知人に行くべきお店のリストを教えてもらったので基本的にはそれに従った。

初日

雪風で味噌ラーメン。塩ラーメンも美味しいと聞いたのだがとりあえず味噌を。２日後に塩ラーメン食べに行ったが、 味噌も塩も両方美味しかった。今回食べたラーメンの中ではここが一番好みかな。

ホテルに戻って、北海道の日本酒を飲んだ。若手作らしい。飲みやすかった。

二日目

北大の銀杏並木。観光客が沢山いてみんな写真撮っていたので負けずに参戦した。

昼はスープカレーって決めていてピカンティに行ったら一時間待ちと言われて諦めた。

代わりにSAMAｓというところで食べたが。トマトの酸味が強めな感じだった。

信玄は19時過ぎに行ったら1時間くらい並んだ。チャーハンも頼むべきとのことだったので頼んだけど、ラードの旨さと硬めのご飯を炒めた感じ。飲んだ後にはいいのかもしれないけど、特に感動はなかった。

味噌の気分ではなかったので塩ラーメンを頼んだが、まぁまあでした。味噌のほうが良かったのかなぁ。海外のお客さんもかなりいた。

ホテルに戻って二世古っていう日本酒をちびちびやりながら論文チェックしたり。

三日目

昼は札幌駅にあるヒリヒリ二号店へ。

ここのスープカレーは美味しかった。SAMAもそうだったけどチキンとご飯でお腹いっぱいに なってしまうのでご飯は別にいらないかなと思う。スープカレーにチキンも不要かなスープ飲みながら 野菜をかじるのが一番美味しいかも

夜はジンギスカンに日本酒をあわせるというお店。初日に行って振られているので 今回は予約して万全の態勢

予め火を起こして待っていてくれるようです。それからお通しが美味しかった。

美味しいお肉を食べて満足。

四日目

お昼はスアゲプラスという店。ベジカレー

五坪というたちのみスタイルの店。牡蠣が積まれている

日本酒を飲みながら焼き牡蠣が来るのを待つ。4つ頼んだら1つおまけしてもらった。

足らないので3つ追加。食べたらさっと帰る。

帰りに雪風で塩ラーメン。間違いのない美味しさ。

最終日

札幌駅のすぐ近くのイセノジョウで白菜ラーメン。あっさり目で美味しかった。

空港の空で味噌ラーメン

金出先生の講演面白かった。そしていろいろと考えさせられました。

ちゃんとした情報論の学会だとやはり理論的に説明することが求められるので発表を聞いていて楽しいし、勉強になりますね。インフォマティクスの頭にバイオとかケモとかマテリアルとかエトセトラエトセトラとかつくとなんか枠組みだけ借りてきてなんでそうなるのかちゃんと考えなかったり、期待感だけでうまくいくとか言っちゃうのがちらほら出てくるのはなんでなのかなー？と思います。

最近、ケモインフォマティクス系の発表でちょいちょい見かけるのが、構造式を紙に出力してCNNをつかって予測すると精度があがるとかいうやつとかね。chemceptionとかで

We demonstrate this by training deep convolutional neural networks to predict chemical properties that spans a broad range of categories including physical (solvation free energies), biochemical (in vitro HIV activity) and physiological (in vivo toxicity) measurements, without the input of advanced chemistry knowledge, but instead allowing the network to develop its own representations and features from the images it is trained on.

と書いてあるんだけど、これ単純にOCRできているだけじゃないの？としか思えないんですよね。文字認識してからテキストマイニングに描けるように、構造認識してから適当な予測モデルにかけているから精度ももともとの構造式をグラフ表現にしたものと同じくらいの精度しか出ないんだろうなーと。結局無駄な一手間加えただけなんじゃ？としか思えないんだけど、これに夢を感じるのなんでだろうねと思ってしまう。

もしかしたら、紙からもっとプリミティブというか量子化学的な特徴量を学習するのかもしれないけどそれって夢見過ぎなんじゃないのかなーと思う。結局構造式のグラフ表現だといろいろ化学的な事象を表現できないから色々別な表現方法提唱されているのにそういうのまるっと無視してAIとDLならうまくいくみたいな論調のひとはちょっとどうなのかなというか理論の部分知らなかったり（知る気もなかったり）するのがちょっとなー。

そんなことを考えながら飲んでいてメモ代わりにツイートしといたのが以下です。

DL的なアプローチで学問の階層性を上に辿れるのかって言うのはちょっと疑問。例えば二重結合の構造式をたくさん読んだところでそれがシグマとπの2つを意味していてそれぞれ意味合いとして違うということを理解できるのか疑問。

— kzfm (@fmkz___) 2018年11月5日

ケミストリー出身でバイオインフォやっている知り合いと盛り上がったディスはやっぱり「あいつら、アトムが玉としか認識できなくて、電子雲しらんから軌道の話すると思考停止するよね」みたいなのが10年前にあった。

— kzfm (@fmkz___) 2018年11月5日

何がいいたいかって言うとドメイン知識が不要っていうのは嘘よねってことかな。AIはよろしくやるからっていうのは表層漂うボウフラみたいなもんで、、、、ちゃんとリスペクトしないとカトンボのように扱われても同情せーへんでっていう

— kzfm (@fmkz___) 2018年11月5日

ちゃんとサイエンスをリスペクトしつつ、現実の世界で役に立つ研究をしたいなーと思いました。

半教師付き学習はトレーニング、テストが同じ分布のもので、転移学習はトレーニング、テストが異なる分布からくる（半）教師付き学習とみなせる

という話を聞いて、スッキリした。自分の中で理解が進んだ。転移学習の例として、室内で撮った写真をつかって室外の写真を予測するみたいなものを挙げていた。

キナーゼAの阻害データをトレーニングセットとしてキナーゼBの阻害を予測するのに転移学習を適用するってのはやっぱ分布が異なりすぎるんじゃなかろうか？または非選択的な阻害剤みたいなものしか予測できないとか。

学会に行っていい講演を聞けるとサイエンス脳になるし、ホテルに帰ってきてもやることなくて暇なんで論文でも読むかとかいう気分になるし、ついでにビール飲むとなんかエントリでも上げるかーってなるし、たまに学会に行くのはいいですね。

ちょっと読もうかなーと思って持ってきていた論文だけど、アブストとマテメソ、結論あたりを流し読みしただけです。

• Study of Data Set Modelability: Modelability, Rivality, and Weighted Modelability Indexes
• https://pubs.acs.org/doi/10.1021/acs.jcim.8b00313

両方共同じ著者によるModelabilityに関するペーパーです。Interpreterbilityも重要ですけどModelabilityも同じくらい重要ですよね。というわけでこういうあたりはキャッチアップは欠かせないわけなんですが。

ただ、Modelabilityってどうなんかねーっていう疑問は残るんですよね。大体プロジェクトであるあるな典型的なシチュエーションって、より高活性（効き目の強い）を目指すことが多いと思うんです。

例えばプロジェクトの最高活性化合物がpIC50(数値が高いほうが強い)が7でpIC50が4-7のレンジでModelabilityの高いモデルが出来ました。となってもプロジェクトで目指すpIC50は8とか9だったりするんで、それoutlier予測じゃないか、そのモデルでいけんの？ってなると思うんですよね。まぁ予測モデルで4-7の範囲に入るのは信頼度高いから作る価値なしっていうネガティブスクリーニングに使うっていう方法あるかもしれないけど、それだとモデラーとして不本意じゃないかねというジレンマつらいのでは？

そうなると、ケミカルスペースをどう効率的に探索していくかというような、実験計画的なアプローチとか能動学習とかやりたがるようになると思うんだけどねー。レトロスペクティブにみてやるとプロジェクトの合成化合物は木構造を取るのでMCTSなんか使えるんじゃないかなーって期待するかもしれないんだけど、評価関数作れないし、可能な木構造爆発しちゃうし、なんか難しいよねーというため息しかでなかったりする。

尚、今飲んでいる札幌クラシックは「ホッホクルツ製法」で作られているからうまいらしいです。

今日は飛行機の中でいくつか論文読んだのでメモを残しておこうと思ったんだけど、全部座席の網棚に置いてきてしまったらしい。邪魔だったから読み終わったのをパンフの網棚に突っ込んで最後に取り出すのを忘れたｗ 個人的には最後のJ.C.T.C.のやつが面白かったです、FMOにも触れられているのでSBDDerは目を通すべき。

Drug Repurposing Using Deep Embeddings of Gene Expression Profiles

ざっと目を通したんだけど embedding spaceってのが実態としてどんなもんなのかピンとこなかった。実装見て手を動かさないとわかんないのかなぁ。次元圧縮してどうすんだろ？

もう少し先行論文たどってみようかと思う。

Exploring Activity Profiles of PAINS and Their Structural Context in Target–Ligand Complexes

キャッチーな絵を見てPAINSをSBDD的に解釈するのかなーと思い読んでみたんだけど、なんかよくわからない話だった。最近あまりライブラリとかHTSに興味が無いのも相まって読み飛ばしてしまった。構造出したらちゃんと解釈してもらわないとね。

A Simple Representation Of Three-Dimensional Molecular Structure

E3FPの論文も ACSのほうを再度読み返してみた。部分構造に3次元情報を取り入れて細分類してECFPからどれくらいの精度が上がるかっていうのは興味ありますよね。このあたりはPLECにも拡張する余地ありそうだけど、それでどこまで上積みが見込めるかというところでしょうかね。

Theoretical Study of Protein–Ligand Interactions Using the Molecules-in-Molecules Fragmentation-Based Method

創薬わかってる感じやなーと思いつつ読んでいて読み終わってから共著にLilyの人が入ってるの気づいた。元論文紛失しちゃったから引用できないんだけど、FMOはFragmentationのやり方のせいで高精度の基底関数とかDiffuse関数を使いにくい（使っても精度が出にくい）、だから6-31G+分極関数くらいの基底関数の論文が多いみたいなことが書いてあったのと、精度出すには結論パートでダイナミクスを考慮しないといけないみたいなことが書いてあって、 ダイナミクス考慮するなら基底関数の精度そんなに要らないんじゃ？ とちょっと思った。あと相互作用エネルギーにsolvation energy考慮していてあれってどの程度効いてくるのかなーとふと思いました。

って書いてたらあと1報読んだの思い出した。

Anion-π Interactions in Computer-Aided Drug Design: Modeling the Inhibition of Malate Synthase by Phenyl-Diketo Acids

これはRivaroxabanとかと同じような相互作用ですかね？FMOかけると楽しい案件だと思った。ただPDKAってAcidだから負電荷持ってるしMgイオンとも相互作用してるっぽいので計算する時にちょっと手間ですね、、、

(2017年の終わりの下書きだった。下書きを眺めているとなんか思うことがあったらしいが、よくおぼえてないのでタイトル以外は削除した)

FMO計算をしていると、見かけ上結合しているような位置関係にある原子ペアーにたまに出会います。そういうロマンを追い求めて再現しようとするのは良いんだけど、プロジェクトは確実に前進しないから害悪っすよね。

ってことは言っておきたい。

あと今年も創薬アドベントカレンダーやるみたい

• 創薬アドベントカレンダー

5月に台湾旅行を企てていたのだけど、タイミングが悪く行けなかった。さらに年内の予定を鑑みるとこの週しか空いてなかったので強行突破してみた。

LCCを使ってみたかったのでいろいろ調べたんだけど、羽田発だと前泊しないと駄目な感じだったので水曜日に羽田空港の近くのホテルに宿泊。後から考えるとこれは反省点だった（最後にもう少しマシなプランを挙げます）。

0日目

前泊のホテルの近所にちりちりという汁無し坦々麺のお店があったので入ったがちょっと濃かった。

ホテルで軽く寝て3時のタクシーで羽田空港へ。TigerAirのキャラがお出迎え。今回は預け入れしない旅立ったのでIKEAで買った35Lバッグを初使用。セキュリティ的にはアレだけど、使い勝手はなかなかよいです。

1日目

桃園空港には無事に着き、easy card(日本のsuica)をゲットして台北まで移動。その後雙連駅の近くの 世紀豆漿で朝食 を。

マジうまい。漢字読めなかったけど、甘い豆乳と塩っぱい豆乳が選べて、もちろん塩味を選択。

ちょっと物足りなかったので、ホテルの近くでさらに追加。これは牡蠣とモツののった春雨ですね。 店名の写真撮るのを忘れちゃったんだけど、常に賑わっていました。ちょっとにんにくが効いているので 朝もガッツリ食べたい場合はおすすめですね。

アーリーチェックインしてからホテルの周りをポケモン三昧。ニンシャーイェイシーのオブジェ（南側）。 夜市のとこです。

個人的に今回一番やばかったお店が四神湯のとこ。四神湯が美味しすぎて悶絶した。

肉まんも美味しかった。そしてみんなチリソースをかけて食べている。チマキにもかけろって言われた（次の日） 美味しすぎて結局次の日も行きましたｗ。

次の日が雨の予報だったので、仇分行っとくかって感じで出発。交通費は台北の近くのバスから片道115元(600円くらい) 木曜日だったのに混んでた。

良さげな写真は撮れたけど特に感動はなし。写真を撮りたい人か、京都の新京極気分を味わいたい人だけ 行けばいいと思います。

帰ってきて、その後寧夏夜市へ。

近所の牡蠣オムレツのお店。ここもチリっぽいソースがかかっていたけど、美味でした。

そのあと、ヒゲのマークのお店でルーロー飯を食べたけど、いまいちというか 「これはズーヨウ飯（豚のラードかけご飯）じゃねーのか！！」 と不満爆発したうえに

カレー？

— pen (@iwatobipen) 2018年10月18日

カレーと間違われたので、次の日は本物の魯肉飯を見せてやるぜ！と決意

尚台湾では食事と一緒にお酒を嗜む感じではないみたいなので、コンビニでビールを買って飲んでいたけど外では飲まなかったですね。健康的でした。尚、台湾ビールはさっぱりしすぎて麦芽飲料withアルコールフレーバーって感じで全く酔わなかった。さらにこれは麦芽臭くてだめだった。

二日目

朝は定番のおかゆから。

付け合せは全部甘かった。でんぶは豚のでんぶだけど甘かった。それからきゅうりのキューちゃん的なものも甘かった。 すべてが甘すぎ。

二日目はやはり雨が強く降っていたので午前中は、残りの旅程の計画を立てたりしながらホテルでダラダラ過ごしつつ 昼時には魯肉飯の店へ凸した。

ここは美味しかった。炒め物は空芯菜だと思うんだけど予め茹でてあるのかね、お浸しっぽくて こっちのほうが好きですね。こんど空芯菜買ったら試してみる。

豆花の店で愛玉。さっぱりしていて美味しい。種を水のなかで揉むとゼリーになるらしいですね。不思議

更に四神湯の店に行くw

四神湯（モツスープwithなぞの薬膳酒入り）にチマキにチリソース。美味すぎて悶絶した。

夜は士林夜市でも行くかなと思ったけど、夜市もなーってことで近所のお店を回ることに。乾麺食べてないなー ってことで意麺王へ。

豚バラ、ワンタン、乾麺。乾麺は甘かった。

出て歩いてたら菁仔なるものが。おねえさんがヘタを剥いていたのと、昼間にヘタ剥き機みたいのが ガタガタ動いていてこれなんかなーって気になっていたのだけど、調べたらビンロウだったみたい。

更に魯肉飯の店へ。

魯肉飯を食べながら、台湾ソーセージをつまむ。ソーセージは甘い。

お酒の写真がないのはマジで飲んでないからです。

3日目

朝も、粥と春雨から始まる健康ライフ

からの豆花。茹で落花生の甘いバージョン美味しいですね。あと豆腐の癖に甘い。

最終日は淡水に行ってみましたが仇分よりはお勧めします。なんといっても市場があるから。 市場サイコー

豚が吊るされています。脳みそもたらいに入ってました。おーのー。あと果物美味しそう。

海の近くなので魚もいっぱい。

ソルロックが出たので、お寺の細道に凸した。

胡椒餅という焼肉饅みたいなやつがすこぶる美味しかった。

阿給（あげと読むし発音通じる）という油揚げに春雨がつまったやつを食べつつ、乾麺、ジャージャー麺をいただいた。

あげの店は三店舗並んでいて全部人気なんだけど麺類出しているのがここだけでした。

その後台北車庫まで戻ってきて近所のカフェでコーヒー飲もうとしたけど中国語全然わからんと、 ぽかーんしたら英語で言い直してくれて意思疎通できた。コーヒー美味しかった。

最後は牛肉麺だなということで。

桃園空港に謎のポケモンオブジェがあった。

最後に台湾のIPAを飲んだ。

朝の富士山と、台北地下街ではガシャポンが大人気でもちろんラブライブサンシャインもありました。

最後に

前泊するなら行きは成田発のお昼くらいにでるtiger airの便でもいいのかなと思った。あとはeva airの羽田-松山便もよさそうだけどちょっとお高いかな。

また行きたい, というか行く。

美少女系の集まりで戦隊を組んで桜家に凸しました

うざく

うまきとうな重

夕方はリパブリューでビールとフィッシュアンドチップス

それからさらにビールとなんか食べました

以上です

新橋の日本酒バー

船堀の学会に行ってきました。今回みんなで仲良くポスター出してきたうえに全員オーラルでしかも初日だったので、発表終了後にお疲れ会をしてきました。

昼はゴヴィンダスでカレーを食べました。船堀に行ったら一度は寄らないといけない店かと思います。

お疲れ会会場。いきなり金の玉子がお通しで出て、これはポスター賞の予感ではという話をしていたら、一人ポスター賞を取りました、おめでとうございます。でも、（話すの）飽きたから出したくないという生成モデル（コンピュータに合成案提案させるやつ）の話を出したら、ベストポスター取れたのではないかと思いました。尚、生成モデルの話はうちでは既に当たり前過ぎてみんな応用の話（メドケムとかSBDDとか）をしたがるので、どこかで誰かが基本的なことを話したほうがいいような気がしています。まぁ、生成モデルは今後の分子設計には必須だと思うので、それを使って何を為すかっていうのに夢中になる気持ちはわからんでもないです。SaaSとかIaaSみたいにメドケムが抽象化されてプログラマブルに扱えるわけですからねｗ

というわけで、mishima.sykで電影少女のパロディで合成少女的な内容でやるのもありかなと思っています。まぁハンズオンもいいすけどね。

金の卵と、山盛りトロぶつ

二日目の昼は大島に味噌ラーメンではなく塩ラーメンを食べに行きました。さらにこれがきっかけで来月の札幌出張に際して美味しい店リストを仕入れたので満足です。

三日目は「たくみ（感じ忘れた）」でつけ麺