分子細胞免疫学 原著第9版を読み終えた(1周目)

半年以上前に購入した分子細胞免疫学をやっと読み終えた

ProductName 分子細胞免疫学 原著第9版 アバス–リックマン–ピレ
エルゼビア・ジャパン株式会社 / ¥10,780 (2018-03-15)

補体のあたりから苦行すぎてちょっと投げ出してた。だって、蛋白質のメカニズム(物理化学的な)やつにあてはめると疑問符が付きまくる事象を覚えないといけないなんて、まるで、歴史とか地理の暗記してるみたいだし、、、

で、以下の本を副読本として読んだら、分子細胞免疫学の内容も理解しやすくなった。素晴らしい。

これであと2周くらいは読める。次は、気になった蛋白質をPDBで検索しながら読むことになると思う。

昔、CD14とかTLRの立体構造予測をしていたことがあってLRR(ロイシンリッチリピート)っていうなんかダンゴムシみたいな構造キモいなと思っていたんだけど、今回勉強し直して、あのドメインは自然免疫系としては実に理にかなった構造ではないか!と感動したのであった。

GWに読むといい本

問題を理解していないと悲しいことになるので、そういう事態を避けるために読んでおくと良い本を三冊紹介したいと思う。すべて名著です。

いかにして問題をとくか

古典だけど名著。娘が高校生になったら読ませようと決めている本。

  1. 問題を理解しなければならない
  2. データと未知のものとの関連を見つけなければならない、関連がすぐわからなければ補助問題をかんがえなければならない。そうして解答の計画をたてなければならない
  3. 計画を実行せよ
  4. えられた答えを検討せよ

ProductName いかにして問題をとくか
丸善 / ¥1,650 (1975-04-01)

イシューからはじめよ

私は発売と同時に買ったから10年くらい前に読んだ。レビューは検索かけると色々出てくるのでそっちをあたってほしい。製薬系の研究者でもこのあたり意識できると生産性が全然変わるでしょう。

アブダクション

去年の同じような時期にもおすすめした気がするけどいい本なので。上の2冊が問題解決の手段を与える本なのに対し、こちらは問題そのものを探したり、仮設構築の論理を話題にしている。

ProductName アブダクション―仮説と発見の論理
勁草書房 / ¥3,080 (2007-09-20)

サイエンティストとしては道を切り開かなきゃですよね。

An answer is always the stretch of road that's behind you. Only a question can point the way forward.

ProductName Hello? Is Anybody There?
Orion Children's Books / ¥649 (1998-08-03)

Pharmahack(Open Innovation)

在宅勤務+GWのコンボで暇なので駄文を書いてみることにしました。だらだらと調べ物をしてたり、文章の推敲をしていたらあっというまに3時間くらい消費してしまったので、もし役に立ったらこのあたりからパンダンリーフとかカラピンチャとか乾燥ポルチーニを送りつけてもらうと嬉しいです。

または代わりにビールでも注文してあげてください(たいてい、週末の帰りにここで一杯飲みながら今日のような内容を考えているのでお店に貢献したい)。

尚、このエントリはとりあえず製薬企業に入りたいとかいう修士向けの内容ではなくて、ジョブディスクリプション型の応募、つまり、製薬企業の研究開発職にポスドクから転身したいとか、他社へ転職したいとかいう人向けのハックだと思っています。

ざっくり言うとオープン・イノベーションのサイトを眺めて企業の内情を想像しようって話です。

企業のR&D報告書はチェックする

たいていの製薬企業が毎年報告するR&D報告書は押さえましょう。R&Dとして長期的に進みたい方向が示されているので、自分のやりたいことと企業の進む方向性にずれがないかはこのあたり読んでいるとわかります。ただし成果報告については現場のお化粧がマシマシされていたり、トップ層の夢がまぶされていることが多いので、額面通りに受け取るのは危険です。他社でも内情知ってると「うわー、そこ盛っちゃうか!」とか「あれ、その領域辞める方向で進んでるんじゃなかったっけ、とりあえずアピールだけかな?」とかわかるので、前職などのR&D報告はフィクションとして楽しめたりしますw

概ねR&Dトップの意思や目指す方向はその企業の進む方向なのでこれを理解しておくことは重要です。

オープン・イノベーションサイトの読み方、使い方

「製薬企業、オープン・イノベーション」で検索をかけるといくつか解説がヒットするのでまずは目を通しましょう

背景としては大体こんな感じで、外部との連携をスムースに行うためにオープン・イノベーション担当部署が設置されて、外部からの提案を広く受け付けるために公募サイトが設置されることになります。ただし公募サイトはなんでもうけつけるわけではなく、先ほどでたような企業の成長方向に沿ったもの(R&D報告書に記載している)になると思います。

このとき、R&Dの成長戦略に沿ってオープン・イノベーション担当部署が独立して動くようであればベンチャーキャピタル(VC)の様相を呈して、案件の評価もほぼ独立して担当することになるでしょう。つまりこのスライドの11枚目のベンチャー活用型オープン・イノベーションというやつです。この場合は外部の提案に対し、Go/No-goの判断をするだけなのであまり見るべきところはありませんが、単独で評価できる能力があるということは相当優秀な人材を集めたなぁとは思うのでVC的な仕事がしてみたければこういうところに潜り込むことを考えても良いかもしれません。

さて、先のスライドのもう一つのほう、産学連携型オープンイノベーションというのが今回のポイントとなります。

スライドでは

日本では創薬ベンチャーの育成が十分でなく、学の優れた成果を産に活かす産学連携が革新的な医薬品開発の推進に必須であると考える

と書いてありますが、要は産学共同で企業のニーズに合った技術革新を行ってお互いハッピーになりましょうということだと思います。この場合、ニーズは現場から吸い上げられオープン・イノベーション担当部署にてまとめられるので、そのリストは近視眼的で生々しい(具体的な)ものとなりがちです。つまり、現時点で現場が困っていて解決したい案件がニーズとしてあがりがちだということです。

重要な点は、ニーズ提案部署の能力の限界をそこから見積もることができるということです。もし、そのニーズがstate-of-the-art(SOTA)を超えたところにあり、自分のスキルやチャレンジの方向が一致していると、そういうところで働くとハッピーになれる可能性が高いでしょう。あとは募集が出てなくてもコネをたどるとなんとかなることもあるでしょう。(現場からすると協業でも人材獲得でもそんなに大差ないし、欲しいのはそういう技術をもった人材なので)

逆にSOTAに遠く及ばんだろみたいなウィッシュが上がっていたりすると、チームのレベルがそれほど高くない可能性があったり、AIが云々とかの抽象的すぎる大雑把なニーズだったりするとニーズ提案部署にプログラミングできる人がいないというオチがあるかもしれません(そういうところで活躍したいのか、高いレベルで切磋琢磨したいのかは人それぞれなのでそれの良し悪しを論じたいわけではないです)。

こんな感じで、ある程度感触を掴んでおけば学会でポスター発表している人とかに裏とりの質問したりできますし、コネクションも作りやすくなると思います。

ざっと国内の製薬会社のオープン・イノベーション公募サイトをリストアップしてみましたが、TaNeDS(タネデス)なんかはニーズ集約っぽいですね。

それではカラピンチャなどお待ちしています。

実験医学を何冊か購入

なんかのアンケートに回答したらアマゾンギフト券が送られてきたので本を購入。

マルチオミクスの号はまだ読んでない。

フロンティア軌道で化学を考える

私の一番大きな興味は蛋白質と低分子化合物の相互作用を如何に深く理解するかってことで、最近は量子化学のパラメータを記述子として使ったりしてるんだけど、ガチ量子系の研究者の言ってることがにわかの私には理解できないことがたまにある。

最近であったconfusionは励起状態への遷移に伴うインデュースドフィットの描像が古典力学の解釈でのそれとはなんか違うような気がして時間的な変化どうなってんのかねーという疑問が湧いたので、この本を読み直している。

レチナールとか視覚系は量子化学的な取り扱いしないといけないとは思っているけど、普通の低分子化合物の場合はどこまで非占有有軌道が効いてくるのか興味があるところ。

配列のアテンションで立体構造まで言及できるのだろうか?

Attention関連の調べ物をしていた。

でその上で、Compound-protein interaction prediction with end-to-end learning of neural networks for graphs and sequences.を読んだ感想となる。

引っかかったのは表題の通りで、Fig.9 (A)でcorrectly capture the interaction sitesってなってるけど、この領域はATPの結合サイトだろうからキナーゼ間で強く保存されているはずで、単にAttentionでひっかかっただけではなかろうか?学習できたというよりはデータのバイアスでそれっぽく見えたと考えるほうが自然かなぁ。右上のほうのアルファヘリックスもinteractionには関係なさそうだけどattentionでひっかかっているのでなんとなくそうっぽいし、実際に訓練セットでマルチプルアライメントしたら高度に保存されている領域として出てこないだろうか?

一方で、フラグメントスクリーニングのような多量の結合データにおいてはこういう手法は面白いのかなーと考えている。こういったものに適応できればいい感じだし。

ただ、その場合蛋白質側が文字列でうまくいくのかなー?っていう疑問は残る。この場合は、Conclutsionに記載されているように3Dで学習させてみて、って感じでしょうかね?

However, the development of GNN for 3D structured proteins is an important challenge; in particular, we believe that such a ‘3D GNN’ will allow us to achieve higher performance, provide more detailed analysis, and obtain more useful information for 3D interaction sites between compounds and proteins derived from the perspective of data-driven machine learning approach.

それでも過度な抽象化しているような気はするけど。

実験医学 AIとがん研究

ギフト券が余っていたので買った。

瀬々先生の機械学習関連の話題をまとめた章が一番参考になったので、関連論文を落としてきて読んでいる。

それから沖先生、太田さんのChip-Atlasの解説がしてあるクローズアップ実験法も参考になった。TogoTVだとこのへん。

WGCNAでモジュール分割してから ChIP-Atlasでエンリッチメント解析するとどうなるんだろう?と疑問に思ったので今度試してみる。

紙だと結構場所を取るので、Kindleでしかもさっとダウンロードできるのは嬉しい。ただし、レイアウト固定だと7インチFireタブレットでは読みにくいので次は10インチを買おうかなと思っている。持ち歩きどうなんだろうか?という不安はあるけど。

メタボローム

積んであった本を読んでいた。

メタボロームってゲノムとかよりは表現系に近いところを観測しているから、文字列の並びとか抽象的なネットワーク図よりはもっと生体システムというかシステムバイオロジーのような定量性をもったシミュレーションができないとメカニズムの解釈しにくいように思うんだけど、そのあたりどうなんかなーって思った。

物化寄りの私としてはネットワークダイアグラムではなくて相分離的なアプローチで解釈していくほうがなんとなくしっくりくるかなぁと思った。

ProductName 相分離生物学
東京化学同人 / ¥3,520 (2019-08-02)

遺伝統計学入門と実験医学のGWAS特集

COVID-19による在宅勤務が増えるに従い、ネットワークの帯域の奪い合いが激化してネットが激重で昼間は仕事にならないことが多い。

イライラしながら計算流すよりも、新しい知識を仕入れるためのまとまった時間と考えたほうが生産的であろうと、普段読めない本や論文を読むようにしている。

というわけで、最近は遺伝統計学の勉強をしている。

最初の方の章を丁寧に数式を追いかけて理解した。これは非常にわかりやすかったのでおすすめ。 それから8章の連鎖不平衡を用いた解析や、11章のノンパラメトリック連鎖解析、12章のQTLあたりが良かった。特に家系を追いかけたりしないけど、一応知識としては頭に入れておかないといけないことを理解した。

実験医学のGWAS特集もタイミングが良かった。ただ、読み物としての側面が強いので、遺伝統計学入門のような教科書っぽいGWASの本があれば嬉しい。

以下、参考になった特集(あとで読み直すリスト)

次はこのあたりでも読む予定

ProductName ゲノムデータ解析 (統計学One Point 1)
共立出版 / ¥2,420 (2016-09-08)