スキップしてメイン コンテンツに移動

!{{isbn '476282139X'}}

仕事の進めかた，特に問題発見や解決，タスクマネジメントなどについて良い本がないか，と最近何度か聞かれたので文章にしておきます．

いかに研究を進めていくか．現場では重要なスキルであってもシステマティックに教えているというのは聞いたことがないです．企業や大学の研究室(大学もそんなに変わらんよという声が聞こえてきそうですが)では事情が違うのかもしれませんが，研究所(センター)のようなところに飛び込んだ学生さんはろくに教育してもらえず，そのくせ即戦力として期待される場合が多いと思います(そして結果は自己責任wwwぜんぜん笑えないwww)．

まあ意見できるほど立場にないのですが，僕も学部生の時代から今までずっと研究センター所属でした(TCAT(MBI, KDRIとコラボ)->RIKEN GSC->SMS RCGM->RIKEN CDB)ので，いわゆる「指導」らしいものを受けたことがあまりないです(受けたいと思っていなかったのだけどw)．それで，優秀な先輩の方々の振舞を盗んだり，本を読んでみたりと，わりと試行錯誤してきたわけです．

そのような学生さんが仕事の進め方を自習するのに良さそうな本を挙げてみました．即戦力を期待されているわけですから，まず読みやすさ重視で選びました．また研究の現場に向けて書かれてものではない一般的に役に立ちそうな本を選んであります．

また今回は触れませんでしたが，別な重要な問題として，いかにオリジナリティを発揮するか，という問題もありますね．そんなものは教わるものではない，とか，DNAに書きこまれている，とかいう考えもあると思いますが，これだけ学生やポスドクの量が増えてくるとシステマティックな教育方法があっても良い気もしています．このあたりで参考になる本だとがあれば教えてくださいな．

さて思い浮んだのは以下の4冊ですね．

どうやって問題を発見し定義するか，について基本的な考え方が展開されています．警句のようなものが並んでいる感じです．具体的にどうすれば良いか，というところまで書いていませんが面白い例(表題のライト，ついていますかなど)などがいくつか出てきます．

こちらの本では問題解決のため思考方法と技術が具体的に2つずつ挙げられています．その方法とはゼロベース思考，仮説思考で，技術とはMECEとロジックツリーと言うものです．特にMECEは研究の現場ですぐに役に立ちます．優秀な研究者を見ていると同じ問題をしつこく考えています．それを意識的にやるにはMECEは良い技術ですよ．

問題と解決方法を理解しても，実際にタスクに落してそれを次々に実行し
なければ解決しません．タスクマネジメントの方法を持つことで，そのプレッシャーから解放されクリエイティブな部分に脳を使えるというのもメリットもあります．タスクをマネジメントする方法のひとつであるGTDについて具体的に書かれていますよ．

問題発見や解決を正しく行うためには，盲目的にポジティブシンキングで
あっても，意味なくネガティブシンキングであっても問題があります．
重要なのは，客観的に批判的に物を見るクセを付けることです．
それがクリティカルシンキングと言われていてMBAでは一般的に教わる
そうです．MBAの難しい教科書を読まなくても4コママンガで理解できる
良書です．

----
タイムマネジメント系がないですね．タスクマネジメントがちゃんとできていればタイムマネジメントは自然とできるような気がします．しかし自分でちゃんとできていない気がしますので良い本があれば教えてくださいね．

コメント

コメントを投稿

このブログの人気の投稿

シーケンスアダプタ配列除去ツールまとめ

FASTQ/A file からシーケンスアダプター配列やプライマー配列を除くためのプログラムをまとめてみる。 まず、配列の除去には大別して2つの方向性がある。ひとつは、アダプター配列を含む「リード」を除いてしまう方法。もうひとつは除きたい配列をリードからトリムする方法である。後者のほうが有効リードが増えるメリットが、綺麗に除ききれない場合は、ゲノムへのマップ率が下がる。 気をつける点としては、アダプター/プライマーの reverse complement を検索するかどうか。paired end の際には大事になる。クオリティでトリムできるものや、Paired-end を考慮するものなどもある。アダプター/プライマー配列の文字列を引数として直接入力するものと、multi fasta 形式で指定できるももある。 From Evernote: シーケンスアダプタ配列除去ツールまとめ TagDust http://genome.gsc.riken.jp/osc/english/software/src/nexalign-1.3.5.tgz http://bioinformatics.oxfordjournals.org/content/25/21/2839.full インストール: curl -O http://genome.gsc.riken.jp/osc/english/software/src/tagdust.tgztar zxvf tagdust.tgz cd tagdust/ make sudo make install rehash 使いかた: tagdust adapter.fasta input.fastq -fdr 0.05 -o output.clean.fastq -a output.artifactual.fastq 解説: 入出力形式は fastq/a が使える。リード全体を除く。速い。アダプター配列を fasta 形式で入力できるのが地味に便利で、これに対応しているものがなかなかない。Muth–Manber algorithm (Approximate multiple
2 件のコメント
続きを読む

ChIP-seq の Peak calling tool を集めたよ

ほかにもあったら教えてください。プログラム/プロジェクト名がツールのプロジェクトサイトへのリンク。その論文タイトルは論文へのリンクになっています。 ツール名の50音順です。 CCCT -  A signal–noise model for significance analysis of ChIP-seq with negative control , chipdiff と同じグループ CisGenome -  CisGenome: An integrated software system for analyzing ChIP-chip and ChIP-seq data . ChromSig -  ChromaSig: a probabilistic approach to finding common chromatin signatures in the human genome. ChIPDiff -  An HMM approach to genome-wide identification of differential histone modification sites from ChIP-seq data ChIP-Seq Analysis Server FindPeaks -  FindPeaks 3.1: a tool for identifying areas of enrichment from massively parallel short-read sequencing technology. Version 4.0 is out. GLITR -  Extracting transcription factor targets from ChIP-Seq data HPeak -  HPeak: an HMM-based algorithm for defining read-enriched regions in ChIP-Seq data MACS -  Model-based Analysis of ChIP-Seq (MACS). PeakSeq -  PeakSeq enables systematic scoring of ChIP-seq experimen
コメントを投稿
続きを読む

大学の研究室でアカデミックプランが使えるICTツール

自分らでサーバ管理したくないので、SaaS系とローカルで動くソフトのみ。ローカルで動くソフトに関しては、Mac or Docker で動くもののみ。 無償 G Suite for Education  (ドキュメント共有、カレンダーなど) GitHub Education  (ソースコード管理) esa.io アカデミックプラン  (知識共有) Tableau  (データ可視化) Scrapbox  (知識共有) GROWI.cloud  (Wikiなど) 割引 Slack の教育支援プログラム  (ビジネスチャット) Dropbox Education  (ファイル共有、ドキュメント共有) Office 356  (オフィスソフト) Adobe Creative Cloud  (画像編集) AutoDesk for Education  (CADなど) これから申し込んでいくところなので、本当に使えるかはわかりせん。使えた使えないなどの情報やほかのツールでお勧めがあれば教えてもらえると嬉しいです。 アカデミアでなくても無料で使えるツールのうち、うちで使うであろうものは以下に列挙していく。 Google Colaboratory  (データ解析) Overleaf  (論文執筆) Rstudio  (開発, データ解析) VS code (開発)
コメントを投稿
続きを読む