📖 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。
- 線形混合モデル（LMM: Linear Mixed Model）: 従来の反復測定分散分析（RM-ANOVA）では、途中の時点で1箇所でも欠損値（測定漏れや動物の脱落）があると、その個体の全データが除外されてしまう欠点がありました。本ツールが実装するLMM（混合効果モデル）は、個体ID（MouseID）を変量効果（Random effect）として組み込むことで、欠損値が存在するデータセットでも全サンプルの情報を無駄にせず、群（Group）× 時間（Time）の交互作用を正確に検定します。
- 各時点での群間比較と多重補正: 経時変化グラフの各測定時点（Day 1, Day 2...）における群間差についても、t検定やANOVA、Mann-Whitney検定にHolm法またはBonferroni法による多重比較補正を適用して有意差を算出します。
- 生存曲線（Kaplan-Meier法）: 死亡やイベント発生までの時間を解析するカプランマイヤー生存曲線の描画と、Log-rank検定（Mantel-Cox法）、一般化Wilcoxon検定、Tarone-Ware検定による群間比較に対応しています。
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
- 主成分分析（PCA）と信頼楕円: 複数の行動テストや生化学マーカーの結果を統合し、群間の全体的なフェノタイプ分離を2次元プロットと確率楕円（2SD）で可視化します。
- ROC曲線とカットオフ値算出: バイオマーカーや行動指標の診断能を評価するROC曲線を描画し、AUC（曲線下面積）およびYouden Indexに基づく最適カットオフ値・感度・特異度を算出します。
- 実験計画支援（必要N数の逆算）: パイロット実験の平均値と標準偏差（変動係数 CV）から、目標とする95%信頼区間の許容誤差を達成するために必要なサンプルサイズ（動物数 N）を逆算し、3Rの原則（Reduction：使用動物数の削減と最適化）に則った実験計画をサポートします。