コマンドラインでタンパク質のポケットを探索してくれる。

fpocket

論文によるとVoronoi tesselationをつかってalpha sphere detectionをやるみたい。

1R39に対して試してみた。

実行は

fpocket -f 1R39.pdb

と叩けば、ディレクトリが出来てPyMol,VMD用のファイルが出力される。

パターンランゲージとWikiの関係

パターン、Wiki、XP ~時を超えた創造の原則 (WEB+DB PRESS plusシリーズ)
江渡 浩一郎
技術評論社 / 2394円 ( 2009-07-10 )

無名の質とか

タオイズムっぽくつながるのも楽しい。

タオは笑っている (プラネタリー・クラシクス)
R・M・スマリヤン
工作舎 / ?円 ( 1981-04-20 )

一方で、そういう質は捉えようとしても捉えられないものなのかなとも思った。

いつも社内競争倍率が高くて他の人に取られてしまうユーザー会に演者として呼んでもらえたので、5年ぶりくらいに参加できた。

いろいろと新しいヒトに逢えたりとか、会社を移って何年か会ってない人とか、学部の先輩にあったりとか、たまには違うユーザー会に出てみるのもいいものだなと思ったのであった。

で、僕のプレゼンが終わってから、先輩だったヒトに、プレゼンが僕らしいといわれたのだけど、どこが僕らしいのかは自分ではわからないもんですな。

いろいろと楽しい一日だった。

繰り返し経口投与

ファーマコキネティクス―演習による理解
杉山 雄一,山下 伸二,加藤 基浩
南山堂 / ￥ 6,300 ()
在庫あり。

設問1

省略

設問 2

CL = (F * (Dose/t)) / Cp,ss 10mgのデータからFを決定する

CLb=CLp/RbからRbをつかって全血基準のクリアランスを求める

t1/2をもとめる

一般に、薬物を持続投与する場合、消失半減期の5倍の時間が経っている時には定常状態に達しているとみてよいので これをもって定常状態の判断に利用してよい

設問 3

> data <- read.csv("/Users/kzfm/PK/pk3-2.csv")
> data
  dose     cpss   fe
A   10 0.000424 0.63
B   30 0.001350 0.66
C  100 0.004800 0.71
D  300 0.015700 0.77
E  500 0.027500 0.81

> attach(data)
> fp <- 0.5
> Rb <- 0.7
> Vd <- 30
> ka <- 1.5

> CLb <- (dose/12)/(cpss*1000*Rb)
> CLb
[1] 2.807727 2.645503 2.480159 2.274795 2.164502

> CLr <- CLb*fe
> CLr
[1] 1.768868 1.746032 1.760913 1.751592 1.753247

> CLh <- CLb - CLr
> CLh
[1] 1.0388589 0.8994709 0.7192460 0.5232029 0.4112554

最近、Journal of Pharmaceutical SciencesみたいなDMPKな雑誌を読むようになってきた。その中でScipyとpymcっていうpythonでMCMCができるモジュールを使って解析してた論文を見たので試したくなった。

sudo easy_install-2.6 pymc

でさくっと入って、テストしてみたらなんか色々こけてるようなのだけど、とりあえずサンプル写経

import pymc
import numpy as np
n = 5*np.ones(4,dtype=int)
x = np.array([-.86,-.3,-.05,.73])
alpha = pymc.Normal('alpha',mu=0,tau=.01)
beta = pymc.Normal('beta',mu=0,tau=.01)

@pymc.deterministic
def theta(a=alpha, b=beta):
    """theta = logit^{-1}(a+b)"""
    return pymc.invlogit(a+b*x)

d = pymc.Binomial('d', n=n, p=theta,value=np.array([0.,1.,3.,5.]),observed=True)

これをmymodel.pyって名前で保存しておいて

対話環境から

>>> import mymodel
>>> import pymc
>>> S = pymc.MCMC(mymodel, db='pickle')
>>> S.sample(iter=10000, burn=5000, thin=2)
>>> pymc.Matplot.plot(S)
>>> pymc.Matplot.savefig("test.png")

うーんMCMCわからん。精進せねば。

パターン認識と機械学習 上 - ベイズ理論による統計的予測
C. M. ビショップ
シュプリンガー・ジャパン株式会社 / ￥ 6,825 ()
在庫あり。

パターン認識と機械学習 下 - ベイズ理論による統計的予測
C. M. ビショップ
シュプリンガー・ジャパン株式会社 / ￥ 8,190 ()
在庫あり。

実家から送ってきた酒。 あんま記憶に残らん。

保管が良くなかったせいもあるだろうからなんとも言えない。

先日、はじめての現代数学を読んだとき、ゲーデルの不完全性定理がいまいちつかめんとか書いてた。

で、数学ガールの三作目がまさにゲーデルの不完全性定理をあつかったものらしく、今から楽しみ。

数学ガール (数学ガールシリーズ 1)
結城 浩
ソフトバンククリエイティブ / 1890円 ( 2007-06-27 )

数学ガール フェルマーの最終定理 (数学ガールシリーズ 2)
結城 浩
ソフトバンククリエイティブ / 1890円 ( 2008-07-30 )

よいですな。

Mutation Exclusive Label Mix Bundle

Mutationっていうlabel結構好きかもしれん。

設問1はクリアランスのパラメータを求める

設問2,3はi.v., p.o.それぞれの状況でパラメータを変えた場合どう変化するかを推定する

ファーマコキネティクス―演習による理解
杉山 雄一,山下 伸二,加藤 基浩
南山堂 / ￥ 6,300 ()
在庫あり。

設問1

> data <- read.csv("/Users/kzfm/PK/pk31.csv")
> data
  CLtot   Vd   fe  fb  Ka
A   0.2  0.1 1.00 0.1 1.5
B   0.2 10.0 1.00 0.1 1.5
C   1.3  0.1 0.02 0.1 1.5
D   1.3 10.0 0.02 0.1 1.5

> Qh <- 1.4
> Qr <- 1.1
> GFR <- 0.17
> Vb <- 0.077

> CLh <- (1-fe)*CLtot
> CLh
[1] 0.000 0.000 1.274 1.274

> CLr <- fe*CLtot
> CLr
[1] 0.200 0.200 0.026 0.026

> CLh_uint <- Qh*CLh/(fb*(Qh-CLh))
> CLh_uint
[1]   0.0000   0.0000 141.5556 141.5556

> CLr_uint <- Qr*(CLr -fb*GFR)/((Qr-CLr+fb*GFR)*fb)
> CLr_uint
[1] 2.19520174 2.19520174 0.09074244 0.09074244

設問2

AUCiv = D/CLtot

1. fbの変動によって影響を受けるパラメータはVd,CLtot
2. Qhの変動により影響を受けるパラメータはCLh
   • CLh = Qh*fb*CLh_uint/(Qh + fb*CLh_uint)なので分母の項の大小で律速が決まる
3. CLr_uintの変動により影響をうけるのはCLr
4. CLh_uintの変動により影響をうけるのはCLh

設問3

flip-flopを考える

富士の大山

冷やし大担麺。氷も入ってよく冷えとる。胡麻の風味がなかなかだが、思ったより辛くなかった。半ライスがついてて、残ったスープで食べるとうまいとのこと。

えびつけ麺(大盛り)