ã€ã³ãå¿ èŠã§ã
SHIROKANE Tutorial (2024 幎 7 æ 1 æ¥å®æœ)
Linux ã®åºæ¬æäœ è³æ
å©çšè
å
¥éè¬ç¿äŒ è³æ
倧èŠæš¡ã«ãžã§ããå®è¡ããéã®å¿åŸ è³æ
Linux ã®åºæ¬æäœ åç»
å©çšè
å
¥éè¬ç¿äŒ åç»
倧èŠæš¡ã«ãžã§ããå®è¡ããéã®å¿åŸ åç»
SHIROKANE Tutorial/Consulting (Supercomputer Wiki)
ãã€ãªã€ã³ãã©ããã£ã¯ã¹è§£æã«ããã R ã®å®è·µçåºç€ (2024 幎 10 æ 10 æ¥å®æœ)
ãã€ãªã€ã³ãã©ããã£ã¯ã¹è§£æã«ããã R ã®å®è·µçåºç€ è³æ (ææ°çãžã®ãªã³ã¯)
ãã€ãªã€ã³ãã©ããã£ã¯ã¹è§£æã«ããã R ã®å®è·µçåºç€ åç»
â» æ¬è¬ç¿äŒã®è³æã»åç»ã®èäœæš©ã¯è¬åž«ã® æŸäºäœä»åææ ã«åž°å±ããŸãã
åµè¬ã»ã©ã€ããµã€ãšã³ã¹ç 究åã NVIDIA BioNeMo ã®ã玹ä»ãšåºæ¬æäœ (2024 幎 7 æ 18 æ¥å®æœ)
åµè¬ã»ã©ã€ããµã€ãšã³ã¹ç 究åã NVIDIA BioNeMo ã®ã玹ä»ãšåºæ¬æäœ è³æ
åµè¬ã»ã©ã€ããµã€ãšã³ã¹ç 究åã NVIDIA BioNeMo ã®ã玹ä»ãšåºæ¬æäœ åç»
GPU ãš Parabricks ã«ããå šã²ãã 解æã®è¶ é«éåãšã©ã€ããµã€ãšã³ã¹ç 究ã®é²å (2023 幎 8 æ 29 æ¥å®æœ)
GPU ãš Parabricks ã«ããå
šã²ãã 解æã®è¶
é«éåãšã©ã€ããµã€ãšã³ã¹ç 究ã®é²å è³æ
GPU ãš Parabricks ã«ããå
šã²ãã 解æã®è¶
é«éåãšã©ã€ããµã€ãšã³ã¹ç 究ã®é²å åç»
é å解æããåŠã¶ãã€ãªã€ã³ãã©ããã£ã¯ã¹å ¥é è¬ç¿äŒ (2023 幎 1 æ 17 æ¥å®æœ)
é
å解æããåŠã¶ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é è³æ
é
å解æããåŠã¶ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é åç»
blast ã®ããããžã§ãå®è¡æŒç¿ è³æ
blast ã®ããããžã§ãå®è¡æŒç¿ åç»
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ (å®ç¿ç·š) (2022 幎 11 æ 18 æ¥å®æœ)
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ (å®ç¿ç·š) è³æ
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ (å®ç¿ç·š) åç»
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ (çè«ç·š) (2022 幎 11 æ 18 æ¥å®æœ)
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ (çè«ç·š) è³æ
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ (çè«ç·š) åç»
GPU ãš Parabricks ã«ããå šã²ãã 解æã®è¶ é«éåãšã©ã€ããµã€ãšã³ã¹ç 究ã®é²å (2022 幎 11 æ 9 æ¥å®æœ)
GPU ãš Parabricks ã«ããå
šã²ãã 解æã®è¶
é«éåãšã©ã€ããµã€ãšã³ã¹ç 究ã®é²å è³æ
GPU ãš Parabricks ã«ããå
šã²ãã 解æã®è¶
é«éåãšã©ã€ããµã€ãšã³ã¹ç 究ã®é²å åç»
R ã«ããã¡ãã£ã«ã«ããŒã¿ãµã€ãšã³ã¹ (æ¢çŽ¢çããŒã¿è§£æãã·ã³ã°ã«ã»ã«è§£æç·š) (2021 幎 2 æ 1 æ¥ ïœ 2 æ¥å®æœ)
- R ã«ããã¡ãã£ã«ã«ããŒã¿ãµã€ãšã³ã¹ æŒç¿çšããŒã¿
- R ã«ããã¡ãã£ã«ã«ããŒã¿ãµã€ãšã³ã¹ 1æ¥ç® è³æ
- R ã«ããã¡ãã£ã«ã«ããŒã¿ãµã€ãšã³ã¹ 1æ¥ç® åç»
- R ã«ããã¡ãã£ã«ã«ããŒã¿ãµã€ãšã³ã¹ 1æ¥ç® ã¹ã¯ãªãã
- R ã«ããã¡ãã£ã«ã«ããŒã¿ãµã€ãšã³ã¹ 1æ¥ç® æŒç¿åé¡åç
- R ã«ããã¡ãã£ã«ã«ããŒã¿ãµã€ãšã³ã¹ 2æ¥ç® è³æ
- R ã«ããã¡ãã£ã«ã«ããŒã¿ãµã€ãšã³ã¹ 2æ¥ç® åç»
- R ã«ããã¡ãã£ã«ã«ããŒã¿ãµã€ãšã³ã¹ 2æ¥ç® ã¹ã¯ãªãã
- R ã«ããã¡ãã£ã«ã«ããŒã¿ãµã€ãšã³ã¹ 2æ¥ç® æŒç¿åé¡åç 1
- R ã«ããã¡ãã£ã«ã«ããŒã¿ãµã€ãšã³ã¹ 2æ¥ç® æŒç¿åé¡åç 2
R ã®åºç€ãR ã«ããçµ±èšè§£æ (éºäŒåçºçŸè§£æç) (2020 幎 12 æ 16 æ¥ ïœ 17 æ¥å®æœ)
R ã®åºç€ãR ã«ããçµ±èšè§£æ 1 æ¥ç®
- R_introduction.html
- R_with_public_data.html
- R_with_SHIROKANE.html
- R ã®åºç€ãR ã«ããçµ±èšè§£æ 1 æ¥ç® åç»
R ã®åºç€ãR ã«ããçµ±èšè§£æ 2 æ¥ç®
DBTSS/DBKERO è¬ç¿äŒã»ã·ã³ã°ã«ã»ã«è§£æå ¥é (2020 幎 12 æ 9 æ¥å®æœ)
1. æè¿ã®ãªãŒãã¯ã¹ããŒã¿ç£çã®ããã㯠è³æ
2. ã·ã³ã°ã«ã»ã«è§£æã空éãã©ã³ã¹ã¯ãªãããŒã 解æã®æŠç¥ è³æ
3. ããŒã¿ããŒã¹ DBTSS/DBKERO è¬ç¿äŒ è³æ
4. DBKERO ã·ã³ã°ã«ã»ã«è§£æè¬ç¿äŒ è³æ
é
å解æããåŠã¶ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é è¬ç¿äŒ åç»
EEM ãçšãããããã©ã³ã¹ã¯ãªãããŒã ããŒã¿è§£æ (2020 幎 11 æ 20 æ¥å®æœ)
EEM ãçšãããããã©ã³ã¹ã¯ãªãããŒã ããŒã¿è§£æ è³æ
EEM ãçšãããããã©ã³ã¹ã¯ãªãããŒã ããŒã¿è§£æ åç»
é å解æããåŠã¶ãã€ãªã€ã³ãã©ããã£ã¯ã¹å ¥é è¬ç¿äŒ (2020 幎 10 æ 27 æ¥å®æœ)
é
å解æããåŠã¶ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é è³æ
blast ã®ããããžã§ãå®è¡æŒç¿ è³æ
é
å解æããåŠã¶ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é è¬ç¿äŒ (å
šç·š) åç»
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ Day 2 (å®ç¿ç·š) (2020 幎 10 æ 8 æ¥å®æœ)
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ Day 2 (å®ç¿ç·š) è³æ
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ Day 2 (å®ç¿ç·š) åç»
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ Day 1 (çè«ç·š) (2020 幎 10 æ 7 æ¥å®æœ)
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ Day 1 (çè«ç·š) è³æ
SiGN-BN éºäŒåãããã¯ãŒã¯è§£æè¬ç¿äŒ Day 1 (çè«ç·š) åç»
GPU ãš Parabricks ã«ããå šã²ãã 解æã®è¶ é«éåãšã©ã€ããµã€ãšã³ã¹ç 究ã®é²å (2020 幎 8 æ 7 æ¥å®æœ)
GPU ãš Parabricks ã«ããå
šã²ãã 解æã®è¶
é«éåãšã©ã€ããµã€ãšã³ã¹ç 究ã®é²å è³æ
GPU ãš Parabricks ã«ããå
šã²ãã 解æã®è¶
é«éåãšã©ã€ããµã€ãšã³ã¹ç 究ã®é²å åç»
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ (éºäŒåã»ãã解æãã·ã³ã°ã«ã»ã«è§£æç) (2020 幎 1 æ 9 æ¥ ïœ 10 æ¥å®æœ)
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ 1 æ¥ç® è³æ
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ 2 æ¥ç® è³æ
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ 1 æ¥ç® åç»
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ 2 æ¥ç® åç»
R ã®åºç€ãR ã«ããçµ±èšè§£æ (éºäŒåçºçŸè§£æç) (2019 幎 12 æ 23 æ¥ ïœ 24 æ¥å®æœ)
R ã®åºç€ãR ã«ããçµ±èšè§£æ 1 æ¥ç® è³æ
R ã®åºç€ãR ã«ããçµ±èšè§£æ 2 æ¥ç® è³æ
R ã®åºç€ãR ã«ããçµ±èšè§£æ 1 æ¥ç® åç»
R ã®åºç€ãR ã«ããçµ±èšè§£æ 2 æ¥ç® åç»
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ (2019 幎 9 æ 3 æ¥å®æœ)
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ è³æ
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ åç»
é å解æããåŠã¶ãã€ãªã€ã³ãã©ããã£ã¯ã¹å ¥é (2019 幎 5 æ 23 æ¥å®æœ)
é
å解æããåŠã¶ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é è³æ
blast ã®ããããžã§ãå®âŸæŒç¿ è³æ
é
å解æããåŠã¶ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é åå åç»
é
å解æããåŠã¶ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é åŸå åç»
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ (éºäŒåã»ãã解æãã·ã³ã°ã«ã»ã«è§£æç) (2019 幎 1 æ 24 æ¥ ïœ 25 æ¥å®æœ)
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ 1 æ¥ç® è³æ
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ 2 æ¥ç® è³æ
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ 1 æ¥ç® åå åç»
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ 1 æ¥ç® åŸå åç»
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ 2 æ¥ç® åå åç»
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ 2 æ¥ç® åŸå åç»
R ã®åºç€ãR ã«ããçµ±èšè§£æ (éºäŒåçºçŸè§£æç) (2018 幎 11 æ 29 æ¥ ïœ 30 æ¥å®æœ)
R ã®åºç€ãR ã«ããçµ±èšè§£æ 1 æ¥ç® è³æ
R ã®åºç€ãR ã«ããçµ±èšè§£æ 2 æ¥ç® è³æ
R ã®åºç€ãR ã«ããçµ±èšè§£æ 2 æ¥ç®è£è¶³è³æ
R ã®åºç€ãR ã«ããçµ±èšè§£æ 1 æ¥ç® åç»
R ã®åºç€ãR ã«ããçµ±èšè§£æ 2 æ¥ç® åç·š åç»
R ã®åºç€ãR ã«ããçµ±èšè§£æ 2 æ¥ç® åŸç·š åç»
Genomon2 Tutorial (2018 幎 9 æ 7 æ¥å®æœ)
ããã²ãã ã·ãŒã¯ãšã³ã¹è§£æå
¥éãš Genomon2 ã®çŽ¹ä» è³æ
Genomon2 ãã³ãºãªã³ã»ãã·ã§ã³å®è·µç·š è³æ
ããã²ãã ã·ãŒã¯ãšã³ã¹è§£æå
¥éãš Genomon2 ã®çŽ¹ä» åç»
Genomon2 ãã³ãºãªã³ã»ãã·ã§ã³å®è·µç·š åç»
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ (2018 幎 7 æ 27 æ¥å®æœ)
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ è³æ
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ åç»
Genomon2 Tutorial (2017 幎 10 æ 30 æ¥å®æœ)
ããã²ãã ã·ãŒã¯ãšã³ã¹è§£æã®åçãš Genomon2 ã®çŽ¹ä» è³æ
Genomon2 ãã³ãºãªã³ã»ãã·ã§ã³ è³æ
ããã²ãã ã·ãŒã¯ãšã³ã¹è§£æã®åçãš Genomon2 ã®çŽ¹ä» åç»
Genomon2 ãã³ãºãªã³ã»ãã·ã§ã³ åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠(2017 幎 9 æ 19 æ¥ ïœ 22 æ¥å®æœ)
R ã®åºç€ãšããã°ã©ãã³ã°å
¥é (9 æ 19 æ¥) è³æ
R ã«ããçµ±èšè§£æã»ã°ã©ãã£ãã¯ã¹å
¥é (9 æ 20 æ¥åå) è³æ
R ã«ããçµ±èšè§£æã»ã°ã©ãã£ãã¯ã¹å
¥é (9 æ 20 æ¥ååŸ) è³æ
R / Bioconductor ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹â (9 æ 21 æ¥åå) è³æ
R / Bioconductor ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹â (9 æ 21 æ¥ååŸ) è³æ
R / Bioconductor ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹â¡ (9 æ 22 æ¥) è³æ
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠1 æ¥ç®åå åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠1 æ¥ç®ååŸ åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠2 æ¥ç®åå åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠2 æ¥ç®ååŸ åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠3 æ¥ç®åå åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠3 æ¥ç®ååŸ åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠4 æ¥ç®åå åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠4 æ¥ç®ååŸ åç»
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ (2017 幎 7 æ 27 æ¥å®æœ)
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ è³æ
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ åç»
Genomon2 Tutorial å®è·µç·š (2016 幎 6 æ 24 æ¥å®æœ)
Genomon2 Tutorial å®è·µç·š è³æ
Genomon2 Tutorial (2016 幎 5 æ 24 æ¥å®æœ)
ããã²ãã ã·ãŒã¯ãšã³ã¹è§£æã®åçãš Genomon2 ã®çŽ¹ä» è³æ
Genomon2 ãå©çšããããã²ãã 解æã®å®é è³æ
Genomon2 ãã³ãºãªã³ã»ãã㌠è³æ
ããã²ãã ã·ãŒã¯ãšã³ã¹è§£æã®åçãš Genomon2 ã®çŽ¹ä» åç»
Genomon2 ãå©çšããããã²ãã 解æã®å®é åç»
Genomon2 ãã³ãºãªã³ã»ãã㌠åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠(2016 幎 5 æ 17 æ¥ ïœ 20 æ¥å®æœ)
R ã«ããããã°ã©ãã³ã°å
¥é (5 æ 17 æ¥) è³æ
R ã«ããçµ±èšè§£æã»ã°ã©ãã£ãã¯ã¹ (5 æ 18 æ¥) è³æ
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ (çºçŸè§£æããšãã²ãã 解æ) (5 æ 19 æ¥åå) è³æ
R ã«ãããã€ãªã€ã³ãã©ããã£ã¯ã¹ (çºçŸè§£æããšãã²ãã 解æ) (5 æ 19 æ¥ååŸ) è³æ
HGC ã¹ãã³ã³ã®çŽ¹ä»ãšãžã§ãå®è¡ (5 æ 20 æ¥) è³æ
R ã«ãããã€ããã©ãŒãã³ã¹ã»ã³ã³ãã¥ãŒãã£ã³ã° (5 æ 20 æ¥åå) è³æ
R ã«ãããã€ããã©ãŒãã³ã¹ã»ã³ã³ãã¥ãŒãã£ã³ã° (5 æ 20 æ¥ååŸ) è³æ
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠1 æ¥ç®åå åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠1 æ¥ç®ååŸ åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠2 æ¥ç®åå åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠2 æ¥ç®ååŸ åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠3 æ¥ç®åå åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠3 æ¥ç®ååŸ åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠4 æ¥ç®åå åç»
çµ±èšåŠçèšèª R ãã³ãºãªã³ã»ãã㌠4 æ¥ç®ååŸ åç»
ãã€ãªã€ã³ãã©ããã£ã¯ã¹ãçšããããç 究ã®å®é (2016 幎 1 æ 26 æ¥å®æœ)
次äžä»£ã·ãŒã±ã³ãµãŒè§£æãã€ãã©ã€ã³ Genomon ã®çŽ¹ä» è³æ
é£éæå¹³äžç®çã®ã²ãã 解æ è³æ
EEM æ³ãçšããã²ãã ããã©ã³ã¹ã¯ãªãããŒã çµ±å解æ è³æ
è
«çå
äžåäžæ§ç解ã®ããã®å€§è
žããã²ãã 解æåã³é²åã·ãã¥ã¬ãŒã·ã§ã³ è³æ
ã€ã³ãããã¯ã·ã§ã³ åç»
次äžä»£ã·ãŒã±ã³ãµãŒè§£æãã€ãã©ã€ã³ Genomon ã®çŽ¹ä» åç»
é£éæå¹³äžç®çã®ã²ãã 解æ åç»
EEM æ³ãçšããã²ãã ããã©ã³ã¹ã¯ãªãããŒã çµ±å解æ åç»
è
«çå
äžåäžæ§ç解ã®ããã®å€§è
žããã²ãã 解æåã³é²åã·ãã¥ã¬ãŒã·ã§ã³ åç»
ãã€ã¯ããœãã ã¯ã©ãŠããµãŒãã¹ Azure Machine Learning 掻çšãšå®è·µ (2015 幎 12 æ 10 æ¥å®æœ)
Microsoft Azure ã®çŽ¹ä» è³æ
ã¯ã©ãŠãã掻çšããæ©æ¢°åŠç¿ è³æ
Microsoft Azure ã®çŽ¹ä» åç»
ã¯ã©ãŠãã掻çšããæ©æ¢°åŠç¿ åç»
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ (2014 幎 9 æ 26 æ¥å®æœ)
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ è³æ
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ 1 åç»
éºäŒåãããã¯ãŒã¯è§£æå®ç¿è¬ç¿äŒ 2 åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (2014 幎 6 æ 24, 25 æ¥å®æœ)
çµ±èšåŠçèšèª R è¬ç¿äŒ (6 æ 24 æ¥) è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ (6 æ 25 æ¥) è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ (6 æ 24 æ¥) åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (6 æ 25 æ¥) åç»
HGC 解æããŒã«è¬ç¿äŒ 2 åç® (2014 幎 5 æ 13 æ¥å®æœ)
ãããšããœãŒã ã·ãŒã¯ãšã³ã¹ããŒã¿è§£æãã€ãã©ã€ã³ Genomon-exome ã®çŽ¹ä» è³æ
çºçŸã¢ãžã¥ãŒã«æœåºãœãããŠã§ã¢ EEM ã®çŽ¹ä» è³æ
倧èŠæš¡éºäŒåãããã¯ãŒã¯æšå®ãœãããŠã§ã¢ SiGN è³æ
転åå¶åŸ¡é åã®è§£æçšããŒã¿ããŒã¹ãšããŒã« DBTSS, DBTBS, & Melina2 ãšçŽ°èå
å±åšéšäœäºæž¬ãµãŒã PSORT è³æ
çºçŸã¢ãžã¥ãŒã«æœåºãœãããŠã§ã¢ EEM ã®çŽ¹ä» åç»
倧èŠæš¡éºäŒåãããã¯ãŒã¯æšå®ãœãããŠã§ã¢ SiGN åç»
転åå¶åŸ¡é åã®è§£æçšããŒã¿ããŒã¹ãšããŒã« DBTSS, DBTBS, & Melina2 ãšçŽ°èå
å±åšéšäœäºæž¬ãµãŒã PSORT åç»
HGC 解æããŒã«è¬ç¿äŒ 1 åç® (2014 幎 4 æ 22 æ¥å®æœ)
HGC ã¹ãã³ã³ãµãŒãã¹ã®çŽ¹ä» è³æ
Protein function annotation using the databases Hintdb, HitPredict, ef-Site and Coxpressdb è³æ
ããŠã¹åæè転åããŒã¿ããŒã¹ DBTMEE ã®çŽ¹ä» è³æ
çäœå
ååã¢ãã«ã® Graphical Simulation Software: Cell Illustrator è³æ
çåœã·ã¹ãã æ
å ±çµ±åããŒã¿ããŒã¹ KEGG ã®çŽ¹ä» è³æ
HGC ã¹ãã³ã³ãµãŒãã¹ã®çŽ¹ä» åç»
Protein function annotation using the databases Hintdb, HitPredict, ef-Site and Coxpressdb åç»
ããŠã¹åæè転åããŒã¿ããŒã¹ DBTMEE ã®çŽ¹ä» åç»
çäœå
ååã¢ãã«ã® Graphical Simulation Software: Cell Illustrator åç»
çåœã·ã¹ãã æ
å ±çµ±åããŒã¿ããŒã¹ KEGG ã®çŽ¹ä» åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (2013 幎 2 æ 14, 15 æ¥å®æœ)
çµ±èšåŠçèšèª R è¬ç¿äŒ 1 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 2 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 3 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 4 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 5 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ (2 æ 14 æ¥) åç·š åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (2 æ 14 æ¥) åŸç·š åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (2 æ 15 æ¥) åç·š åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (2 æ 15 æ¥) åŸç·š åç»
Web ãµãŒãã¹å©çšæ³è¬ç¿äŒ (2013 幎 2 æ 7 æ¥å®æœ)
HGC ã¹ãã³ã³ãµãŒãã¹ã®çŽ¹ä» è³æ
çµ±ååããŒã¿ããŒã¹ GeneCards ã®çŽ¹ä» è³æ
Comprehensive and reliable protein-protein interactions using HitPredict and Hintdb è³æ
Gene function identification using eF-site and COXPRESdb è³æ
転åå¶åŸ¡é åã®è§£æçšããŒã¿ããŒã¹ãšããŒã« DBTSS, DBTBS, & Melina2 ãšçŽ°èå
å±åšéšäœäºæž¬ãµãŒã PSORT è³æ
ãããšããœãŒã ã·ãŒã¯ãšã³ã¹ããŒã¿è§£æãã€ãã©ã€ã³ Genomon-exome ã®çŽ¹ä» è³æ
çºçŸã¢ãžã¥ãŒã«æœåºãœãããŠã§ã¢ EEM ã®çŽ¹ä» è³æ
çäœå
ååã¢ãã«ã®ã°ã©ãã£ã«ã«ã·ãã¥ã¬ãŒã·ã§ã³ãœãããŠã§ã¢ Cell Illustrator Online è³æ
çåœã·ã¹ãã æ
å ±çµ±åããŒã¿ããŒã¹ KEGG ã®çŽ¹ä» è³æ
倧èŠæš¡éºäŒåãããã¯ãŒã¯æšå® ãœãããŠã§ã¢ SiGN è³æ
â»ãTranscriptome sequence data ããèåéºäŒåãæœåºãããã©ãããã©ãŒã Genomon-fusion ã«ã€ããŠã®çŽ¹ä»ãã«ã€ããŸããŠã¯ä»åŸæ²èŒäºå®ã§ãã
HGC ã¹ãã³ã³ãµãŒãã¹ã®çŽ¹ä» åç»
çµ±ååããŒã¿ããŒã¹ GeneCards ã®çŽ¹ä» åç»
Comprehensive and reliable protein-protein interactions using HitPredict and Hintdb åç»
Gene function identification using eF-site and COXPRESdb åç»
転åå¶åŸ¡é åã®è§£æçšããŒã¿ããŒã¹ãšããŒã« DBTSS, DBTBS, & Melina2 ãšçŽ°èå
å±åšéšäœäºæž¬ãµãŒã PSORT åç»
ãããšããœãŒã ã·ãŒã¯ãšã³ã¹ããŒã¿è§£æãã€ãã©ã€ã³ Genomon-exome ã®çŽ¹ä» åç»
çºçŸã¢ãžã¥ãŒã«æœåºãœãããŠã§ã¢ EEM ã®çŽ¹ä» åç»
çäœå
ååã¢ãã«ã®ã°ã©ãã£ã«ã«ã·ãã¥ã¬ãŒã·ã§ã³ãœãããŠã§ã¢ Cell Illustrator Online åç»
çåœã·ã¹ãã æ
å ±çµ±åããŒã¿ããŒã¹ KEGG ã®çŽ¹ä» åç»
倧èŠæš¡éºäŒåãããã¯ãŒã¯æšå® ãœãããŠã§ã¢ SiGN åç»
â»ãTranscriptome sequence data ããèåéºäŒåãæœåºãããã©ãããã©ãŒã Genomon-fusion ã«ã€ããŠã®çŽ¹ä»ãã«ã€ããŸããŠã¯ä»åŸæ²èŒäºå®ã§ãã
転åå¶åŸ¡ã®ãã€ãªã€ã³ãã©ããã£ã¯ã¹å ¥é (2012 幎 11 æ 29 æ¥å®æœ)
転åå¶åŸ¡ã®ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é 1 è³æ
転åå¶åŸ¡ã®ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é 2 è³æ
転åå¶åŸ¡ã®ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é 3 è³æ
転åå¶åŸ¡ã®ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é åç»
ã¿ã³ãã¯çžäºäœçšäºæž¬ã¢ãã«è§£ææŒç¿ã»èšç®ã·ã¹ãã çç©åŠæŒç¿ (2012 幎 9 æ 27 æ¥å®æœ)
ã¿ã³ãã¯çžäºäœçšäºæž¬ã¢ãã«è§£ææŒç¿ 1 è³æ
ã¿ã³ãã¯çžäºäœçšäºæž¬ã¢ãã«è§£ææŒç¿ 2 è³æ
ã¿ã³ãã¯çžäºäœçšäºæž¬ã¢ãã«è§£ææŒç¿èšç®ã·ã¹ãã çç©åŠæŒç¿ åç»
- 2012/6/15ãè¬ç¿äŒå®æœåŸã®ã¢ã³ã±ãŒãã«ãŠãèŠæã®ãã£ãã UGE ã®è©³çŽ°ãªã³ãã³ãå©çšæ¹æ³ãå
¬éããŸãã (è±èªã®ã¿)ã
UGE User Guid
çµ±èšåŠçèšèª R è¬ç¿äŒ (2012 幎 2 æ 16, 17 æ¥å®æœ)
çµ±èšåŠçèšèª R è¬ç¿äŒ 1 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 2 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 3 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 4 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 5 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ Data è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ Task è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ (2 æ 16 æ¥) åç·š åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (2 æ 16 æ¥) åŸç·š åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (2 æ 17 æ¥) åç·š åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (2 æ 17 æ¥) åŸç·š åç»
HGC ã¹ãã³ã³ Web ãµãŒãã¹å©çšæ³è¬ç¿äŒ (2011 幎 10 æ 25 æ¥å®æœ)
HGC ã¹ãã³ã³ãµãŒãã¹ã®çŽ¹ä» è³æ
GeneCards ã®çŽ¹ä» è³æ
çæ žçç©è»¢åå¶åŸ¡è§£æã®ããã®ããŒã¿ããŒã¹: DBTSS ãš Melina2 è³æ
å®ç¿ããŒã è³æ
å
±çºçŸããŒã¿ããŒã¹ COXPRESdb è³æ
æ¯èè転åããŒã¿ããŒã¹ DBTBS ãšçŽ°èå
å±åšéšäœäºæž¬ãµãŒã PSORT è³æ
PDBj & eF-site ã®çŽ¹ä» è³æ
KEGG ããŒã¿ããŒã¹ã®çŽ¹ä» è³æ
ã©ã€ããµã€ãšã³ã¹çµ±å DB ã®ãµãŒãã¹çŽ¹ä» è³æ
Cell Illustrator Online ã®çŽ¹ä» è³æ
倧èŠæš¡éºäŒåãããã¯ãŒã¯æšå®ãœãããŠã§ã¢ SiGN è³æ
HGC ã¹ãã³ã³ Web ãµãŒãã¹å©çšæ³è¬ç¿äŒ (10 æ 25 æ¥) åç·š åç»
HGC ã¹ãã³ã³ Web ãµãŒãã¹å©çšæ³è¬ç¿äŒ (10 æ 25 æ¥) åŸç·š åç»
Sun Grid Engine (SGE) å©çšæ³è¬ç¿äŒ (2011 幎 6 æ 1 æ¥å®æœ)
Sun Grid Engine å©çšæ³ è³æ
倧èŠæš¡ãžã§ãå®è¡æã®å¿åŸ è³æ
Sun Grid Engine å©çšæ³ åç»
倧èŠæš¡ãžã§ãå®è¡æã®å¿åŸ åç»
WebãµãŒãã¹å©çšæ³è¬ç¿äŒ (2010 幎 8 æ 5 æ¥å®æœ)
Higet & SSS è³æ
GeneCards ã®çŽ¹ä» è³æ
DBTBS ããŒã¿ããŒã¹ã®çŽ¹ä»ãšãã¯ããªã¢ã«ããã転åå¶åŸ¡ è³æ
DBTSS ããŒã¿ããŒã¹ã®çŽ¹ä» è³æ
å
±çºçŸããŒã¿ããŒã¹ COXPRESdb è³æ
PSORT: ã¿ã³ãã¯è³ªã®çŽ°èå
å±åšéšäœäºæž¬ã·ã¹ãã è³æ
PDBj & eF-site ã®çŽ¹ä» è³æ
KEGG ããŒã¿ããŒã¹ã®çŽ¹ä» è³æ
ã©ã€ããµã€ãšã³ã¹çµ±å DB ã®ãµãŒãã¹çŽ¹ä» è³æ
Web ãµãŒãã¹å©çšæ³è¬ç¿äŒ (8 æ 5 æ¥) åç·š åç»
Web ãµãŒãã¹å©çšæ³è¬ç¿äŒ (8 æ 5 æ¥) åŸç·š åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (2010 幎 7 æ 8, 9 æ¥å®æœ)
çµ±èšåŠçèšèª R è¬ç¿äŒ 1 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 2 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 3 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 4 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ (7 æ 8 æ¥) åç·š åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (7 æ 8 æ¥) åŸç·š åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (7 æ 9 æ¥) åç·š åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (7 æ 9 æ¥) åŸç·š åç»
MPI è¬ç¿äŒ (2010 幎 5 æ 26, 27 æ¥å®æœ)
MPI è¬ç¿äŒ 1 è³æ
MPI è¬ç¿äŒ 2 è³æ
MPI è¬ç¿äŒ 3 è³æ
MPI è¬ç¿äŒ (5 æ 26 æ¥) åç»
MPI è¬ç¿äŒ (5 æ 27 æ¥) åç»
Sun Grid Engine å©çšæ³è¬ç¿äŒ & 倧èŠæš¡ãžã§ãå®è¡æã®å¿åŸ (2010 幎 4 æ 28 æ¥å®æœ)
Sun Grid Engine å©çšæ³ è³æ
倧èŠæš¡ãžã§ãå®è¡æã®å¿åŸ è³æ
Sun Grid Engine å©çšæ³ åç»
倧èŠæš¡ãžã§ãå®è¡æã®å¿åŸ åç»
転åå¶åŸ¡ã®ãã€ãªã€ã³ãã©ããã£ã¯ã¹å ¥é (2009 幎 12 æ 18 æ¥å®æœ)
転åå¶åŸ¡ã®ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é 1 è³æ
転åå¶åŸ¡ã®ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é 2 è³æ
転åå¶åŸ¡ã®ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é 3 è³æ
転åå¶åŸ¡ã®ãã€ãªã€ã³ãã©ããã£ã¯ã¹å
¥é åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (2009 幎 10 æ 1, 2 æ¥å®æœ)
çµ±èšåŠçèšèª R è¬ç¿äŒ 1 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 2 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 3 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ 4 è³æ
çµ±èšåŠçèšèª R è¬ç¿äŒ (10 æ 1 æ¥) åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (10 æ 2 æ¥) åç·š åç»
çµ±èšåŠçèšèª R è¬ç¿äŒ (10 æ 2 æ¥) åŸç·š åç»
Pipeline Pilotå©çšæ³è¬ç¿äŒ (2009 幎 5 æ 19 æ¥å®æœ)
Pipeline Pilot å©çšæ³ è³æ
Sun Grid Engine å©çšæ³è¬ç¿äŒ (2009 幎 4 æ 28 æ¥å®æœ)
Sun Grid Engine å©çšæ³ è³æ
Sun Grid Engine å©çšæ³ (åç·š) åç»ã(åŸç·š) åç»
KEGG / GenomeNet ããŒã¿ããŒã¹è¬ç¿äŒ(2009 幎 1 æ 29, 30 æ¥å®æœ)
é
åããŒã¿ (GENES, KAAS, KO) è³æ
ãã¹ãŠã§ã€ããŒã¿ (PATHWAY, Atlas, KGML) è³æ
æ€ç©ä»£è¬ïŒã±ãã«ã«ããŒã¿ (PLANT, LIGAND) è³æ
çŸæ£ïŒBRITE ããŒã¿ (DISEASE, BRITE, KegHier) è³æ
å»è¬åããŒã¿ (Drug, JAPIC, KegDraw) è³æ
é
å解æããŒã« 1 (BLAST/FASTA, MOTIF) é
å解æããŒã« 2 (CLUSTALW/MAFFT/PRRN, KegArray) è³æ
ã±ãã«ã«è§£æããŒã« (Simcomp, e-zyme, KCaM, GECS) è³æ
ããã°ã©ã ããã®å©çšæ³ (KEGG API) è³æ
é
åããŒã¿ (GENES, KAAS, KO) åç»
ãã¹ãŠã§ã€ããŒã¿ (PATHWAY, Atlas, KGML) åç»
æ€ç©ä»£è¬ïŒã±ãã«ã«ããŒã¿ (PLANT, LIGAND) åç»
çŸæ£ïŒBRITE ããŒã¿ (DISEASE, BRITE, KegHier) åç»
å»è¬åããŒã¿ (Drug, JAPIC, KegDraw) åç»
é
å解æããŒã« 1 (BLAST/FASTA, MOTIF) åç»
é
å解æããŒã« 2 (CLUSTALW/MAFFT/PRRN, KegArray) åç»
ã±ãã«ã«è§£æããŒã« (Simcomp, e-zyme, KCaM, GECS) åç»
ããã°ã©ã ããã®å©çšæ³ (KEGG API) åç»
éºäŒåçºçŸãããã¡ã€ã«ã®çç©åŠç解éã«é¢ããè¬ç¿äŒ(2009 幎 1 æ 27 æ¥å®æœ)
Introduction to BKL è³æ
Promoter analysis of genes induced upon activation of PAR-1 è³æ
Biological interpretation of high-throughput gene expression profiles using BIOBASEâs ExPlain è³æ
Biological interpretation of high-throughput gene exp ression profiles using BIOBASEâs ExPlain (1) åç»
Biological interpretation of high-throughput gene exp ression profiles using BIOBASEâs ExPlain (2) åç»
çµ±èšåŠçèšèª  è¬ç¿äŒ (2008 幎 8 æ 6 æ¥å®æœ)
Short Introduction to the Statistical Language R è³æ
Understanding data è³æ
Regression AOVA classical tests è³æ
Plotting è³æ
WEB ãµãŒãã¹å©çšæ³è¬ç¿äŒ (2008 幎 6 æ 5 æ¥å®æœ)
Higet & SSS è³æ
GeneCards ã®çŽ¹ä» è³æ
DBTBS ããŒã¿ããŒã¹ã®çŽ¹ä»ãšãã¯ããªã¢ã«ããã転åå¶åŸ¡ è³æ
DBTSS ããŒã¿ããŒã¹ã®çŽ¹ä» è³æ
COXPRES è³æ
PSORT: ã¿ã³ãã¯è³ªã®çŽ°èå
å±åšéšäœäºæž¬ã·ã¹ãã è³æ
PDBj & eF-site ã®çŽ¹ä» è³æ
KEGG ããŒã¿ããŒã¹ã®çŽ¹ä» è³æ
ã©ã€ããµã€ãšã³ã¹çµ±å DB ã®ãµãŒãã¹çŽ¹ä» è³æ
Sun Grid Engine å©çšæ³è¬ç¿äŒ ïŒ PC ã¯ã©ã¹ã¿è¬ç¿äŒ (2008 幎 4 æ 23 æ¥å®æœ)
Sun Grid Engine å©çšæ³ (Sun Fire 15Kã6800åã) è³æ
PC ã¯ã©ã¹ã¿å©çšæ³ è³æ
çµ±èšåŠçèšèªRè¬ç¿äŒ (2007 幎 8 æ 2, 3 æ¥å®æœ)
1 æ¥ç® è³æ 1 è³æ
1 æ¥ç® è³æ 2 è³æ
2 æ¥ç® è³æ 1 è³æ
2 æ¥ç® è³æ 2 è³æ
WEBãµãŒãã¹å©çšæ³è¬ç¿äŒ (2007 幎 5 æ 22 æ¥å®æœ)
HiGet & SSS è³æ
GeneCards ã®çŽ¹ä» è³æ
DBTBS ããŒã¿ããŒã¹ã®çŽ¹ä»ãšãã¯ããªã¢ã«ããã転åå¶åŸ¡ è³æ
DBTSS ããŒã¿ããŒã¹ã®çŽ¹ä» è³æ
COXPRES è³æ
PSORT: ã¿ã³ãã¯è³ªã®çŽ°èå
å±åšéšäœäºæž¬ã·ã¹ãã è³æ
PDBj & eF-site ã®çŽ¹ä» è³æ
Sun Grid Engine å©çšæ³è¬ç¿äŒ (2007 幎 4 æ 27 æ¥å®æœ)
Sun Grid Engine å©çšæ³ (Sun Fire 15Kã6800åã) è³æ
GCG è¬ç¿äŒ (2005 幎 10 æ 6, 7 æ¥å®æœ)
SeqWeb (Web) è³æ
GCG (ã³ãã³ãã©ã€ã³) è³æ
ããŒã¿ããŒã¹è¬ç¿äŒ (2005 幎 7 æ 8 æ¥å®æœ)
ããã²ãã 解æã»ã³ã¿ãŒã§å©çšå¯èœãªããŒã¿ããŒã¹ã®çŽ¹ä» è³æ
GenomeNet ã§å©çšå¯èœãªããŒã¿ããŒã¹ã®çŽ¹ä» è³æ (å®ç¿ããŒã) è³æ
KEGG ã® GENES ããŒã¿ããŒã¹ã®å®ç¿ è³æ
KEGG ã® PATHWAY ããŒã¿ããŒã¹ã®å®ç¿ è³æ
DBTSS ããŒã¿ããŒã¹ã®çŽ¹ä» è³æ, promoter é å解æã®å®ç¿ããŒã è³æ
æåŸ
è¬æŒ ã¿ã³ãã¯è³ªç«äœæ§é ããŒã¿ããŒã¹ PDB ãš PDBj è³æ