Introduction | Before you run all chunks | Main package features | 1. Basic operations | 1.1 Project initialization | 1.2 Writing and reading tables | 1.3 Advanced analysis with SQL queries (ol_query) | JOINs and subqueries | Lazy evaluation and integration with dplyr | 1.4 Advanced analysis with aggregation and window functions | Calculating gene expression statistics | Ranking genes | Moving average and cumulative sum | Combining with lazy evaluation | 1.5 Saving and loading R objects | 2. Tracking dependencies | 2.1 Saving data with specified dependencies | 2.2 Checking dependencies | 2.3 Importing and exporting Parquet files | Parquet export | Parquet import | Performance tips | 3. Version management | 3.1 Tagging and labeling | 3.2 Creating multiple versions | 3.3 Listing and comparing versions | 3.4 Loading a specific version | 4. Commits and history management | 4.1 Creating commits | 4.2 Viewing history | 5. Visualizing dependencies | 5.1 Creating dependency graphs | 6. Restoring a project | 6.1 Restoring state using labels | 7. Advanced features | 7.1 Filtered data loading | 7.2 Loading with lazy evaluation | 7.3 Deleting tables | 8. Bioconductor integration | 8.1 Creating a SummarizedExperiment | 8.2 Creating a MultiAssayExperiment | 9. Practical workflow example | 9.1 Complete differential expression analysis workflow | 10. Conclusion | List of key functions | Project management | Data saving and loading | Version management | History management | Dependencies | Listing | Bioconductor | Others | Best practices | Session Information

Introduction | Before you run all chunks | Covered layers | Initialization | 1. Bulk RNA-seq (SummarizedExperiment) | 2. Single-cell RNA-seq (SingleCellExperiment) | 3. Multi-omics cohort (MultiAssayExperiment) | 4. Proteomics / Metabolomics raw MS (Spectra) | 5. Proteomics quantification graph (QFeatures) | 6. Integrated LC-MS container (MsExperiment) | 7. Cross-layer release manifest | 8. Validation with Tutorial-Derived Data | 8.1 Official MultiAssayExperiment data (miniACC) | 8.2 Official Spectra data (fft_spectrum) | 9. Automated Effectiveness Checks | Summary | Session Information

Introduction | Before you run all chunks | Project setup | Preparing the data | Phase 1: Filtering data with SQL queries | Phase 2: Statistical analysis with aggregation functions | Calculate statistics for each gene | Extract top expressed genes | Add rankings | Compute cumulative statistics | Phase 3: Sharing results with Parquet | Exporting results | Importing external data | Phase 4: Compare multiple versions with database views | Scenario: Compare two different analysis methods | Create a view: Compare methods | Using the view: Check concordance | Create multiple views | List views | Deleting views | Integrated workflow example: Combine all features | Practical tips and best practices | Use cases for Phase 1 (SQL queries) | Use cases for Phase 2 (aggregation functions) | Use cases for Phase 3 (Parquet) | Use cases for Phase 4 (views) | Combination patterns | Summary | Session Information

Introduction | Before you run all chunks | Recommended Next Guides | Key Features | Installation | Basic Usage | Initializing a Lake | Storing and Reading Data | Filtering with Formula Syntax | dplyr Integration (Automatic Lineage Tracking) | Joining Multiple Tables | QueryBuilder | Version Control | Snapshots and Tags | Viewing History | Lineage (Data Provenance) | Checking Dependencies | Lineage Visualization | Lightweight Mode (Integrating with Existing Code) | observe: Track without Code Changes | wrap: Wrap Functions for Tracking | Defining Pipelines | Custom Operators | Bracket Notation | Import/Export | Bioconductor Integration | Global Shortcuts | Migration from Legacy API | Summary | Session Information

はじめに | 全コードを実行する前に | 次に読むガイド | 主な特徴 | インストール | 基本的な使い方 | Lakeの初期化 | データの保存と読み込み | Formula構文でフィルタリング | dplyr統合（自動リネージ追跡） | 複数テーブルのJOIN | QueryBuilder | バージョン管理 | スナップショットとタグ | 履歴の確認 | リネージ（データ系譜） | 依存関係の確認 | リネージの可視化 | 軽量モード（既存コードへの導入） | observe: コード変更なしで追跡 | wrap: 関数をラップして追跡 | パイプラインの定義 | カスタム演算子 | ブラケット記法 | インポート/エクスポート | Bioconductor統合 | グローバルショートカット | 旧APIからの移行 | まとめ | Session Information

はじめに | 全コードを実行する前に | 対象レイヤー | 初期化 | 1. Bulk RNA-seq (SummarizedExperiment) | 2. Single-cell RNA-seq (SingleCellExperiment) | 3. Multi-omics cohort (MultiAssayExperiment) | 4. Proteomics / Metabolomics raw MS (Spectra) | 5. Proteomics quantification graph (QFeatures) | 6. LC-MS統合コンテナ (MsExperiment) | 7. クロスレイヤーの公開マニフェスト | 8. チュートリアル由来データでの検証 | 8.1 MultiAssayExperiment公式データ (miniACC) | 8.2 Spectra公式データ (fft_spectrum) | 9. 有効性チェック（自動） | まとめ | Session Information

はじめに | 全コードを実行する前に | プロジェクトのセットアップ | データの準備 | Phase 1: SQLクエリによるデータフィルタリング | Phase 2: 集計関数による統計解析 | 遺伝子ごとの統計量を計算 | 発現量上位の遺伝子を抽出 | ランキングを追加 | 累積統計の計算 | Phase 3: Parquetでの結果共有 | 結果のエクスポート | 外部データのインポート | Phase 4: データベースビューで複数バージョンを比較 | シナリオ: 2つの異なる解析手法を比較 | ビューの作成: 手法間の比較 | ビューの活用: 一致度の確認 | 複数のビューを作成 | ビューの一覧表示 | ビューの削除 | 統合ワークフロー例: 全機能を組み合わせる | 実践的なヒントとベストプラクティス | Phase 1 (SQLクエリ) の活用場面 | Phase 2 (集計関数) の活用場面 | Phase 3 (Parquet) の活用場面 | Phase 4 (ビュー) の活用場面 | 組み合わせのパターン | まとめ | Session Information

はじめに | 全コードを実行する前に | パッケージの主な機能 | 1. 基本操作 | 1.1 プロジェクトの初期化 | 1.2 テーブルの書き込みと読み込み | 1.3 SQLクエリによる高度な分析 (ol_query) | JOINとサブクエリ | 遅延評価とdplyrとの統合 | 1.4 集計・ウィンドウ関数による高度な分析 | 遺伝子発現統計の計算 | 遺伝子のランキング | 移動平均と累積和 | 遅延評価との組み合わせ | 1.5 Rオブジェクトの保存と読み込み | 2. 依存関係の追跡 | 2.1 依存関係を指定してデータを保存 | 2.2 依存関係の確認 | 2.3 Parquet ファイルのインポート・エクスポート | Parquetエクスポート | Parquetインポート | パフォーマンスのヒント | 3. バージョン管理 | 3.1 タグ付けとラベル付け | 3.2 複数バージョンの作成 | 3.3 バージョン一覧と比較 | 3.4 特定バージョンの読み込み | 4. コミットと履歴管理 | 4.1 コミットの作成 | 4.2 履歴の確認 | 5. 依存関係の可視化 | 5.1 依存関係グラフの作成 | 6. プロジェクトの復元 | 6.1 ラベルを使った状態の復元 | 7. 高度な機能 | 7.1 データのフィルタリング読み込み | 7.2 遅延評価での読み込み | 7.3 テーブルの削除 | 8. Bioconductor統合 | 8.1 SummarizedExperimentの作成 | 8.2 MultiAssayExperimentの作成 | 9. 実践的なワークフロー例 | 9.1 完全な差次発現解析ワークフロー | 10. まとめ | 主要な関数一覧 | プロジェクト管理 | データ保存・読み込み | バージョン管理 | 履歴管理 | 依存関係 | 一覧表示 | Bioconductor | その他 | ベストプラクティス | Session Information

Introduction | Before you run all chunks | Main package features | 1. Basic operations | 1.1 Project initialization | 1.2 Writing and reading tables | 1.3 Advanced analysis with SQL queries (ol_query) | JOINs and subqueries | Lazy evaluation and integration with dplyr | 1.4 Advanced analysis with aggregation and window functions | Calculating gene expression statistics | Ranking genes | Moving average and cumulative sum | Combining with lazy evaluation | 1.5 Saving and loading R objects | 2. Tracking dependencies | 2.1 Saving data with specified dependencies | 2.2 Checking dependencies | 2.3 Importing and exporting Parquet files | Parquet export | Parquet import | Performance tips | 3. Version management | 3.1 Tagging and labeling | 3.2 Creating multiple versions | 3.3 Listing and comparing versions | 3.4 Loading a specific version | 4. Commits and history management | 4.1 Creating commits | 4.2 Viewing history | 5. Visualizing dependencies | 5.1 Creating dependency graphs | 6. Restoring a project | 6.1 Restoring state using labels | 7. Advanced features | 7.1 Filtered data loading | 7.2 Loading with lazy evaluation | 7.3 Deleting tables | 8. Bioconductor integration | 8.1 Creating a SummarizedExperiment | 8.2 Creating a MultiAssayExperiment | 9. Practical workflow example | 9.1 Complete differential expression analysis workflow | 10. Conclusion | List of key functions | Project management | Data saving and loading | Version management | History management | Dependencies | Listing | Bioconductor | Others | Best practices | Session Information

Introduction | Before you run all chunks | Covered layers | Initialization | 1. Bulk RNA-seq (SummarizedExperiment) | 2. Single-cell RNA-seq (SingleCellExperiment) | 3. Multi-omics cohort (MultiAssayExperiment) | 4. Proteomics / Metabolomics raw MS (Spectra) | 5. Proteomics quantification graph (QFeatures) | 6. Integrated LC-MS container (MsExperiment) | 7. Cross-layer release manifest | 8. Validation with Tutorial-Derived Data | 8.1 Official MultiAssayExperiment data (miniACC) | 8.2 Official Spectra data (fft_spectrum) | 9. Automated Effectiveness Checks | Summary | Session Information

Introduction | Before you run all chunks | Project setup | Preparing the data | Phase 1: Filtering data with SQL queries | Phase 2: Statistical analysis with aggregation functions | Calculate statistics for each gene | Extract top expressed genes | Add rankings | Compute cumulative statistics | Phase 3: Sharing results with Parquet | Exporting results | Importing external data | Phase 4: Compare multiple versions with database views | Scenario: Compare two different analysis methods | Create a view: Compare methods | Using the view: Check concordance | Create multiple views | List views | Deleting views | Integrated workflow example: Combine all features | Practical tips and best practices | Use cases for Phase 1 (SQL queries) | Use cases for Phase 2 (aggregation functions) | Use cases for Phase 3 (Parquet) | Use cases for Phase 4 (views) | Combination patterns | Summary | Session Information

Introduction | Before you run all chunks | Recommended Next Guides | Key Features | Installation | Basic Usage | Initializing a Lake | Storing and Reading Data | Filtering with Formula Syntax | dplyr Integration (Automatic Lineage Tracking) | Joining Multiple Tables | QueryBuilder | Version Control | Snapshots and Tags | Viewing History | Lineage (Data Provenance) | Checking Dependencies | Lineage Visualization | Lightweight Mode (Integrating with Existing Code) | observe: Track without Code Changes | wrap: Wrap Functions for Tracking | Defining Pipelines | Custom Operators | Bracket Notation | Import/Export | Bioconductor Integration | Global Shortcuts | Migration from Legacy API | Summary | Session Information

はじめに | 全コードを実行する前に | 次に読むガイド | 主な特徴 | インストール | 基本的な使い方 | Lakeの初期化 | データの保存と読み込み | Formula構文でフィルタリング | dplyr統合（自動リネージ追跡） | 複数テーブルのJOIN | QueryBuilder | バージョン管理 | スナップショットとタグ | 履歴の確認 | リネージ（データ系譜） | 依存関係の確認 | リネージの可視化 | 軽量モード（既存コードへの導入） | observe: コード変更なしで追跡 | wrap: 関数をラップして追跡 | パイプラインの定義 | カスタム演算子 | ブラケット記法 | インポート/エクスポート | Bioconductor統合 | グローバルショートカット | 旧APIからの移行 | まとめ | Session Information

はじめに | 全コードを実行する前に | 対象レイヤー | 初期化 | 1. Bulk RNA-seq (SummarizedExperiment) | 2. Single-cell RNA-seq (SingleCellExperiment) | 3. Multi-omics cohort (MultiAssayExperiment) | 4. Proteomics / Metabolomics raw MS (Spectra) | 5. Proteomics quantification graph (QFeatures) | 6. LC-MS統合コンテナ (MsExperiment) | 7. クロスレイヤーの公開マニフェスト | 8. チュートリアル由来データでの検証 | 8.1 MultiAssayExperiment公式データ (miniACC) | 8.2 Spectra公式データ (fft_spectrum) | 9. 有効性チェック（自動） | まとめ | Session Information

はじめに | 全コードを実行する前に | プロジェクトのセットアップ | データの準備 | Phase 1: SQLクエリによるデータフィルタリング | Phase 2: 集計関数による統計解析 | 遺伝子ごとの統計量を計算 | 発現量上位の遺伝子を抽出 | ランキングを追加 | 累積統計の計算 | Phase 3: Parquetでの結果共有 | 結果のエクスポート | 外部データのインポート | Phase 4: データベースビューで複数バージョンを比較 | シナリオ: 2つの異なる解析手法を比較 | ビューの作成: 手法間の比較 | ビューの活用: 一致度の確認 | 複数のビューを作成 | ビューの一覧表示 | ビューの削除 | 統合ワークフロー例: 全機能を組み合わせる | 実践的なヒントとベストプラクティス | Phase 1 (SQLクエリ) の活用場面 | Phase 2 (集計関数) の活用場面 | Phase 3 (Parquet) の活用場面 | Phase 4 (ビュー) の活用場面 | 組み合わせのパターン | まとめ | Session Information

はじめに | 全コードを実行する前に | パッケージの主な機能 | 1. 基本操作 | 1.1 プロジェクトの初期化 | 1.2 テーブルの書き込みと読み込み | 1.3 SQLクエリによる高度な分析 (ol_query) | JOINとサブクエリ | 遅延評価とdplyrとの統合 | 1.4 集計・ウィンドウ関数による高度な分析 | 遺伝子発現統計の計算 | 遺伝子のランキング | 移動平均と累積和 | 遅延評価との組み合わせ | 1.5 Rオブジェクトの保存と読み込み | 2. 依存関係の追跡 | 2.1 依存関係を指定してデータを保存 | 2.2 依存関係の確認 | 2.3 Parquet ファイルのインポート・エクスポート | Parquetエクスポート | Parquetインポート | パフォーマンスのヒント | 3. バージョン管理 | 3.1 タグ付けとラベル付け | 3.2 複数バージョンの作成 | 3.3 バージョン一覧と比較 | 3.4 特定バージョンの読み込み | 4. コミットと履歴管理 | 4.1 コミットの作成 | 4.2 履歴の確認 | 5. 依存関係の可視化 | 5.1 依存関係グラフの作成 | 6. プロジェクトの復元 | 6.1 ラベルを使った状態の復元 | 7. 高度な機能 | 7.1 データのフィルタリング読み込み | 7.2 遅延評価での読み込み | 7.3 テーブルの削除 | 8. Bioconductor統合 | 8.1 SummarizedExperimentの作成 | 8.2 MultiAssayExperimentの作成 | 9. 実践的なワークフロー例 | 9.1 完全な差次発現解析ワークフロー | 10. まとめ | 主要な関数一覧 | プロジェクト管理 | データ保存・読み込み | バージョン管理 | 履歴管理 | 依存関係 | 一覧表示 | Bioconductor | その他 | ベストプラクティス | Session Information

Introduction | Load Package and Example Data | Part 1: Two-Stage K,r Selection | Why Two-Stage? | Algorithm | Usage Example | For MPCA Models | Choosing r_fixed | Comparison: Two-Stage vs Grid Search | Part 2: Post-Hoc Evaluation | posthoc_mfa_evaluation() | Output Columns | Interpreting Cluster Sizes | get_model_by_K_r() | Comparing Multiple Candidates | Part 3: Integrated Workflow | Workflow Diagram | Complete Example | Decision Checklist | When to Reconsider | Summary | See Also | Session Info

Introduction | Quick Reference Table | Detailed Metric Descriptions | Cross-Validation (CV) | Theoretical Background | Mathematical Formulation | Implementation | When to Use | Interpretation Guidelines | Variance Accounted For (VAF) | VAF Thresholds in Literature | Caution: VAF Alone is Insufficient | Bayesian Information Criterion (BIC) | BIC vs AIC | Sample Size Sensitivity | Smoothness Penalty | Interpretation | Typical Pattern | Muscle Synergy Context | Very Simple Structure (VSS) | Rotation Importance | Parallel Analysis (PA) | Algorithm | Characteristics | Metric Comparison and Selection Strategy | Single Metric Usage | Recommended Combinations | Conservative Selection (Avoid Overfitting) | Interpretability Focus | Balanced Approach (Recommended Default) | Decision Framework | Summary | Key Takeaways | Recommended Workflow | References | Session Info

1. Background | 2. Method Overview and Effective Use Cases | 2.1 Mixture Factor Analysis (MFA) | 2.2 Mixture PCA (MPCA) | 3. Data (Input) Format | 4. Single Mixture Model Estimation | 4.1 Mixture Factor Analysis (MFA) | 4.2 Mixture PCA (MPCA) | 5. Parameter Meanings and Typical Settings | 6. Visualizing the Fitted Model | 6.1 MFA: Synergy Loadings & Factor Scores | 6.2 MPCA: Loadings & Factor Scores | 7. Optimal Parameter Search (K, r) | 7.1 MFA Grid Search | 7.2 MPCA Grid Search | 8. Refining the Chosen Model | 9. Closing Remarks

Introduction | Load the Package | Step 1: Generate Synthetic Data | Step 2: Fit MFA Model | Step 3: Visualize Synergy Loadings | Additional Visualizations | Next Steps | Summary

1 Overview | 2 Simulation design | 3 Running the simulation | 4 Aggregating results | 5 Visualisation | 5.1 Clustering accuracy (ARI) | 5.2 Model fit (BIC & VAF) | 6 Session information

1. Introduction | 2. Simulation design | 3. Running the 10 replicates | 4. Summary statistics | 5. Visualising variability across replicates | 6. Session information

Introduction | Load the Package | Generate Example Data | Mode 1: Global-First Selection | When to Use Global-First Mode | Usage Example | Visualize Results | Mode 2: Clusterwise Selection | When to Use Clusterwise Mode | Aggregation Methods | Visualize Clusterwise Results | Mode 3: Hybrid Selection (Recommended) | When to Use Hybrid Mode | Special Aggregation: "global" | Visualize Hybrid Results | Comparison: MFA vs MPCA | Advanced: Direct Use of Clusterwise Functions | Best Practices and Recommendations | 1. Start with Hybrid Mode | 2. Use Appropriate rvec Range | 3. Interpret Multiple Criteria | 4. Validate with Visualization | 5. Consider Computational Cost | Troubleshooting | Issue: Different modes give very different r values | Issue: Selected r is at the boundary of rvec | Issue: Clusterwise mode gives NA or warnings | Multi-Criteria Selection | Understanding the Composite Score | Weight Configuration Guidelines | Understanding the Metrics | Cross-Validation (CV) | Variance Accounted For (VAF) | Smoothness Penalty | Very Simple Structure (VSS) | Parallel Analysis (PA) | Bayesian Information Criterion (BIC) | Summary | References | Session Info

Introduction | Installation | Quick Start | 1. Load example data | 2. Build glycan trait matrices | 3. Differential analysis | 4. Trait distribution visualization | Define Your Own Glycan Motifs | 1. Parse and plot glycan trees | 2. A Simple User Motif (Example 1) | 3. Motif Containing Fucose (Example 2) | 4. Integrating Motifs with glycoTraitR (for Trait Computation) | Conclusion