全ゲノム解析（Whole Genome Sequence）

• 全ゲノム情報より少ない情報量でも有用な解析が可能である場合がある：RAD-seq（Restriction Site Associated DNA Sequence）、ddRAD-seq（Double Digest RAD-seq）やGBS （Genotyping By Sequencing）.（https://genebay.co.jp/rad-seq-gbs/）

↓に続く.

GWAS

生態学におけるGWASでは、野生生物の様々な形質（例えば、体サイズ、繁殖成功率、耐病性など）とSNPとの関連を調べ、環境変化に対する生物の適応メカニズムを解明することを目指します。

Reference

• Uffelmann, E., Huang, Q.Q., Munung, N.S. et al. Genome-wide association studies. Nat Rev Methods Primers 1, 59 (2021). https://doi.org/10.1038/s43586-021-00056-9

• Pieter Clauw, Thomas James Ellis, Hai-Jun Liu, Eriko Sasaki, Beyond the Standard GWAS—A Guide for Plant Biologists, Plant and Cell Physiology, Volume 66, Issue 4, April 2025, Pages 431–443, https://doi.org/10.1093/pcp/pcae079

発現変動遺伝子の抽出 (DEGs; Differentially Expressed Genes 解析)

異なる条件やグループ間において発現量が大きく上昇または減少した遺伝子を抽出するための解析。

主なプロット手法

1. Volcano Plot（ボルケーノプロット）

   • 軸: 横軸に発現量比、縦軸に統計的有意性。

   • 特徴: 右上・左上に位置するほど「発現変動が大きく（FC大）」「有意（P値小さい）」な遺伝子。

2. MA Plot（MAプロット）

   • 軸: 横軸に平均発現量、縦軸に発現量のログ比。

   • 特徴: 低発現遺伝子におけるノイズや、発現量に依存した変動の全体像を把握するのに適する。

3. 散布図 (Scatter Plot)

   • 軸: A群の発現量 vs B群の発現量。対角線から外れた遺伝子が発現変動遺伝子。

4. ヒートマップ (Heatmap)

   • 発現変動が有意な上位遺伝子（DEG）のサンプル間での発現パターン（上昇/減少）をカラーで分類して表示する。 

(by Google AI)

[Reference]

• ###

GO (gene ontology) 解析 / Pathway 解析

発現変動遺伝子を抽出すると、遺伝子の一覧（リスト）が得られる。リストに含まれる遺伝子数が少ない場合には、各遺伝子を個別に確認することも可能である。しかし、遺伝子数が多くなると、全体像を把握し、その生物学的意義を解釈することは容易ではない。そのため、DEG（Differentially Expressed Genes）解析の後には、機能解析を行うことが一般的である。機能解析とは、抽出された遺伝子群がどのような生物学的機能や過程に偏って関与しているかを統計的に評価する解析手法である。具体的には、Gene Ontology（GO）や既知のパスウェイ情報を対象とすることが多く、それぞれGO解析、パスウェイ解析と呼ばれる。

[Reference]

• https://olvtools.com/deg

• 
  

Gene ontology analysis

GO解析（Gene Ontologyエンリッチメント解析、Gene Ontology解析、GO analysis、Gene Ontology analysis）とは、ある遺伝子のリストにおいて、遺伝子全体と比較して有意に多く観測される遺伝子機能を抽出する解析手法。RNA-Seq解析において、発現が変動した遺伝子群を抽出した際に、その遺伝子群がどのような機能に関与しているのかを解釈するためによく実施される。

Reference

• https://www.geneontology.org/

解析の委託

• 和研薬株式会社: https://www.wakenyaku.co.jp/jtk/list.php

• (株) 生物技研: https://gikenbio.com/dnaanalysis/ngs/

Textbook

始めよう！エコゲノミクス

• 山道真人・印南秀樹 (2012) 始めよう！エコゲノミクス (7) 今後のエコゲノミクス研究の展望. 日本生態学会誌 62(1): 95-109 DOI: 10.18960/seitai.62.1_95

• 山道真人 (2011) 迅速な進化と表現型可塑性が個体群動態に及ぼす影響. 数理解析研究所講究録 1751: 140-147 [PDF]

• 山道真人・印南秀樹 (2011) 始めよう！エコゲノミクス (6) 自然選択の検出（その2）. 日本生態学会誌 61(2): 237-249 DOI: 10.18960/seitai.61.2_237

• 山道真人・印南秀樹 (2010b) 始めよう！エコゲノミクス (5) 自然選択の検出（その1）. 日本生態学会誌 60(2): 293-302 DOI: 10.18960/seitai.60.2_293

• 山道真人・印南秀樹 (2010a) 始めよう！エコゲノミクス (4) 集団内変異データが語る過去：解析手法と理論的背景（その2）. 日本生態学会誌 60(1): 137-148 DOI: 10.18960/seitai.60.1_137

• 山道真人・印南秀樹 (2009b) 始めよう！エコゲノミクス (3) 集団内変異データが語る過去：解析手法と理論的背景（その1）. 日本生態学会誌 59(3): 339-349 DOI: 10.18960/seitai.59.3_339

• 山道真人・印南秀樹 (2009a) 始めよう！エコゲノミクス (2) ゲノムワイド関連マッピング. 日本生態学会誌 59(1): 105-113 DOI: 10.18960/seitai.59.1_105

• 山道真人・印南秀樹 (2008) 始めよう！エコゲノミクス (1) 局所適応と形質の分化. 日本生態学会誌 58(3): 241-247 DOI: 10.18960/seitai.58.3_241

始めよう！ベイズ推定によるデータ解析

• 山道真人・角谷拓 (2009) マルコフ連鎖モンテカルロ（MCMC）法を用いたシミュレーションモデルのパラメータ推定：ベイジアンキャリブレーション入門. 日本生態学会誌 59(2): 207-216 DOI: 10.18960/seitai.59.2_207 特集「始めよう！ベイズ推定によるデータ解析」

Reference

• Liu, Y., Liu, X., Kormas, K. A., Kou, C., Li, H., Li, Y., & Li, J. (2025). Integrating isotopic niche metrics and gut microbiota assembly reveals coexistence mechanisms in subtropical riverine fish. Ecological Informatics, 103305. https://doi.org/10.1016/j.ecoinf.2025.103305

• Jones, J. I., Arnold, A., Buchner, D., Murphy, J. F., Childress, J. N., Beja, P., ... & Blackman, R. C. Sources of uncertainty in DNA metabarcoding of whole communities: Implications for its use in biomonitoring. Methods in Ecology and Evolution. https://doi.org/10.1111/2041-210X.70093

The other review

• Hansen MM, Edwards C, Grossen C, Kardos M, Laikre L, Ramakrishnan U. Conservation Genomics-Making a Difference. Mol Ecol. 2025 Nov 27:e70191. doi: 10.1111/mec.70191. Epub ahead of print. PMID: 41311108.