このスライドは、Dava Visualization Japan Meetup #2にて大野圭一朗が利用したもののPDF版です。内容は、CC BY 4.0にて自由に再利用可能です。 http://data-visualization-japan.doorkeeper.jp/events/18551

1. 「数字を見せろ」から
「コードを見せろ」へ
Show me your code, in addition to the numbers!
Keiichiro Ono (Twitter: @c_z)
UC, San Diego
Department of Medicine
過程の透明性を確保したデータ可視化を目指す

2. Agenda
今日お話すること

3. 自己紹介: 生物学と可視化
可視化実践者の目指すべきゴール
分野の壁を超える
結果の共有からプロセスの共有へ

4. Keiichiro Ono
Background
Bioinformatics
Computer Science
Work
Research
Bioinformatics workflow
Visualization pipeline
Data
Visualization
Networks
Other Biological Data
Integration
Molecular Interactions
Pathways
Annotations
Software Development
Cytoscape
NeXO
Cyberinfrastructure
All kinds of small tools
Like
Art
Kandinsky
Mondrian
Music
Electronica
Techno
Minimal
Detroit
Jazz
Sci-fi
Movie
Novel
Life
US
San Diego
San Francisco Bay Area
Los Angeles
Orange County
Japan
Gifu
Tokyo

5. Keiichiro Ono
Background
Bioinformatics
Computer Science
Work
Art
Kandinsky
Mondrian
Electronica

6. Keiic
Work
Research
Bioinformatics workflow
Visualization pipeline
Data
Visualization
Networks
Other Biological Data
Integration
Molecular Interactions
Pathways
Annotations
Software Development
Cytoscape
NeXO
Cyberinfrastructure
All kinds of small tools

7. Keiichiro Ono
Background
Bioinformatics
Computer Science
Work
Research
Bioinformatics workflow
Visualization pipeline
Data
Visualization
Networks
Other Biological Data
Integration
Molecular Interactions
Pathways
Annotations
Software Development
Cytoscape
NeXO
Cyberinfrastructure
All kinds of small tools
Like
Art
Kandinsky
Mondrian
Music
Electronica
Techno
Minimal
Detroit
Jazz
Sci-fi
Movie
Novel
Life
US
San Diego
San Francisco Bay Area
Los Angeles
Orange County
Japan
Gifu
Tokyo

8. Cytoscape:
Open Source Platform for
Network Analysis and
Visualization

10. 計算機科学 生物学

11. 生物学

12. Bioinformatics

13. Bioinformatics?

14. ゲノムワイド関連解析
一塩基多型
エピジェネティクス
DNAマイクロアレイ
遺伝子オントロジー
BALST
eQTL
パスウェイ解析
次世代シーケンサー
メタボローム
トランスクリプトーム

15. ?

17. Bioinformatics

18. https://flic.kr/p/5fJ4U4

19. >gi|10313991|ref|NC_002549.1| Zaire ebolavirus isolate Ebola virus/
H.sapiens-tc/COD/1976/Yambuku-Mayinga, complete genome
CGGACACACAAAAAGAAAGAAGAATTTTTAGGATCTTTTGTGTGCGAATAACTATGAGGAAGATTAATAA
TTTTCCTCTCATTGAAATTTATATCGGAATTTAAATTGAAATTGTTACTGTAATCACACCTGGTTTGTTT
CAGAGCCACATCACAAAGATAGAGAACAACCTAGGTCTCCGAAGGGAGCAAGGGCATCAGTGTGCTCAGT
TGAAAATCCCTTGTCAACACCTAGGTCTTATCACATCACAAGTTCCACCTCAGACTCTGCAGGGTGATCC
AACAACCTTAATAGAAACATTATTGTTAAAGGACAGCATTAGTTCACAGTCAAACAAGCAAGATTGAGAA
TTAACCTTGGTTTTGAACTTGAACACTTAGGGGATTGAAGATTCAACAACCCTAAAGCTTGGGGTAAAAC
ATTGGAAATAGTTAAAAGACAAATTGCTCGGAATCACAAAATTCCGAGTATGGATTCTCGTCCTCAGAAA
ATCTGGATGGCGCCGAGTCTCACTGAATCTGACATGGATTACCACAAGATCTTGACAGCAGGTCTGTCCG
TTCAACAGGGGATTGTTCGGCAAAGAGTCATCCCAGTGTATCAAGTAAACAATCTTGAAGAAATTTGCCA
ACTTATCATACAGGCCTTTGAAGCAGGTGTTGATTTTCAAGAGAGTGCGGACAGTTTCCTTCTCATGCTT
TGTCTTCATCATGCGTACCAGGGAGATTACAAACTTTTCTTGGAAAGTGGCGCAGTCAAGTATTTGGAAG
GGCACGGGTTCCGTTTTGAAGTCAAGAAGCGTGATGGAGTGAAGCGCCTTGAGGAATTGCTGCCAGCAGT
ATCTAGTGGAAAAAACATTAAGAGAACACTTGCTGCCATGCCGGAAGAGGAGACAACTGAAGCTAATGCC
GGTCAGTTTCTCTCCTTTGCAAGTCTATTCCTTCCGAAATTGGTAGTAGGAGAAAAGGCTTGCCTTGAGA
AGGTTCAAAGGCAAATTCAAGTACATGCAGAGCAAGGACTGATACAATATCCAACAGCTTGGCAATCAGT
AGGACACATGATGGTGATTTTCCGTTTGATGCGAACAAATTTTCTGATCAAATTTCTCCTAATACACCAA
GGGATGCACATGGTTGCCGGGCATGATGCCAACGATGCTGTGATTTCAAATTCAGTGGCTCAAGCTCGTT
TTTCAGGCTTATTGATTGTCAAAACAGTACTTGATCATATCCTACAAAAGACAGAACGAGGAGTTCGTCT
CCATCCTCTTGCAAGGACCGCCAAGGTAAAAAATGAGGTGAACTCCTTTAAGGCTGCACTCAGCTCCCTG
GCCAAGCATGGAGAGTATGCTCCTTTCGCCCGACTTTTGAACCTTTCTGGAGTAAATAATCTTGAGCATG
GTCTTTTCCCTCAACTATCGGCAATTGCACTCGGAGTCGCCACAGCACACGGGAGTACCCTCGCAGGAGT
AAATGTTGGAGAACAGTATCAACAACTCAGAGAGGCTGCCACTGAGGCTGAGAAGCAACTCCAACAATAT
GCAGAGTCTCGCGAACTTGACCATCTTGGACTTGATGATCAGGAAAAGAAAATTCTTATGAACTTCCATC
AGAAAAAGAACGAAATCAGCTTCCAGCAAACAAACGCTATGGTAACTCTAAGAAAAGAGCGCCTGGCCAA

20. Raw Data = Text

21. ISBN:978-0-596-00492-7

22. Data Visualization
Biology

23. Biology

24. Molecular Biology in 1 Min.

25. 生命 = 精巧な分子機械

26. DNA mRNA Protein
Central Dogma

27. DNA
Source Code
Protein
Instance

28. DNA
Source Code
Protein
Instance

29. DNA
配列の類似
Sequence Similarity
Protein
機能の類似
Functional Similarity

30. http://www.plosgenetics.org/article/info%3Adoi%2F10.1371%2Fjournal.pgen.1000128

31. Model Organism

33. openworm.org

34. 実験手法の革新
Illumina HiSeqX (http://systems.illumina.com/content/dam/illumina-marketing/documents/products/datasheets/datasheet-hiseq-x-ten.pdf)

35. データ量の爆発
配列: DNA / アミノ酸
タンパク質の三次元構造
分子間相互作用
SNPs （一塩基多型）
文献

37. 解析と可視化への需要
膨大なデータ

38. http://www.ebi.ac.uk/fgpt/gwas/#

39. Costanzo et al.
Science. 2010 Jan 22;327(5964):425-31

40. dx.doi.org/10.2210/rcsb_pdb/mom_2014_10

42. Biology

43. Data Visualization
Biology

44. Data Visualization

45. 計算機を使った
可視化が目指すもの

46. What
可視化とは？
もしくは「見る」ということ

47. 世界

48. 極大極小
世界

49. Powers of Ten
by Charles and Ray Eames

50. Powers of Ten
http://youtu.be/0fKBhvDjuy0

51. http://www.nikon.co.jp/channel/universcale/

52. http://learn.genetics.utah.edu/content/cells/scale/

53. 極大極小
世界

54. 極小

55. https://flic.kr/p/bk4yHS

56. https://flic.kr/p/iRtA9F

58. 極小

59. 極大

61. Hubble eXtreme Deep Field
https://flic.kr/p/nyXrEr

62. https://flic.kr/p/5Sh9qb

63. Human Interactome (Source: irefindex)

68. データ可視化 =
光だけでは見えないものを見る

69. –Katy Börner
“Decision making in science, industry, and politics,
as well as in daily life, requires that we make sense
of data sets representing the structure and
dynamics of complex systems. Analysis, navigation,
and management of these continuously evolving
data sets require a new kind of data-analysis and
visualization tool we call a macroscope”
Communications of the ACM, Vol. 54 No. 3, Pages 60-69 10.1145/1897852.1897871

70. –Katy Börner
“Decision making in science, industry, and politics,
as well as in daily life, requires that we make sense
of data sets representing the structure and
dynamics of complex systems. Analysis, navigation,
and management of these continuously evolving
data sets require a new kind of data-analysis and
visualization tool we call a macroscope”
Communications of the ACM, Vol. 54 No. 3, Pages 60-69 10.1145/1897852.1897871
科学や産業、政治、更には日常生活における意思決定でも、複雑なシステムの構造やダイナミ
クスを表すデータセットを理解する必要がある。このような絶え間なく発展するデータセット
を解析、ナビゲーション、そして管理するためには、我々が「マクロスコープ」と呼ぶ新たな
可視化と解析のためのツールが必要である。

71. Macroscope?

72. Microscope
顕微鏡
Telescope
望遠鏡
極大極小

73. MacroscopeMicroscope
顕微鏡
Telescope
望遠鏡
極大極小

74. Microscope TelescopeMacroscope

75. 「全体」を見渡す道具
＝マクロスコープ
＝計算機ベースの可視
化が目指すべき方向性

76. Why?
なぜ可視化するのか？

77. –Tamara Munzner
Visualization is suitable when there is a
need to augment human capabilities
rather than replace people with
computational decision-making methods.
Visualization Analysis and Design. A K Peters/CRC Press, 10/2014.
可視化の利用は、（機械学習などの）計算機的手法で人を置き換える場合ではなく、
ヒトの能力を拡張して意思決定を行う必要がある時にこそ適切である。

78. 意思決定のための
ヒトの認知能力の拡張

79. 可視化は機械で置き換えられな
い人による意思決定のために

80. How?
ここまでの概念を念頭に置い
た可視化を実際に作るには？

81. 必要な知識

82. 必要な知識
• Human Computer Interaction
• Design
• Computer Science
• Domain Knowledge
• Software Engineering
• Cognitive Science
• Statistics

83. 分野の壁
https://flic.kr/p/2SqQe

84. 文化の違い
• サイエンス
• ジャーナリズム
• ビジネス
• 教育

85. Science / Journalism
例：サイエンスとジャーナリズム

86. Similarity
公共性の高さ
透明性の重要度
可視化への需要
オープンデータセットの増加
Differences
プロトコール共有の文化
データとコードの公開
厳密さに対する考え方
Exploratory / Presentation

87. サイエンスでの可視化
• Exploratory
• 科学者が新たな知見を得るための可視化
• Presentation
• 論文で発表するための可視化
• 学会発表のための可視化

88. ジャーナリズムでの可視化
• Presentation
• 一般読者向けにデータを分かりやすく伝える
• Exploratory
• 有権者が意思決定（＝投票等）するのを助ける

89. Is It Better to Rent or Buy?
By MIKE BOSTOCK, SHAN CARTER and ARCHIE TSE
http://www.nytimes.com/interactive/2014/upshot/buy-rent-calculator.html

91. https://flic.kr/p/6rUPaH
分野を超える協力

92. 分野の壁を超える

93. Openness

94. 自分の専門知識/経験
をシェアする
• 文献
• ドメインに関する知識
• 実例
• 技術 - コード/ライブラリ/ツール
• ベストプラクティス

95. 良き質問者になれ

96. 結果の共有
😐

97. 結果とプロセスの共有
😃

98. 結果とプロセスの透明性

99. 生成 解析 可視化

100. 生成

101. 生成
• データの収集
• 実験
• 調査
• 取材

102. 生成 解析 可視化

103. 解析

104. 解析
• データの前処理
• クレンジング
• 機械可読性
• 統計解析

105. 生成 解析 可視化

106. 可視化

107. 可視化
• デザイン
• メディアの決定
• ツールの選定
• コーディング

108. 生成 解析 可視化

109. 生成 解析
可視化

110. 生成 ?
可視化

111. Openness
for Every Step

112. 「数字を見せる」
だけでは不十分

113. 生成 解析 可視化
プロセス全体をオープンにする

114. How to Implement
Openness?
どのようにプロセスの
オープン性を実現するのか？

115. テクノロジーと文化の
両面から解決する

116. テクノロジーからの
アプローチ

117. 可視化技術のレイヤ
Source Code
Environment
Data

118. 可視化技術のレイヤData

119. Source Code
Environment
Data

120. Source Code

122. The Need for Openness
in Data Journalism
http://bit.ly/1ipxwXP
Brian Keegan, Ph.D.

123. Source Code
Environment
Data

124. Environment

126. Software Distribution Problem
- “It-worked-on-my-machine” syndrome
- 設定の複雑さとそれによる再現性の低下は
透明性の敵

127. What is Docker?
- Container to run applications in an isolated
environment
- Application = Layer of images
- Sharable Environments
- Environments as code

128. https://www.docker.com/whatisdocker/

129. Docker Hub
- Sharing environments as code!
- Dockerfile - Definition of your container

130. How Docker-nized
World Works?
Container 1:
IPython + SciPy Stack
Your Machine
Container 2:
R + Bioconductor
Container 3:
Neo4j

131. Your Machine
Container 1:
IPython + SciPy Stack
Container 2:
R + Bioconductor
Container 3:
Neo4j

132. Your Machine
Container 1:
IPython + SciPy Stack
Container 2:
R + Bioconductor
Container 3:
Neo4j

133. Source Code
Environment
Data

134. テクノロジーは いつつある
• データの管理
• ソースの履歴管理
• 解析環境の抽象化
• 柔軟性のある計算機リソース

135. 分野を超えた知識の共有

136. Affordance
aesthetics
Design Pattern

137. Design Pattern
例：デザインパターン

140. 暗黙知の文書化

141. Summary
まとめと提言

142. 再現可能なプロセスの
ために今すぐできること

143. –Mike Bostock
Make your process reproducible.

144. 技術的に過程を再現可能にする
• Scaffolding
• テンプレート化
• Source Code Management
• 機械による履歴管理
• Build Automation
• 自動化

145. Prepare Data for Machines
データは機械のために準備し
Write Code for Human
コードは人間のために書く

146. 競争すべきところは競争し
必要のない部分はオープンに

147. –Someone in my lab
Human is lazy by nature

148. –クレイグ・ベンター
偉大なアイデアとは実行されたアイデアだ

149. Thank you!

150. 2014 Keiichiro Ono
kono@ucsd.edu

151. • このスライドでは一部WikipediaのPD画像を利用し
ています。
• リンクの無い画像は大野圭一朗によるもので、全て
CC BY 4.0ライセンスにて自由に再利用可能です
• リンク付きの画像は全てCCの元配布されています
が、再利用にはリンク先のライセンスをご確認下さ
い。