| 開催日 | 2026年7月24日(金) |
|---|---|
| 開催地 | Web |
☆信頼できるメタボローム解析のための実践解説講座！
☆データ解析の考え方を正しく理解し、実例を交えて、使いこなす力を身に付ける！
☆生成AIの話題を含めて、4時間でポイントを整理いたします！
【テーマ名】
メタボロームデータ解析の落とし穴と品質評価＜生成AI利用の話題を含む＞
―質量分析データの理解と再現性のある研究の進め方―
【講師】
慶應義塾大学 先端生命科学研究所
政策・メディア研究科
教授 博士(学術、歯学)
杉本 昌弘 氏
【学歴】
2000年 早稲田大学大学院 理工学研究科 機械工学専攻 工学修士取得
2005年 慶應義塾大学大学院 政策・メディア研究科 博士（学術）取得
2013年 神奈川歯科大学大学院 博士（歯学）取得
【職歴】
2000年～2010年 三菱スペース・ソフトウェア株式会社
2010年 慶應義塾大学 政策・メディア研究科 特別研究講師
2011年4月～2013年3月 京都大学大学院 医学研究科 メディカルイノベーションセンター悪性制御研究所 特定講師
2017年 慶應義塾大学 政策・メディア研究科 特任教授
2017年～2022年 東京医科大学 医学総合研究所 教授
2023年 慶應義塾大学 政策・メディア研究科 教授
【専門および得意な分野・研究】
・メタボロミクス
・バイオインフォマティクス
・システムズ・バイオロジー
【本テーマ関連学協会での活動】
・日本オミックス医学会
・Metabolomics Society
・日本バイオインフォマティクス学会
・日本分子生物学会
・歯科基礎医学会
・日本膵癌学会
・日本癌学会
・日本乳癌学会
【開催日時(オンライン配信)】
2026年7月24日(金) 13:00-17:00
【受講料】
●オンライン受講(見逃し視聴なし)：1名46,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき35,200円
●オンライン受講(見逃し視聴あり)：1名51,700円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき40,700円
※詳細な内容やお申込み要領等は、下段「セミナーホームページを見る」をご参照ください。
【セミナーの内容】
■講座のポイント
メタボローム解析では、多数の代謝物を同時に測定できるため、生体状態の理解やバイオマーカー探索などに広く利用されている。一方で、質量分析に基づくメタボロームデータには、サンプル採取、前処理、測定条件、同定精度などに起因する独特のばらつきや不確実性が含まれることがある。近年は生成AIや各種解析ツールの発達により、統計解析や機械学習によるデータ解析は比較的容易に実行できるようになったが、データの品質や測定原理を十分理解しないまま解析を進めると、誤った結論に至る可能性がある。
本講座では、メタボローム研究のユーザーの立場から、測定原理とデータの特徴を理解し、データ品質を評価しながら適切な解析戦略を選択するための実践的な考え方を解説する。実例を通じて、再現性の高いメタボローム研究を進めるためのポイントを紹介する。
■受講後、習得できること
・メタボローム解析（LC-MS、GC-MS、CE-MS）の基本的な測定原理
・メタボロームデータに特有のばらつきや誤差の要因の理解
・メタボロームデータの品質を評価するための視点
・多変量解析や機械学習を適用する際の注意点
・論文や研究データの再現性・信頼性を評価する方法
■講演中のキーワード
・メタボローム解析（Metabolomics）
・質量分析（LC-MS / GC-MS / CE-MS）
・データ品質管理（Quality Control）
・多変量解析（PCA・PLS-DA）
・機械学習 / 生成AI・メタボローム解析
・Metabolomics
■プログラム項目
1. メタボローム解析とは何がそんなに難しいのか？
2. メタボロームはトランスクリプトームと何が違うのか？
3. なぜ同じサンプルでも測定値が変わるのか？
4. 検体採取の違いはどこまで結果に影響するのか？
5. サンプル保存や前処理はどの程度重要なのか？
6. LC-MS / GC-MS / CE-MS はどのように使い分けるべきか？
7. なぜメタボロームの定量値はばらつきやすいのか？
8. 代謝物同定は本当に正しいのか？
9. メタボロームデータの構造はどのように理解すべきか？
10. ノーマライズや欠損値処理はなぜ必要なのか？
11. バッチ効果はどのようにデータに現れるのか？
12. PCA（主成分分析）は何を見ているのか？
13. なぜPLS-DAは便利だが危険なのか？
14. 機械学習でバイオマーカーは簡単に見つかるのか？
15. 生成AIや解析ツールの結果をどこまで信じてよいのか？
16. なぜ論文の結果が再現できないことがあるのか？
17. 「チャンピオンデータ」はどのように生まれるのか？
18. データから測定の問題点を推測できるのか？
19. 測定をやり直すべきか、補正すべきかはどう判断するのか？
20. 再現性の高いメタボローム研究はどのように設計するのか？
＜質疑応答＞
