• 検索結果がありません。

2017専門実習(連鎖解析、QTL解析、GWAS) iwatawiki lec05 s

N/A
N/A
Protected

Academic year: 2018

シェア "2017専門実習(連鎖解析、QTL解析、GWAS) iwatawiki lec05 s"

Copied!
12
0
0

読み込み中.... (全文を見る)

全文

(1)

060310391

ǬľbŌǭ ǩ

0560565

ǬßbŌǭ

ǏƯƳǝNJǣdžƷƿ

ù

5

P

ŊaŃőSRƕ

2017/11/4 13:00-14:45

@1

-

ù

4

ĶĐe

1

ŊaŃőSR

• ŊǚǪƴǪƢŊaƕ¹ĘƐĎƫðƂƉSR

• ìêƂƏŶƨŊaƕĎƢŰƇƕMƧƔŵƨŊǚǪƴǪƫïıƐż ƨ

ǬŸƗŰåf˜•ŠƕŊaƫĿ(ƕŊǚǪƴǪƐʼn–Ƅƨǭ • ŊaŃőSRƔŎĎƀƩƉŊǚǪƴǪƕ]UƑŰŐéƒĸǬŸƗŰ

EŐƢęǭƕ]UƑƕŔ!ƫ«ƦźƔƄƨſƑƐŰŐéƒĸŊa~ ǬQTLǭƕĎƢ>¸ƫŸcƐżƨ

Ǭù7PŰù8PƐbđƂƞƄǭ

2

ƶǪǧǪNj

ŃőSRƑÙßSR

¢ŸƑą¢Ÿ

ŝ3uŰ]ŝ3u

k}۱kÎ

ą¢Ÿ

h¦Ƴdžǀ

SRŔ¦

^VħŰm‘ħ

ąKƆ±ň@OŠŰoPǁǪǤƿǚǨOŠ

ďíēŰěƹǦnjǪ±ň@

3

ŃőSR

vs.

ÙßSR

ÙßSR

DNA

ZWh¦ƓƒŰÙßéƓĻśƔWƎŽSR

ŃőSR

ŊaœƕŃőƕƀǬą¢Ÿ ǭƫĻśƑƂƉ

SR

Ī

2

ôšƕĻśƖŶƔÊƂƓŶ

Ŋaœƕą¢Ÿƕş}ƫ”£ƄƨƔƖŰŃő

SRƕ‹XŻŏĢ

(2)

DNA

Ɩū¹ĘŬƔǐdžƷƀƩƏŶƨ

ƯǍƕ12ąǬ24¶ǭƕ¹Ę

ǑNJƕYKŰJąƕ¹ĘƕŷƋŰ

1

¶ƫÈĥźƦ

ơŷ

1

¶ƫØĥźƦƣƅƧFžƨ

ǑNJƕDzdząǬ46¶ǭƕ¹Ę

http://wkp.fresheye.com/wikipedia/¹Ę

DNAƕ1Č

Kurata and Omura (1982) Jpn J Breed 32:253

5

¹Ęƕ¢ŸƑŊaƕą¢Ÿ

È©źƦƕ¹Ę

Ø©źƦƕ¹Ę

¢Ÿ

5 C</(: D4! 43.0#: 1$&*:

A B C

6<,0%9 4)+;:" *52'!#4(4-:

C$7!B2CD6 44$9;8-# 6

#%]

8

Se.

57.,i*OM4

ƨƉƠ

ÙßĻśǬÂĽǭŵƉƧƕą¢Ÿ ǬċĽǭŻŶ

7

0 2 4 6 8

0

.0

0

0

.0

5

0

.1

0

0

.1

5

0

.2

0

0

.2

5

0

.3

0

k

P(X=k)

èÞŻ

3

ŰĹÞŻ

7

,ƌƉüźƦŰ

8

‡*™2

ƫĜŶŰèÞŰĹ

ÞƫƇƩƈƩ

4

PƅƍƘŽïÝ

P

(

X

=

4)

=

8

4

"

#

$

%

&

'

×

0.3

4

×

0.7

4

ėƔŰüƕ ƕèÞƕ;KŻ

p

ǬĹÞƕ;KŻ

1-

p

ǭƕƑżŰ

n

Pƕ‡*™2ƐŰ

k

PèÞƫƘŽïÝ

n

k

"

#

$

%

&

'

=

n

!

k

!(

n

k

)!

ſſƐŰ

P(

X

=

k)

=

n

k

"

#

$

%

&

'

p

k

(1

p)

nk

ŝ3u

ŝ!¦

p=0.3, n=8

(3)

Ƿ

üƕ ƕèÞƕ;KŻ

p

ƕƑżƔŰ

8

Pƕ‡*™2ƐŰèÞŰĹÞƫ

ƇƩƈƩ

4

Pƅƍ€ŽïÝ

P

(

X

=

4 |

p

)

=

8

4

"

#

$

%

&

'

p

4

(1

p

)

4

۵íƕ

p

ƫËƠƉŶƑƄƨű

ſƕïÝƫ±^ƔƄƨ

p

ƫħƑƂƏƖƒŷźǷ

±kÎ

k}ǴŵƨijǬǞljǤǭƕơƑƐŰĦÓƀƩƉķŻàƃƨïÝ

ǬƔÊǭ

k}ƫ±^ƔƄƨǞljǤǐǢǝǪǃƫËƠƨ©Î

L

(

p

|

X

=

4)

P

(

X

=

4 |

p

)

=

8

4

#

$

%

&

'

(

p

4

(1

p

)

4

±^@

9

k}ƕ±^@

k}Ǭ

L

(

p

)

ǭƕ±^@ƖŰk}ƕĕ×h¦Ǭ

ln

L

(

p

)

ǭƕ±^@

ƄƨſƑƑLƃ Ǭ

ln

L

(

p

)

ŻCĵ[=Ŕ¦ƕƉƠǭ

ln

L

(

p

)

=

4 ln

p

+

4 ln(1

p

)

+

const

0.0 0.2 0.4 0.6 0.8 1.0

-1

8

-1

4

-1

0

-6

p

4

l

n

(p

)

+

4

l

n

(1

-p

)

p

=0.5

ƕƑż±^

d

ln

L

(

p

)

dp

=

4

(1

2

p

)

p

(1−

p

)

=

0

0.0 0.2 0.4 0.6 0.8 1.0

-4

-3

-2

-1

0

p

lo

g

(p

)

10

èÞ

3

ŰĹÞ

5

ŰŜÞ

2

Ż,ƌƉüźƦŰ

9

Pƕ‡*™2ƐŰèÞŰĹÞŰŜÞ

ƫƇƩƈƩ

3

PƅƍƘŽïÝ

P

(

X

1

=

3,

X

2

=

3,

X

3

=

3)

=

9!

3!3!3!

×

0.3

3

×

0.5

3

×

0.2

3

ėƔŰüƕ ƕ

i

ãêǬ

i

=1,2,…,

k

ǭƕĘƕÞƕ;KŻ

p

i

ƕƑ

żŰ

n

Pƕ‡*™2ƐŰ

i

ãêƕĘƕÞƫ

x

i

PƘŽïÝ

P

(

X

1

=

x

1

,...,

X

k

=

x

k

)

=

n

!

x

1

!

x

2

!

p

1x1

p

k

xk

=

n

!

x

1

!

x

2

!

p

ixi i k

ƀżƝƒƕ3uŻŝ3uƊƌƉƕƔhƂŰſƩƖ]ŝ3u

1

1

1

2

2

2

2

2

3

3

11

]ŝ3uƕh¦k}

ln

L

(

p

1

,

p

2

)

=

3ln

p

1

+

3ln

p

2

+

3ln(1

p

1

p

2

)

+

const

p

1

=1/3,

p

2

=1/3,

p

3

=1/3

ƕƑż±^

∂lnL(p1,p2)

p1

=3 1

p1

− 1

1−p1−p2

$

%

& '

(

) = (1−2p1−p2)

p1(1−p1−p2)

=0

∂lnL(p1,p2)

p2

=3 1

p2

− 1

1−p1−p2

$ %

& '

(

) = (1−p1−2p2)

p2(1−p1−p2)

=0

èÞŰĹÞŰŜÞŻƇƩƈƩ

p

1

,

p

2

,

p

3

ƐÐ

ƁƌƏŶƨüźƦŰ

9

Pƕ‡*™2ƫĜŶŰ

èÞŰĹÞŰŜÞƫƇƩƈƩ

3

Pƅƍ€ŽƑ

Ŷŷ港…ƦƩƉűſƕƑżƕ

p1,p2,p3

ƕ

±kŸcŐƫËƠƥű

Ƿ

(4)

Ò¦3ğ¬ƔŹžƨ

¹Ęƕ¢ŸƑŊaƕą¢Ÿ

13

F

2

ƔŹžƨ3ś

Śôù1ǬF

1ǭ ĥ1ǬP1ǭ ĥ2ǬP2ǭ

Ū

Ŏ

Ŏ' Ò¦3ğ

ĥ1U

A

B A

B

A

B a

b a

b a

b

A

B

0.5(1-r)

a

b

0.5(1-r) r: ą¢Ÿ

ĥ2U

ĕÇ F2řQƔŹžƨ3śǬÃƿǢƯNjǭ

ą¢ŸU ą¢ŸU

a

B A

b

0.5r 0.5r

14

F

2

ƔŹžƨ3śǬĊżǭ

AB 0.5(1-r)

Ab 0.5r

aB 0.5r

ab 0.5(1-r)

AB 0.5(1-r)

AABB (1-r)2

AABb r(1-r)

AaBB r(1-r)

AaBb (1-r)2

Ab 0.5r

AABb r(1-r)

AAbb r2

AaBb r2

Aabb r(1-r)

aB 0.5r

AaBB r(1-r)

AaBb r2

aaBB r2

aaBb r(1-r)

ab 0.5(1-r)

AaBb (1-r)2

Aabb r(1-r)

aaBb r(1-r)

aabb (1-r)2

1/4ƖëŶƏŵƨ

15

AA Aa aa

BB (1-r)2 2r(1-r) r2

Bb 2r(1-r) 2{r2+(1-r)2} 2r(1-r)

bb r2 2r(1-r) (1-r)2

RIuG1/4ƫźžƨˆĢŻŵƨ

30 7 2

5 57 6

1 8 29

DGoP=s2Ek}oP

Ǭ9ôšƕĘÞƫŰ145Pƕ™2ƫĜƌƉYKƑLƃǭ

ln

L

(

r

)

=

30ln(1

r

)

2

+

7ln2

r

(1

r

)

+

+

29ln(1

r

)

2

+

const

=

144 ln(1

r

)

+

32ln

r

+

57ln(1

2

r

+

2

r

2

)

+

const

(5)

ln

L

(

r

)

=

144 ln(1

r

)

+

32ln

r

+

57ln(1

2

r

+

2

r

2

)

+

const

0.0 0.1 0.2 0.3 0.4 0.5

-1 7 0 -1 5 0 -1 3 0 -1 1 0 r ln L (r) - co n st

d

ln

L

(

r

)

dr

=

144

1

r

+

32

r

+

57(4

r

2)

1

2

r

+

2

r

2

0.0 0.1 0.2 0.3 0.4 0.5

-2 0 0 0 2 0 0 6 0 0 1 0 0 0 r

LOD &Ǵ Ê ǬƳdžǀoddsƑƥƚǭƕwáh¦ƫƑƌƉơƕű

ŃőƂƏŶƓŶƑżƕk}L(0.5)ƔÊƜ۟cƀƩƉą¢Ÿ ƕ ơƑƐƕk}Ż$ŵƨźƫĞƂƉ&

L( ˆ r ) /L(0.5)

ˆ

r

=

0.117

LOD

LOD = log10 L( ˆ r ) L(0.5)

" #

$ %

&

' =log10L( ˆ r )−log10L(0.5)=26.8

17

+2T

(bisection method)

∂lnL(r)

r =−

144

1−r+

32

r +

57(4r−2) 1−2r+2r2

0.0 0.1 0.2 0.3 0.4 0.5

-2 00 0 20 0 60 0 10 00 r

0ƔƓƨrƫƄ

rƕŸcƔƖŰƔơNewton-RaphsonÎƓƒŻáŶƦƩƨ

f(x)=0ƑƓƨxƫËƠƨƔƖŰ

1. f(a)Ƒf(b)ƑƐøIŻäƓƨƥŷƓŖa

ƑŖbƫÌƠƨ

2. aƑbƕ œÕmƫËƠƨ

3. f(m)ƕøIŻf(a)ƑLƃƓƦaƫmƐĎ

ż¢Ÿƨűf(b)ƑLƃƓƦbƫmƐĎż¢ Ÿƨű

4. 2-3ƫčƧŀƄſƑƐŰmƫf(x)=0ƑƓƨ

ÕƔĿƎžƏŶŽ a b 1Pê 2Pê b b b 3Pê 4Pê a a a m m m 18

ą¢Ÿ ƫSRĻśƔ\¢Ƅƨ

ą¢Ÿ ƔƖ=ΊŻÖŶ

AC

Aœƕą¢Ÿ ƖŰ

AB

Aœƕą¢Ÿ Ƒ

BC

Aœƕą

¢Ÿ ƕNƥƧơiƀŽƓƨ

(

]ŏ¢ŸƕƉƠ

)

ƇſƐÃƕƥŷƓ=Ίƕŵƨl}ƫcĐƄƨ

Lƃ¹ĘƔ~Ƅƨ

2

Ŋa~œƔŹŶƏŰ¢ŸŻ

yTƂƏ¹Ę3ŵƉƧ

x

PàƃƨƑżŰƇƕ

2

~œƕĻ

śƫ

x

ƐĞƂŰSRĻśƑƥƚűCƖǞǤƵǨǬ

M

ǭơƂŽ

ƖǁǨDžǞǤƵǨ

(cM)

Haldane

Ŕ¦Ƣ

Kosambi

Ŕ¦ƓƒŰ¾ŲƓ\¢Ŕ¦Żŵ

ƨ

HaldaneŔ¦

KosambiŔ¦ Ǭ¢ŸxÑƫĒŽƂƉǞljǤǭ ǬÜ÷Ɣ¢ŸŻĺſƨǞljǤǭ

x=−1

2ln(1−2r)

x=1

4ln 1+2r

1−2r

# $ % & ' ( 19

ą¢Ÿ ƑSRĻśƕŔ!

0.0 0.2 0.4 0.6 0.8 1.0 1.2

0 .0 0 .1 0 .2 0 .3 0 .4 0 .5 x (M) r KosambioP HaldaneŔ¦

r = x

`O0Q>0.5ZLYWg:

2l-?Hnjq NdV\`O<

r`O<50%X

(6)

ŃőSRƕ½ý’Ş

1.

JŊa~ƕ3śÊƕňK}ºcƫĜŷ

Ǭ3śÅƟƕº2ŰdťŻŷƞŽĜƌƏŶƓŶǚǪƴǪơº2

Ɛżƨǭ

2.

Ŋa~œƕą¢Ÿ ƫĩûƄƨ

3.

LOD

&ƢSRĻśƫĩûƄƨ

4.

LOD

&ƢSRĻśƕŵƨ&ƫŕ&ƑƂƏŰ-Ŋa~ƫŃő

ď

(linkage groups)

ƔƸǤǪǕ3žƄƨ

ǬB3ƓǚǪƴǪ¦ŻŵƨYKŰŃőďƖ¹ĘƔĖƄ

ƨǭ

5.

ŃőďÉƔŊa~ƕƙƫŸcƄƨ

6.

ǬYKƔƥƌƏƖǭSRĻśƫĩûƂƓŹƄ

7.

ŃőSRƫ Ž

8.

ƸǢǓƮƴǤƾƱǎǃƯǕƫ ŶƉƧŰǔǪNJƿNJǢdžǕºcƫ

ĜƌƉƧƂƏŰSRƕïźƦƂƀƫïıƄƨ

21

ď3žƕƭǤƺǣǀǜƕ

ŕ&Î

1.

ą¢Ÿ ƢSRĻśŰ

LOD

&ƔhƂƏŕ&ƫĬ

cƄƨ

2.

ą¢Ÿ ƢSRĻśƕYKƖŕ&ƥƧiƀŶ

&ƫðƂƉǚǪƴǪhƫŰ

LOD

&ƕYKƖ^ż

Ŷ&ƫðƂƉǚǪƴǪhƫLƃŃőďƔnƄƨ

Ƒ6§ƂƏLƸǤǪǕƔ3šƄƨ

3. 1

Ƒ

2

ƫŰ-ǚǪƴǪŻ3šƀƩƨƞƐčƧŀƄ

22

Ŋa~ƕŞ|ž

qRƕƥŷƓSRƫ½ýƄƨſƑݱ

Ąê¿

ƂźƂŰqRƕƥŷƓŊa~ƕƙ

Ǭ

L1-L2-L3-L4-L5-L6

ǭƫÌcƄƨ:ƖŰ

Ŋa~œƕĻśƊžƂź3źƦƓŶ

ƇſƐŰĻś‹XźƦŰ

1

Ã*ƕ¹Ę

ƔƚŊa~ƕŎĎƫÌcƂƉ

Ŷ

ƒŷƄƩƗƥŶźǷ

L1

L2

L3

L4

L5

L6

14.5 0.0

5.2

8.3

17.1

20.3

23

Ş|žƕĤÔ

ÚcƕWÔƔ„ƌƏ±ňƓŞ|ƫƟƍžƨ

– ±^k}ǬMaximum Likelihoodǭ

– ±ią¢Ÿ NǬMinimum sum of adjacent recombination fractionǴSARFǭ

å

-=

+ +

+ +

+

+

-

-=

1

1

1 , 1

, 1

, 1 , 1

,

[

log

(

1

)

log(

1

)]

)

(

l

i

i i i

i i

i i i i i

n

R

L

q

q

q

q

ſſƐǮn

i,i+1Ɩ؞ƄƨŊa~œƕƻǨǕǤ¦ θi,i+1Ɩ؞ƄƨŊa~œƕą¢Ÿ .

å

-= +

=

1

1 1 ,

l

i i i

SARF

q

(7)

ŸƗŰ

ą¢Ÿ ƕNƫ±iƔƂƏƟƥŷǫ

L1

L2

L3

L4

ſƕƙŻÄƂŶƑżƔ…

L1

L2

L3

L4

ŸƗŰ

ƙƫL1-L3-L2-L4Ƒ ŸcƂƉƑƄƨƑ…

L1

L2 L3

L4

ć¸éƔŰą¢Ÿ ƕN Ż^żŽƓƨ 25

±ňƓŞ|ƕă

¡

WÔƖCĂƊŻŰŵƧŷƨŞ|¦ƖĔ^ǫ

l

10

Ŋa~

… 1,804,400

l

100 … 4.7 x 10

158

>ÝéƓă݈Ģ

l

1000

… 2.0 x 10

2567

ŸƗŰMAPMAKER ƐƖŰ c

t

k

q

p

5ƍó}ƕŊ a~ƐŦąƟ ƫƧ… Ǭ5Ŋa~ƕ Ɯ°ŸƖ5!/2 = 60ŁƧǭ

ÆƧƕŊa ~ƫŞÃ۱ ňƓY‘ƔŎ ĎƂƏŶŽ Ǭk}ƫWÔ ƔƄƨǭ a

c

t

k

q

p r v

9vUw

Q_YJ tFQ3k l-?H mc l-?t/@Ƅƨű ſƕƥŷƓ©ÎƐ ƖŰK gJ p

26

^Vé±ňħƑm‘ħ

(global optimal solution, local optimal solution)

m‘ħƔ çƧƍƠƏƂƞŷHēŠơ

jƓŽƓŶ Y‚ƉƧéƓăƐƖ…

W

Ô

Ǭ

Ÿ

Ɨ

Ű

k

}

ǭ

ħöœǬŸƗŰŊa~ƕŞ|ǭ

ħöœŻ{ŽŰ]Žƕm‘ħŻŵƨƥŷƓYKŰ m‘ħƔ›ƪƩƅŰ^VéƓ±ňħƫ>ÝéƔËƠƨ©Î

ƞƉƖ

±ňħƐŵƨ"ĮƖÖŶŻŰdáOŠƕÖŶħǬĿ±ňħǭƫ>ÝéƔËƠƨ©Î ݈Ģ

^Vé±ňħ

27

oPǁǪǤƿǚǨOŠ

Traveling salesman problem (TSP)

ąKƆ±ň@OŠǬ

combinatorial optimization problem

ǭƕ

ƘƑƍ

^;13,509ōtǬG500ǭƫoƨŞļ http://www.crpc.rice.edu/newsArchive/tsp.html

]¦ƕhķƔƍŶƏŰ hķœƕĻśĜ4Ż ŸƦƩƉƑżƔŰ-h ķƫ±îĻśƐoƨŞ ļƫËƠƨOŠ ǬJhķƖ1}ƊžīO ƀƩƨǭ

(8)

ěƹǦnjǪ±ň@

(ant colony optimization: ACO)

ěƕœţĜ?ƔŹžƨǤǪǤ •ǓƱǦǞǨŻƓŶYKǬ5´Û ǭƖǮǢǨDŽǜƔă •ţƫæģƄƨƑ¤æŠƕǓƱǦ ǞǨƫ3ÍƂƓŻƦpƔvŋ •ǓƱǦǞǨ݁ޯâƂƏŶƨú ‘ƫ)+éƔă #ŲƕěŻſƕƥŷƓCĂƓǤǪǤ

ƔWƎŽſƑƐǮěƖųďƩƑƂƏŴţ YƞƐƕ±îǤǪNJƫ;Ƨ2ƄſƑŻ Ɛżƨ

ěƹǦnjǪ±ň@

ǩǩǩ

ſƕƥŷƓěƕĜ?ǤǪǤƫƹǨ

ǒǟǪǃƐ¥éƔ7áƂŰąKƆ±ň@OŠƫħŽ

29

ACO

ƕ±ň@ƕǕǦǁƿ

1. ěƫōtǬŊa~ǭƔǢǨDŽǜƔŎĎƄƨ

2. ěƖǮµīOōtƕ źƦǮōtœƔĚõƀƩƉǓƱǦǞǨŐƑōtœƕ

ĻśǬą¢Ÿ ŰƞƉƖh¦k}ƕĉh&ǭƕ©ƫĒŽƂƏǮōtƫʼn

ƙò?Ƅƨ

3. -ōtƫīOƄƨƞƐ2ƫčƧŀƄ

4. oPļƕîƀǬą¢Ÿ ƕNŰƞƉƖŰh¦k}ƕĉh&ƕNǭƔ‰ƃƏǮ ŁŅƂƉǤǪNJƔǓƱǦǞǨƫ3ÍƄƨ Ǭ¬œƑƑơƔǓƱǦǞǨƖ¤æƄ ƨǭ

5. 1ǯ4ƫčƧŀƂǮ±ňĿħƫ…ƨ

Ŋa~A Ŋa~B Ŋa~C Ŋa~E Ŋa~F Ŋa~œƕĻśƖ ą¢Ÿ ƞƉƖh¦k }ƕĉh& 30

ěƕò?¬ƕǤǪǤ

¬9

t

ƔŹžƨě

k

Żōt

i

źƦōt

j

Ɣò?Ƅƨ

ïÝ

.

]

[

)]

(

[

]

[

)]

(

[

)

(

ik

N

l il il

ij ij

k

ij

j

N

d

t

d

t

t

p

k i

Î

"

=

å

Î -b a b a

t

t

ij

d

)

(

t

ij

t

Ǵ ǓƱǦǞǨŐ Ǵ ōtœĻś

ĻśŻŇŽƏơŰĆļƔĚõƀƩƉǓƱǦǞ ǨŐŻ]žƩƗŰƥƧʼn—ƀƩƢƄŽƓƨ ǬƉƊƂŰĉhƔʼn—ƀƩƨƑŶŷƪžƐƖ ƓŽŰųïÝŻŻƨŴƑŶŷſƑƔόƄ ƨǭ ſƩƔƥƌƏŰųjƂŇPƧƫƂƉƝŷŻŰd ƖĿņŴƑŶŷƥŷƓĆļŻʼnƗƩƨƥŷƔ Ɠƨ 31

î

í

ì

Ï

Î

=

D

)

(

)

,

(

if

0

)

(

)

,

(

if

)

(

)

(

t

T

j

i

t

T

j

i

t

L

Q

t

k k k k ij

t

ǓƱǦǞǨŐƕ®¨

å

=

D

+

=

+

ij mk ijk

ij

(

t

1

)

rt

(

t

)

1

t

(

t

)

t

oPĻśŻîŶěƖŰ ƇƕĆļƔƥƧ]Žƕ ǓƱǦǞǨƫ3ÍƄƨ ǬŐƖŰĻśƔDÊǭ oPĻśŻŒŶěƖŰǓƱ ǦǞǨ3ÍŐŻjƓŶ kãêƕěŻ3ÍƄƨŐ ƉƊƂŰ

ρƖ1ƥƧiƀŶűƄƓƪƋ

ǓƱǦǞǨƖ¬œƑƑơƔ¤æƄƨ

(9)

ěƕĜńŻčƧŀƀƩƨƑ

Q3!!ah f[ &$(')…

ƊƬƊƬ۱îĆļƛƕĚõŐ Ż]ŽƓƌƏŶŽ

`O08BPDGbB18"QC6

Ŋa~ƕŞ|ŻËƠƦƩƨ

33

ŃőSRǂǓNJưƱƭ

AntMap

• AntMapƐƖŧłƔŃőSRƫƐ

żƨ

• ŃőSRƕ»Ż-ĕ?@ƀƩ

ƏŹƧŰǠǪƼǪƖǘǃǨƍƐSR ƫĠƄƨſƑơƐżƨ

• AntMapƐƖŰŧłƭǤƺǣǀǜƕ7

ÕƫàźƂېƀƩƉSRƕÿ}ƫ ǔǪNJƿNJǢdžǕºcƔƥƌƏïıƐż ƨ

• ¾ŲƓOSǬWindows, Mac, Linux,

SolarisƓƒǭƐdĜHēűǕǦƸǢǛ

ǨƸĨIJƖJava

http://lbm.ab.a.u-tokyo.ac.jp/~iwata/antmap/ A-… 34

ƙŻïźƓŊ a~ƫŰǔǪNJƿNJ ǢdžǕ&ƑƂƏïıƐ żƨ

Ŋa~ƙ°Ÿƕŧł@ƔƥƧŰ ƙƕïźƦƂƀƕį ơHēƑƓƌƉ

ǔǪNJƿNJǢdžǕǬbootstrapǭÎǴ -ƻǨǕǤź ƦŏġƫĭƂL¦ƻǨǕǤƫ0™2Ƅƨű0™ 2ljǪǃƔƍŶƏêéƕĈĩŐƫ0ĩûƄƨű ſƕǕǦǁƿƫ]¦PčƧŀƂƏ۟cƀƩƨ ĈĩŐƕǏǢLJƶƫį Ƅƨű

ŊaƕƙƕïźƦƂƀƕį

35

dljǪǃƛƕňá

RGP

ƕ

Web

ǗǪƾǬ

http://rgp.dna.affrc.go.jp/

ǭƥƧ,’ƂƉ

ƯǍƕdzgĀƕ3śljǪǃƫáŶƏǮ

AntMap

ƔƥƨŃő

SRƫİƟƉǰ

gĀŭƭƶǑƴǣ

/

ƹƽǑƴǣ

DHLs

Ǭ

169

ǚǪƴǪǭ

gĀŮª¶­

/Kasalath//

ª¶­

BILs

Ǭ

245

ǚǪƴǪǭ

gĀůŵƇƟƕƧ

/IR24 RILs

Ǭ

375

ǚǪƴǪǭ

(10)

ŃőSR

• ŊaƕŞ|žƔĢƂ

Ɖ¬œ

– gĀŭ 2.5ñ – gĀŮ 3ñ – gĀů 7ñ

ǬCPUǴIntel Mobile Pentium 1.6GHǸǭ

• 100D‡ƕǔǪNJƿNJǢdžǕ ºc

– gĀů 383

• ŸcƀƩƉŞ|ƖǮŌ

ǚǪƴǪǬljǪǃŭǮŮǮů ƐƇƩƈƩ5, 2, 5ǚǪ ƴǪǭƫŗŶƏǮ.ĞƀƩ ƏŶƨŞ|ƔĖƂƉǰ

gĀŭ

gĀŮ

gĀů

37

ƽǛǟǥǪƽǡǨljǪǃƛƕňá

1,200

ǚǪƴǪ

10

Ńrď

ā

2.5

3

38

ďíē

(Swarm intelligence)

CĂƓǤǪǤƔWƎŶƏĜ?ƄƨƲǪƾƱǨNJǬŸ

ƗŰěŰũŰŨǭŻŰŶƔǬ]ŽƕYKŰm‘éƔǭ

áƂŵŷſƑƔƥƧŰ _řÁéƓ8†ƽƿLjǜƫơƉ

ƓŽƏơŰďƩƑƂƏƕĜ?Ż<æƀƩƨſƑŻŵƨ

ǬŸƗŰŨƕďƩƕ?żǭ

ſƕƥŷƓàÙƕďƩƑƂƏƕĜ?ƫƹǨǒǟǪǃ

ƐÀ%ƄƨſƑƔƥƧŰġŚƓ±ň@OŠƕdáéƓ

ħƫăƂƥŷƑƄƨ“ĝ

39

þaď±ň@

(particle swarm optimizer: PSO)

ǐǢǝǪǃöœƫŢƙPƨþaďƫáŶƏ±ň@ƫĜŷƭ

Ǥƺǣǀǜ

ŵƨ¬ÕƐƕJþaƕň‰}ƖŰƇƕ¬ÕƔþaŻĎƄ

ƨöœ~¿ƔWƎŶƏĩûƀƩƨű

JþaƖň‰}ƕĕsǖƿNJŻ…ƦƩƉ~¿ƫĪƐżƨű

ƞƉŰþaœƐ‹X¢ƄƨſƑƐŰď/ǖƿNJ~¿ơĪ

ƂƏŶƨű

(11)

PSO

:g

ď/ǖƿNJ þaA

þaB

þaC

þaAƕ ĕsǖƿNJ

c1r1(xpx)

c2r2(xgx)

xg

xp

x

wvt

1

vt

x

t

x

t−1

+

v

t

v

t

w

v

t−1

+

c

1

r

1

(

x

p

x

)

+

c

2

r

2

(

x

g

x

)

$

%

&

25 =>A?B@

f

(

x

)

w, c1, c2ƖŵƦźƃƠĬcƀƩƉ&Ǭ1ƔĿŶ&(w < 1)ŻƥŶƑƀƩƨǭŰ

r1, r2ƖƭdžǕljǪNJÉƔàƀƩƨ[0, 1]ƕ¾¦Ɛŵƨű

PSO

Ɣƥƨ±ň@ƕ

42

f

(

x

)

=

10

n

+

x

i

2

10 cos 2

π

x

i

(

)

i=1

n

Global minimum (^Vé±i&ǭǴ

x

=

0

ƕƑż

f

(

x

)

=

0

RastriginŔ¦

n= 2

R code

43

# load required packages require(rgl)

require(pso)

# set x and y arrays

x <- (-50:50)/10

y <- x

# set a objective function (surface)

z <- matrix(NA, length(x), length(y))

for(i in 1:length(x)) {

for(j in 1:length(y)) { # Rastrigin function

z[i,j] <- 20 + (x[i]^2 - 10 * cos(2 * pi * x[i]))

+ (y[j]^2 - 10 * cos(2 * pi * y[j])) }

}

# show the objective surface open3d()

persp3d(x, y, z, col = "green") # optimization

o1 <- psoptim(rep(NA,2),function(x) 20+sum(x^2-10*cos(2*pi*x)),

lower=-5,upper=5,control=list(abstol=1e-8)) show(o1)

ƞƑƠ

ŃőSRƖŰŊaœƕą¢Ÿş}ƫ”£ƄƨƉƠƔ³á

Ɛŵƨű

QTL

ħ·ƔơŃőSRŻáŶƦƩƨ

ŃőSRƖŰŊaœƐĩûƀƩƨą¢Ÿ ƔWƎŶƏŰ

Ŋa~ƕď3žŰƙźŸŻĜƪƩƨſƑƔƥƧ½ýƀƩ

ƨ

ƙźŸƔƖYKƕ¦Ż¼ƠƏ^żŶűŊa~¦Ż]Ŷ

YKƔƖÚƔŰ>ÝéƓƭǤƺǣǀǜƔƥƨ±ňŞ|ƕ

㯈ĢƑƓƨ

(12)

45

ac 1.0

AC 0.5 (1-r)

AaCc 89

Ac 0.5r

Aacc 2

aC 0.5r

aaCc 12

ac 0.5 (1-r)

aacc 97

ab 1.0

AB 0.5 (1-r)

AaBb 80

Ab 0.5r

Aabb 11

aB 0.5r

aaBb 21

ab 0.5 (1-r)

aabb 88

bc 1.0

BC 0.5 (1-r)

BbCc 89

Bc 0.5r

Bbcc 12

bC 0.5r

bbCc 12

bc 0.5 (1-r)

bbcc 87

46

ǏƯƳǝNJǣdžƷƿù

5

PiǥǙǪNJĴŠ

1. :ƕƿǢƯNjƕĞƔWƎŶƏŰŊa~A-BœƔƍŶƏŰh¦k }ƫą¢Ÿ rƕŔ¦lnL(r)ƑƂƏ¯żƂŰƇƩƫơƑƔrƕ±k ŸcŐƫËƠƏƀŶűƞƉLƃƔWƎżŰŊa~A-C, B-C œƔƍŶƏơą¢Ÿ ƫËƠƏƀŶű

2. 1ƐËƠƉą¢Ÿ Ɣh‰ƄƨHaldaneƕSRĻśƑŰKosambi ƕSRĻśƫǁǨDžǞǤƵǨCƐËƠƏƀŶű

ǬƓŹŰlogƕĩûƖgoogleƐơƐżƞƄűŸƗŰln(0.3)ƑƂƏº

ăƄƨƑ0.3ƕĕ×h¦ŻĩûƐżƞƄűǭ

3. Ŋa~AŰBŰCƖƒƕŞƔƬƐŶƨƑĒŸƨƕŻ`‚ƐƂƤ ŷźǷ

47

ǥǙǪNJƕ¡2Î

ǵ¡2ƕ©Ƕ

ITC-LMS ƫŁƃƏ¡2

ǵ3ŐǶ

ÚƔšcƖƂƞƆƬŻŰ]ŽƏơA4Ɛ1ǗǪƾó}ƔƞƑƠƏƀŶű ǵ´ŖǶ

2017z11²20ªƞƐ

参照

関連したドキュメント

Kyoto University, Kyoto,

 本研究所は、いくつかの出版活動を行っている。「Publications of RIMS」

Research Institute for Mathematical Sciences, Kyoto University...

TRACG は,オリジナルの原子炉過渡解析コード(TRAC)[1]の GE Hitachi Nuclear Energy

解析モデル平面図 【参考】 修正モデル.. 解析モデル断面図(その2)

※ CMB 解析や PMF 解析で分類されなかった濃度はその他とした。 CMB

至る場合の炉心温度  設定根拠  ベースケース      K  MAAP 推奨範囲のノミナル値 . 感度解析ケース 

2 次元 FEM 解析モデルを添図 2-1 に示す。なお,2 次元 FEM 解析モデルには,地震 観測時点の建屋の質量状態を反映させる。.