I believe better featurizations are required, but there is a limit to physiological activity prediction only from ligand information 'cause it's a molecular recognition.

MoleculeNet: A Benchmark for Molecular Machine Learning

Results for biophysical and physiological datasets are currently weaker than for other datasets, suggesting that better featurizations or more data may be required for data-driven physiology to become broadly useful.

What features are multitask modering shared in physiological activity prediction ?

Multitask modeling relies on the fact that some features have explanatory power that is shared among multiple tasks.

I'm guessing it's a liposoluble feature such as logP expressed in Hansch-Fujita equation.

やっと到達。前回のレベルアップから3ヶ月ちょいでした。

アローラベトベター,サンド,ニャースはゲット。

ソルロック欲しい

最近沼津でばかりやっているMishima.sykをやりました。初めての人も多くなかなか楽しい会になってよかったです。

特に、初めての発表の方々のクオリティが高かったのと、LTが名人芸に達してきている人たちがいて最高でしたね。 あと、今回休憩という名のバッファーを15分しか撮っていないにもかかわらず、凄腕タイムキーパーのおかげでほぼ時間通りに演題が進行して最高でした。

私のプレゼンは訳あって公開できませんが、みんながんばれ（適度に！）というエールとエスプリとエスプレッソを2で割って3余らした感じになりましたが、ちょっと真面目に考えないといけない状況なのかなーとは思っています。ルールを逸脱した手を打てる状況はあまりないからそういう意味では低分子化合物戦略は機械学習と共存する部分が増えていくのかもしれませんが、当分はウェットの知識のあるドライなケミストが強い時代がちょっと来ると思います。

私自身は工学部出身で、「シミュレーションできない学問は未熟な学問である」という立場を貫いてきて、化学反応とかドッキングシミュレーションを偉大なる波動方程式でシミュレートする未来が正しい世界の在り方に違いないとずっと信じてたんだけど、実際はその方向に行かなくて、（不完全な存在である）メディシナルケミストの合成案をシミュレーションするほうが（工学的に）うまくいくってのがあれなんですよね。

なんか歪んでいる感はあるから揺り戻しはくるような気がするけど、当面不確定な未来を予測する手段として機械学習が人間に置き換わる可能性はそこそこあるのかなと思っています。そういう状況で人のやることは、将棋で例えると、新たな駒（桂馬に新たな機能を付加した桂馬金とか）の開発（ルールの更新）みたいなことなのかな。ま、それはモダリティってことなんでしょうけどね。

昼は電車遅延のせいで、幅田屋でカレー南蛮そばをいただきました。カレー感はあまりないけどうまい。

@tkochi0603チョイスの美味しいお店

刺身盛り合わせとマグロの味噌焼き

そして鳥

二次会はうさぎの木

生ハム盛り合わせと、肉

ワインが美味しかった。

最近MDと従来のQSARテクニックを組み合わせた手法が提案されていますね。

アプローチとしては静的な状態である三次元構造に動的な情報を付与させるために10ns-20ns程度の短いMDをかけてからサンプリングして、従来の3D-QSARの記述子を計算してMEAN,MEDIAN,SDを取るという方法です。

5th Autumn School of Chemoinformatics in Nara, 2017ではThierry Langer先生がDynamic Pharmacophores: A New Way to Enhance Virtual Screening Screening Efficacy in Early Drug Discoveryということで、ファーマコフォアモデリングでアンサンブルをとっていた。

11th ICCSではShuzhe Wangの発表したMolecular Dynamics Fingerprints (MDFP): Combining MD and Machine Learning to Predict Physicochemical Propertiesというポスターは独自記述子を定義していて興味深かったし、Fourches, DenisのNext-Generation MD-QSAR Models of Dynamic Kinase-Inhibitor Interactions Based on Machine Learning and Molecular Dynamicsは3D-WHIMの拡張で大変すごかった。特にMDを使うことでactivity cliffの解釈ができていたという点に非常に感銘を覚えた。activity cliffは単純にリガンドからの類似性っていう人間主観のアプローチがもたらすミスマッチだからそれをきちんと説明できるのは本当にすごいと思います（立体障害じゃないやつを）。

このようなアプローチではMDを計算してサンプリングしたあとに、どういう計算で静的な状態を記述するかというのが重要なのだと思いますが、勘のいいあなたはもう既におわかりのように、既にFMOを組み合わせた手法が提案されています。この手法はかなりプロミッシングではないかなーと感じています。なぜかわからないヒトは「すごいよFMO!」を10回くらい読み直しましょう。

そもそも、QM/MMやらんでMDでサンプリングして力場よりずっと精度のいいFMO計算なんかして順番が逆なんじゃないの？とか思っていたが、実際やってみると精度出そうだし不思議だなーと思っていたのだけど、さっきシャワーを浴びていたらなんとなく理解して嬉しくなったのでちょっとエントリーをこしらえてみました。

それぞれの演題には既にペーパーでているのが多いので興味があったら追いかけるといいと思います。

The Fragment Molecular Orbital Method: Practical Applications to Large Molecular Systems

CRC Press / ?円 ( 2009-05-14 )

ジェイミー・オリバーをリスペクトしている感じ。単なる読み物ですね。

ダメ女たちの人生を変えた奇跡の料理教室
キャスリーン・フリン
きこ書房 / 1598円 ( 2017-02-09 )

5年前の本の書評のドラフト。

なんも書いてないけどこの本は良かった。

Interactive Data Visualization for the Web
Scott Murray
Oreilly & Associates Inc / 2997円 ( 2013-04-02 )

5年くらい前に読んだらしい。内容は覚えていないｗ

顧客を知るためのデータマネジメントプラットフォーム　DMP入門 (NextPublishing)
横山 隆治
株式会社インプレスＲ＆Ｄ / ?円 ( 2013-05-20 )

5年くらい前に

パーフェクトPython (PERFECT SERIES 5)
Pythonサポーターズ
技術評論社 / 3360円 ( 2013-03-05 )

なかなか良い本だったと思う

4年くらい前に

実践 Vagrant
Mitchell Hashimoto
オライリージャパン / 2730円 ( 2014-02-21 )

入門Chef Solo - Infrastructure as Code
伊藤直也
伊藤直也 / ?円 ( 2013-03-11 )

ICCSではたくさんの刺激を受けた。特に今まであまり気にしなかったけど、あーなるほどと考えさせられたのが以下のやり取り。

We discussed this earlier... The buyout to make the data open data has been seminal for cheminformatics #11thICCS https://t.co/H6XM5mL495

— Egon Willighⓐgen (@egonwillighagen) 2018年5月31日

今まで漠然と「ChEMBL便利！」ぐらいにしか思ってなかったけど、振り返ってみるとこういうデータがパブリックなものになったことはすごい大きなことだったと。実際にChEMBLなかった頃のサンプルデータとか本当に大変だったからね。

Mishima.sykだってハンズオンすると大抵ChEMBLのデータを使っていて、サンプルデータに関して悩まなくていいし、新しいアルゴリズムの実証もChEMBLを使えばいいから、どのデータを使うかに関して悩まなくて良くなったのはすごい大きい。

なんでもオープンにするべきかはまた違うと思うけど、論文にするようなデータは最初から再利用できる方向で著者も用意しておくのが本当はいいんだろうなぁと思う。パテントもそうならんかね、本当に。

Answer: Before ChEMBL(B.C.) After Data(A.D.)