bioinformatics-visualization

バイオインフォマティクスの可視化

---

iTOL データセット形式とトラブルシューティング

適切なデータセットタイプの選択

DATASET_BINARY（マーカー／シンボルに推奨）：

• DATASET_SYMBOL より信頼性が高い
• すべての種を二値（0 または 1）で記載する必要があります
• 形式がシンプルで、iTOL との互換性が高い
• 用途：有無を示すマーカー、技術指標、カテゴリ別のハイライト

形式の例：

DATASET_BINARY
SEPARATOR TAB

DATASET_LABEL	CLR Technology
COLOR	#ff0000

LEGEND_TITLE	Sequencing Technology
LEGEND_SHAPES	2
LEGEND_COLORS	#ff0000
LEGEND_LABELS	CLR (PacBio)

FIELD_SHAPES	2
FIELD_COLORS	#ff0000
FIELD_LABELS	CLR

DATA
Species_name_1	1
Species_name_2	0
Species_name_3	1

DATASET_SYMBOL（信頼性が低い）：

• 形式の扱いが難しい場合があります
• 種ごとの形状／サイズ／色の指定が複雑です
• 形式が有効でも正しく表示されないことがあります
• BINARY で要件を満たせない場合を除き、使用は避けてください

DATASET_COLORSTRIP（グラデーションに適しています）：

• 色のグラデーション（例：時間データ、連続値）に対して信頼性が高い
• データがある種だけを記載すればよい
• 二値ではないカテゴリデータや連続データに適しています

よくある iTOL のエラーと対処法

エラー：「Unknown variable 'SYMBOL_SHAPE'」

• 原因：グローバルなシンボル設定と種ごとのデータが混在しています
• 対処法：DATASET_BINARY 形式に切り替えます

エラー：「Invalid color '1' for node X」

• 原因：DATASET_SYMBOL のデータ形式が一致していません
• 対処法：代わりに DATASET_BINARY を使用し、形式を species<tab>0_or_1 にします

ツリー上にシンボルが表示されない：

• 考えられる原因：DATASET_SYMBOL の形式に問題があります
• 対処法：DATASET_BINARY に変換します
• 確認事項：設定内のすべての種がツリーファイルに存在することを確認します

種名の互換性

重要：種名は、ツリーファイルと注釈ファイルの間で完全に一致している必要があります

よくある問題：

1. 大文字と小文字の区別：「Alca Torda」と「Alca_torda」
2. スペースとアンダースコア：ツリー形式では必ずアンダースコアを使用します
3. 亜種名：3つの部分から成る名前は慎重に扱います

大文字と小文字の区別への対処法：

# Convert scientific names to tree format with case normalization
df['species_tree'] = df['scientific_name'].str.replace(' ', '_')
# Fix uppercase after underscore (Alca_Torda -> Alca_torda)
df['species_tree'] = df['species_tree'].str.replace(
    r'_([A-Z])',
    lambda m: '_' + m.group(1).lower(),
    regex=True
)

検証パターン：

# Always validate species compatibility
import re

# Extract species from tree
with open('tree.nwk') as f:
    tree_content = f.read()
tree_species = set(re.findall(r'([A-Z][a-z]+_[a-z]+)', tree_content))

# Check config species
config_species = set(df['species_tree'])
missing = config_species - tree_species

if missing:
    print(f"Species in config but not in tree: {missing}")

時間データのカラーグラデーション

効果的な配色：

時間的な推移（古い → 新しい）：

• 明るい黄色 → 濃い赤（ColorBrewer YlOrRd）
• 過去から現在への推移を明確に示します
• 例：#ffffcc（2019 年） → #b10026（2025 年）

避ける配色：

• 青 → 黄色 → 赤（中間点が分かりにくくなります）
• 連続データに発散型パレットを使うこと

連続データ向けの ColorBrewer パレット：

• YlOrRd：黄-オレンジ-赤（時間、強度）
• YlGn：黄-緑（成長、植生）
• PuBuGn：紫-青-緑（水、深度）

デバッグのワークフロー

1. 設定ファイルを生成する
2. iTOL にアップロードする（https://itol.embl.de）
3. エラーが発生した場合：エラーメッセージをファイルに保存する
4. 形式を確認する：BINARY、SYMBOL、COLORSTRIP のいずれか
5. 種名を検証する：ツリーファイルと照合する
6. 最小限のデータセットでテストする：まず 5～10 種で試す
7. 必要に応じて形式を切り替える：通常、SYMBOL から BINARY への変更で解決します

---

関連スキル

• data-visualization：可視化全般のベストプラクティス
• bioinformatics/fundamentals：バイオインフォマティクスの基本概念
• bioinformatics/phylogenetics：系統解析のワークフロー