biolearnexact1vbd82vx9nlx9mnx9mvx9ocx9mn

メタデータとは何か

この記事で学ぶこと

メタデータは、測定値そのものではなく、その測定値がどのようなサンプル、条件、手順から得られたかを説明する情報です。

シーケンス解析では、サンプルの由来、条件、実験日、ライブラリ調製、シーケンス条件、解析に使った設定などがメタデータになります。データの表や図を読むとき、メタデータは「何と何を比べているのか」を確認するための地図になります。

バイオインフォマティクスでは、データ量が多くても、背景情報が足りないと何を比較しているのか分からなくなります。たとえば条件Aと条件Bを比べたいとき、サンプル数、採取方法、実験日、処理順、シーケンス条件が偏っていると、見えている差が生物学的な違いなのか技術的な違いなのか判断しにくくなります。

メタデータを確認すると、バッチ効果や取り違え、欠損情報、比較に使えないサンプルを早めに見つけやすくなります。解析の前提を明らかにすることは、結果を強く見せるためではなく、言える範囲を正直に決めるために重要です。

サンプルに関するメタデータには、サンプルID、群、時間点、組織、細胞種、処理条件、反復の情報などがあります。個人に関わる情報を扱う場合は、研究倫理や公開範囲にも注意が必要ですが、この教材では個別の健康判断ではなく、論文や解析表を読むための基礎として扱います。

実験に関するメタデータには、実験日、担当者、ライブラリ調製方法、シーケンサー、ラン、レーン、リード長などがあります。解析に関するメタデータには、使ったツール、バージョン、リファレンス、フィルタ条件、正規化方法などがあります。

解析の入口では、サンプル表を作り、各行をサンプル、各列を条件や処理情報にします。ファイル名だけに頼るのではなく、サンプルID、FASTQファイル、実験条件、解析対象を対応づける表を用意します。

品質管理の段階では、サンプルごとのリード数、マッピング率、発現量の分布、PCAなどをメタデータと照らし合わせます。実験日ごとにサンプルがまとまる、特定のランだけ品質が低い、といったパターンは、結果を読む前に確認したい手がかりです。

メタデータが不足すると、後から解析を再現したり、別の研究と比較したりすることが難しくなります。群名やサンプルIDが曖昧なままだと、カウント行列やVCFのような解析結果を正しくサンプルに戻せません。

メタデータの偏りは、解析結果の解釈にも影響します。たとえば条件Aのサンプルがすべて別の日に処理され、条件Bが別の日に処理されていた場合、条件差と実験日の差が重なります。このような場合、結果を読むときに設計上の限界として扱う必要があります。

論文では、メタデータはMethods、Supplementary table、データベース登録情報、サンプル説明の表として出てきます。RNA-seqやゲノム解析では、GEO、SRA、ENAなどのリポジトリにサンプルごとの条件やファイル対応が載ることがあります。

Methodsを読むときは、どのサンプルがどの群に入り、どの実験条件で測られ、どの解析条件で処理されたかを追います。図を見るときは、色分けやグループ名がメタデータのどの列に対応しているかを確認します。

日本語	英語	略語	説明
メタデータ	metadata	-	測定値やファイルの背景を説明するサンプル条件、実験条件、解析条件などの情報。
サンプル	sample	-	実験や解析で測定対象として扱う細胞、組織、個体、抽出物などの単位。
バッチ効果	batch effect	-	実験日、試薬、機器などの技術的な違いによって生じるデータの差。
品質管理	quality control	QC	データやサンプルが解析に使える状態かを確認する工程。

確認問題

読み終えた内容を、1問ずつ選択式で確認します。

未回答

4問最高記録なし復習なし