Drkcore

今日の家庭菜園(130609)

ズッキーニの花が咲いた。

1370768248

枝豆も発芽。もう少ししたら定植する。

1370768249

ジャガイモも収穫した。去年は7Kgとれたが、今年は17Kgもとれた。

1370768251

陰干ししておいた。

1370768252

しかし、去年よりましだけどそうか病になってた。まぁしょうがないのかなぁと思いつつ、綺麗すぎるジャガイモが常に取れるってどういうことなのかなぁと思わないわけでもない。ピクリンとかぶっこむらしい。

それからジャガイモの後作どうするか超悩んでいる。

09062013 drum'n'bass

今日のドラムンベース(130609)

リキッドな気分だったので。リキッドはつなぐのも混ぜるのも難しいので持っている割にはあまり使わないという。

Tonight / Danny Byrd Featuring Netsky
Failsafe / Danny Byrd Featuring London Elektricity
The Stand / High Contrast
In Too Deep / Optiv & CZA
Shame (Ben Westbeech) / DJ Marky & Artificial Intelligence
The Plan That Cannot Fail / London Elektricity
Love Has Gone / Netsky
If We Ever / High Contrast
Higher Ground / Young Ax
Rock Baby (TC1 & Stress Level Remix) / Jagged Edge
Colonel Vibenhoff / Stanza
Midnight Soul / Champagne & Physics
All That Jazz (Vocal) / Fresh
Long Distance / DJ Marky & Makoto
Everything Is Everything / Utah Jazz & Alex Reece
LK / DJ Marky & XRS
Sweet Harmony (Feat. Liquid) / Danny Byrd
Hyper Hyper / Nu Tone
Kaleidoscope (Spacejams LP) / Logistics
Breathe (Hospitality - Drum & Bass 2010) / Echo Inada
Rolling In The Deep (NuTone Remix) / Adele

In Rotation
DJ Marky
Innerground / ?円 ( 2004-04-12 )

07062013 chemoinformatics

gWTで何をやりたいのかっていう発表をしてきた。

今週、来週と発表が続いでいるのだけど、今日は(自分の中で)アツいgWTを製薬コミュニティの中で紹介してきて、そういう手法を使って何をやりたいのかっていう話をしてきたが有意義なレスポンスをいただけて非常に良かった。特にアルゴリズム系に興味あるヒトと繋がれたのと、同じような仕事のやり方をしている人とも話が出来たので、ユーザー会に出た価値があったかなと。

というより、初めて挨拶させていただいた複数の方から「ブログ見てるで」ということを言われて話を合わせやすかったので、ブログいいよなと再認識した。

それから、WizePairZの論文のAuthorにおもろかったでと言われたのだけど、そのときは著者だと認識できてなくて後からその方が発表中にAuthorだと気づいて、「おー！論文いつも楽しく読んでますよー」と念をとばしてみた(が当方変化型なので放出レベルは低いかも)。ちなみに来週はMMP絡みの話をするというか、activity cliffをプロジェクトのインシデントしてダブラズモラサズMECE精神で機械に自動的に拾わせるという話をするのだけど、また有意義な議論が出来ればいいなぁと。

Bioisosteres in Medicinal Chemistry (Methods and Principles in Medicinal Chemistry)

Wiley-VCH / 15668円 ( 2012-08-22 )

06062013 life

ソラニンは熱分解されるのか

夕方畑にいったら、畝の中ほどの土寄せが不十分でジャガイモの表皮が露出しているものを発見した。

慌てて土をかぶせてみたけど、

リカバーできるんだろうか？
ソラニンは熱分解されるのだろうか？

というあたりが気になったので調べた

1は結局わからなかったので、収穫した時にチェックする

ソラニンは熱分解されるのだろうか？

結論: 煮る程度では分解されない

ソラニンスタンダード・エディション [DVD]

TCエンタテインメント / 2780円 ( 2010-09-03 )

05062013 life

利用規約ガイドの本

「なんかウェブサービスをつくりたいなと思っているが、利用規約がいまいちよくわからない」というヒトのための本ですね。

本書は「法律の条文にはこう書いてある」をスタート地点とする法律書と違い、「ウェブサービスにおいてトラベルはこういう場面で起こる」をスタート地点にしています。

良いウェブサービスを支える「利用規約」の作り方
雨宮美季
技術評論社 / 2394円 ( 2013-03-19 )

最寄りの東京地方裁判所を第一審の専属的合意管轄裁判所とする
商標権検索をする
利用規約の禁止事項に「当社がNGと判断した場合」は入れる
お金（課金）の問題は考えておく
「資金決済法」

05062013 chemoinformatics Python

python-pptxで表をつくってみた

python-pptxがテーブル対応していたので早速使ってみた。これはヤヴァイ、スクリプトで自動化したら快適になりそうな予感がする。

が、いまのとこ6行以上を指定するとファイルが出力できない模様。

test_table

from pptx import Presentation
from pptx.util import Inches
from pychembldb import *

prs = Presentation()
title_only_slidelayout = prs.slidelayouts[5]
slide = prs.slides.add_slide(title_only_slidelayout)
shapes = slide.shapes

shapes.title.text = "10.1016/S0960-894X(01)80693-4"

rows = 6
cols = 6
left = Inches(0.5)
top = Inches(1.5)
width = Inches(8.0)
height = Inches(0.8)

tbl = shapes.add_table(rows, cols, left, top, width, height)

tbl.columns[0].width = Inches(2.0)

tbl.cell(0, 0).text = 'inchi_key'
tbl.cell(0, 1).text = 'activity'
tbl.cell(0, 2).text = 'HBD'
tbl.cell(0, 3).text = 'HBA'
tbl.cell(0, 4).text = 'PSA'
tbl.cell(0, 5).text = 'MWT'

for journal in chembldb.query(Doc).filter_by(doi="10.1016/S0960-894X(01)80693-4"):
    for assay in journal.assays[:1]:
        for i, activity in enumerate(assay.activities[:5], 1):
            tbl.cell(i, 0).text = activity.compound.molecule.structure.standard_inchi_key
            tbl.cell(i, 1).text = str(activity.published_value)
            tbl.cell(i, 2).text = str(activity.compound.molecule.property.hbd)
            tbl.cell(i, 3).text = str(activity.compound.molecule.property.hba)
            tbl.cell(i, 4).text = str(activity.compound.molecule.property.psa)
            tbl.cell(i, 5).text = str(activity.compound.molecule.property.mw_freebase)

prs.save('test.pptx')

追記 130605

というわけでSHizuoka.py #2も楽しいよと、ちょいと宣伝しておきます。

03062013 R Python

入門機械学習の線形回帰をscikit-learnでやってみる

5.2のウェブアクセス数予測の節でRのコードは以下のようによくあるもの

> lm.fit <- lm(log(PageViews) ~ log(UniqueVisitors), data = top.1000.sites)
> summary(lm.fit)

Call:
lm(formula = log(PageViews) ~ log(UniqueVisitors), data = top.1000.sites)

Residuals:
    Min      1Q  Median      3Q     Max 
-2.1825 -0.7986 -0.0741  0.6467  5.1549

Coefficients:
                    Estimate Std. Error t value Pr(>|t|)    
(Intercept)         -2.83441    0.75201  -3.769 0.000173 ***
log(UniqueVisitors)  1.33628    0.04568  29.251  < 2e-16 ***
---

これをpandas+scikit-learnでやってみる。プロットするのでipython -pylabで起動しておく。

from sklearn import linear_model
import pandas as pd
import numpy as np
top_1k_sites = pd.read_csv("top_1000_sites.tsv", sep="\t")
scatter(np.log(top_1k_sites["PageViews"]), np.log(top_1k_sites["UniqueVisitors"]))
clf = linear_model.LinearRegression()
clf.fit(np.log(top_1k_sites[["UniqueVisitors"]]), np.log(top_1k_sites["PageViews"]))
clf.coef_        # array([ 1.33627803])
clf.intercept_ # -2.834409473735672