生命科学分野で取得されるデータ集合は、雑多（ヘテロ）な構造になり、ヘテロなデータ構造を扱える理論的な枠組みがもとめられている。本連載では、汎用的なヘテロバイオデータの解析手法である行列・テンソル分解を紹介していく。第4回では、これまで扱ってこなかった質的データ、距離、グラフといった特殊なデータに対して適用できる行列・テンソル分解を紹介する。

タンパク質を構成するアミノ酸配列からその安定な立体構造を予測することは、生命科学の研究において非常に重要な意味を持っている。このために多くの実験研究者は60年以上に渡って1つ1つのタンパク質の構造を決定し、計算科学者は30年以上もの間、立体構造予測の技術を進化させてきた。2020年11月30日にDeepMind社が発表したAlphaFold2は、わずかな時間でアミノ酸配列からその立体構造を極めて高い精度で予測できることを示し、さらにはこれが2021年7月16日（日本時間）に無償で一般に使用可能となったことで、生命科学全般の研究に大きな影響を与えた。本稿ではAlphaFold2に至るまでの歴史的経緯、その予測手法、AlphaFold2が与えた影響と将来の展望について紹介する。

生体組織のゲノム情報を個々の細胞レベルで網羅的に計測し解析するシングルセル解析が可能となり、組織を構成する各細胞の挙動や多様な細胞種の性質について分析することができる。シングルセル解析においては、各細胞での遺伝子発現量（Single-cell RNA sequencing）と数理的手法とに基づいて、細胞種分類や軌道推定、遺伝子間相互作用推定などが行われている。

本稿では、scRNA-seqデータに関する基礎知識や、シングルセル解析の動向と注目のトピックスに関して、各解析の概要と適用される数理的手法について概説する。

がん細胞のゲノムには多数の突然変異が含まれており、それらは変異プロセスと呼ばれる何らかの原因によって引き起こされたものである。一部の変異プロセスは、変異の種類（一塩基置換や構造バリアント等）や周辺の塩基情報に依存した特定の変異を引き起こしやすいことが知られており、そのような変異のパターンを変異シグネチャーと呼ぶ。個人の腫瘍に含まれる多数の突然変異は複数のシグネチャーが作用した結果と解釈することが可能であり、そのようなシグネチャー解析は変異をその原因と結びつけるという意味で発がん過程の分子的なメカニズム解明の一助となる他、個別化医療の現場におけるバイオマーカーとしての利用が期待されている。本総説では、変異シグネチャーの推定手法としてオミクスデータに対する教師なし学習を中心に概説した後に、がんゲノム研究における応用例を紹介し、今後の展望について議論する。

本稿では、これまで独立に発展を遂げてきた次の3つの領域を組み合わせ、新しい生物学のあり方を模索する：（1）遺伝子を中心としたバイオインフォマティクス解析、（2）生態系における個体や種の情報を扱う生物多様性情報解析、（3）生物たるヒトが生み出した文化情報の解析。従来これらの分野では異なる学術体系に基づいてデータが蓄積されてきたが、近年、分類学におけるDNA情報の利用や、ヒトの文化的形質の起源や進化の研究、人新世における生物多様性の研究から、3つの分野には互いに接点が生じている。しかし、学際的なコミュニティ等を活用してもなお、技術的・概念的な溝を埋めるのは容易ではない。そこで、これら3つの分野の関わりについて、データ連携を中心に、代表的なリソース・研究事例・課題などを俯瞰し、バイオインフォマティクスの研究者を生物多様性情報や文化の情報の世界へと誘いたい。