📊 解析くん Web版 - 論文用グラフ作成・統合統計解析システム

🔒 完全ローカルメモリ処理 (外部サーバー送信ゼロ)

📖 解析くん 機能・統計アルゴリズム公式ガイド

「解析くん（Kaiseki-kun）」は、生命科学・医学・薬学・行動神経科学・農学などの基礎および臨床研究現場において、実験データの分布特性に応じた適切な統計手法の選択と、国際学術誌への論文投稿品質（300 dpi PNG / ベクターSVG / 統計根拠PDFレポート）のグラフ作成を自動化する統合統計解析Webアプリケーションです。

近年、国際的な学術ジャーナル（Nature, Science, Cell姉妹誌や各種専門誌）では、棒グラフだけでなく個体ごとのデータ分布（ドットプロット）の重畳表示や、正規性・等分散性の事前検定に基づく厳密なパラメトリック／ノンパラメトリック手法の選択、さらには飼育ケージ効果（擬似反復：Pseudoreplication）の監査が強く求められています。本システムはこれらの最新の生物統計ガイドラインに準拠した解析パイプラインを提供します。

1. 横断データ（単発測定・棒グラフ＋個体ドット）の統計決定ツリー

単一時点での群間比較（体重、臓器重量、行動試験の総スコア、遺伝子発現量など）では、各群のサンプルサイズと残差の分布を診断した上で、以下のアルゴリズムにより最適な検定を自動実行します。

比較デザイン データの分布・分散条件 適用される主検定 事後多重比較（Post-hoc）
2群比較
（例: WT vs KO）		 正規分布 かつ 不等分散（推奨・標準）
正規分布 かつ 等分散
非正規分布（ノンパラメトリック）
対応のある2群（前後比較など）		 Welchのt検定 (Welch's t-test)
Studentのt検定 (Student's t-test)
Mann-WhitneyのU検定
対応のあるt検定 (Paired t-test)		 ー（2群のため不要）
3群以上の多群比較
（1要因・One-way）		 正規分布 かつ 等分散
正規分布 かつ 不等分散
非正規分布（ノンパラメトリック）		 一元配置分散分析 (One-way ANOVA)
WelchのANOVA
Kruskal-Wallis検定		 Tukey-Kramer法 / Dunnett法
Games-Howell法
Dunn検定（Holm補正）
2要因の多群比較
（例: 遺伝子型 × 性別）		 正規分布・等分散
不等分散・頑健推定		 二元配置分散分析 (Two-way ANOVA)
HC3ロバスト分散推定線形モデル		 各水準での単純主効果検定
および多重比較補正

2. 経時変化・反復測定（折れ線グラフ）と生存時間解析

同一の個体（マウスや被験者）を複数の時点（Days, Trials, Sessions）にわたって追跡した縦断データ（Longitudinal data）では、個体内の相関を考慮した解析が不可欠です。

3. ケージ効果・バッチ効果の統計監査（擬似反復の防止）

動物実験において、同じケージで飼育されている個体同士（同腹仔や同居マウス）は、微小な環境要因や社会的順位の影響を共有するため、完全に独立したサンプルとはみなせない場合があります（ケージ効果）。本システムの「ケージ監査タブ」では、級内相関係数（ICC: Intraclass Correlation Coefficient）とケージ間分散分析を自動計算し、擬似反復（Pseudoreplication）による偽陽性リスクを3段階で診断します。さらに、ケージ平均値への集約やケージを変量効果とした補正解析をワンクリックで実行できます。

4. 多変量解析（PCA・相関行列・レーダーチャート）と実験計画支援

✍️ 論文執筆時の「Statistical Analysis（統計解析）」セクション記載例・ケーススタディ

国際学術誌へ論文を投稿する際、Materials and Methods（材料と方法）の「Statistical Analysis」セクションには、使用した検定手法、正規性・等分散性の確認手順、多重比較の補正法、およびグラフのエラーバーの定義（標準誤差 SEM または 標準偏差 SD）を明確に記載する必要があります。本システムで解析を行った場合の英文・和文記載テンプレートを以下に示します。

ケース1：自動判定モード（正規性・等分散性に応じた分岐）を使用した場合

Shapiro-Wilk検定による残差の正規性診断と、Levene検定による等分散性診断を経て最適な手法を選択したことを明記する標準的な記述例です。

[英文記載例]
All statistical analyses were performed using Python (SciPy, Statsmodels, and Scikit-posthocs libraries). Normality of residuals was assessed using the Shapiro-Wilk test, and homogeneity of variances was evaluated using Levene's test. For comparisons between two independent groups, Student's t-test (for equal variances), Welch's t-test (for unequal variances), or the Mann-Whitney U test (for non-normally distributed data) was applied as appropriate. For multiple group comparisons, one-way ANOVA followed by Tukey-Kramer post-hoc test, Welch's ANOVA followed by Games-Howell test, or Kruskal-Wallis test followed by Dunn's post-hoc test with Holm's step-down adjustment was used. Data are presented as mean ± standard error of the mean (SEM) with individual data points overlaid. A p-value of < 0.05 was considered statistically significant.

ケース2：反復測定データ（経時変化）に対して線形混合モデル（LMM）を適用した場合

行動試験の学習曲線や体重の経時変化など、同一の個体を複数回測定したデータにおいて、個体IDを変量効果とした線形混合モデル（Linear Mixed-Effects Model）を使用した際の記述例です。

[英文記載例]
Longitudinal and repeated-measures data were analyzed using a linear mixed-effects model (LMM) with Group, Time, and the Group × Time interaction as fixed effects, and individual subject ID (MouseID) as a random intercept to account for within-subject correlations and potential missing values. Post-hoc pairwise comparisons at each time point were adjusted using Holm's method.

ケース3：飼育ケージ効果（Cage Effect）の監査とLMM補正を実施した場合

近年の神経科学・動物行動学ジャーナル（Nature Neuroscience, eLife, Journal of Neuroscience等）で重視される、同居ケージ内のクラスター効果（擬似反復）を排除した解析の記述例です。

[英文記載例]
To prevent pseudoreplication arising from shared housing environments, intraclass correlation coefficients (ICC) across cages were audited prior to primary hypothesis testing. When significant cage-level clustering was detected, linear mixed-effects models incorporating Cage ID as a random effect (or cage-averaged values as the experimental unit) were employed to ensure robust inference of genotype and treatment effects.

❓ よくある質問（FAQ）・使い方ガイド

Q1. アップロードしたExcelやCSVデータが外部に漏洩する心配はありませんか？

一切ありません。「解析くん Web版」は、最新のWebAssembly技術（PyodideおよびStlite）を採用しています。ページを開いた際にお使いのブラウザのメモリ内にPythonの計算環境が構築され、すべてのファイル読み込み・統計計算・グラフ描画はお使いのパソコンやタブレット端末の内部（ローカルメモリ）だけで完結します。外部のサーバーへ研究データが送信・保存されることはシステム構造上100%ありませんので、未発表の論文データや機密性の高い実験データも安心して解析いただけます。

Q2. パソコンにPythonやRなどのソフトをインストールする必要はありますか？

インストールは一切不要です。Google Chrome、Microsoft Edge、Safariなどの標準的なWebブラウザがあれば、Windows・Mac・タブレットを問わず、URLを開くだけですぐにすべての機能をご利用いただけます。

Q3. どのような形式のExcel・CSVファイルを用意すればよいですか？

1行目に「列名（項目名）」、2行目以降に「各個体のデータ（1行＝1個体）」が並んだ標準的な表形式（Tidy data）に対応しています。たとえば、MouseID（個体識別番号）、Genotype（WT, KOなどの群分け要因）、Sex（M, Fなどの第2要因）、そして測定値（Weight, Test_Day1, Test_Day2 など）を列として並べたファイルをそのまま読み込ませることができます。

Q4. 出力したグラフはそのまま論文（Illustrator等）に使えますか？

はい、そのまま投稿・編集可能です。高解像度のラスター画像（300 dpi PNG）に加え、文字情報をアウトライン化せずフォントとして保持したベクター形式（SVGファイル）を出力します。画面内のインタラクティブ・プレビュー上でバーの太さやp値・ブラケットの位置を直感的に微調整できるほか、Adobe IllustratorやAffinity Designer、PowerPoint等で開いて編集することも可能です。

🛡️ 利用規約・データセキュリティ・オープンソースライセンス

1. 個人情報の取り扱いと研究倫理

本ツールはローカルメモリ内で処理を行いますが、ヒトを対象とした臨床研究データ等を解析する場合は、個人情報保護法および所属研究機関の倫理指針に従い、氏名・カルテ番号・生年月日等の個人を特定できる情報を完全に匿名化（連結不可能匿名化または記号化）した上で読み込ませてください。

2. 免責事項

本アプリケーションの統計アルゴリズムおよび出力グラフの正確性には万全を期しておりますが、実験デザインやデータの性質に対する最終的な統計手法の妥当性判断は、研究者・利用者ご自身の責任において行ってください。本ツールの利用により生じたいかなる直接的・間接的損害についても、開発者は一切の責任を負いません。

3. 使用オープンソースソフトウェア（OSS）ライセンス表記

本アプリケーションは、以下の優れたオープンソースプロジェクト（WebAssembly / Python科学計算エコシステム）の恩恵を受けて構築されています。各ライブラリの開発者コミュニティに深く感謝いたします。

📄 プライバシーポリシー・広告配信に関する詳細ページを見る