0日目
ギリギリまで会議をしたあと、パッキングをして深夜便で出発したが、新幹線でスーツケースのクラックを発見、この時点で既に凹む。
一方で機内は両隣が空いていて、エコノミーなのにやたらと快適な空の旅であった(差し引きゼロ)。
乗り継ぎ(CTG->LYS)で隣に幼児連れ(1歳前くらいかな)の親子が隣の席になり、暴れん坊将軍しているところを暖かく見守りつつも、フライトの上昇負荷に耐えられずゲボしていた。（私は寝てたので瞬間には気づかず、、）ちょっと凹んだ。
乗り継ぎ待ち五時間で空港からパーデューまで電車で30分かけるなら、
CDGで降りてTGV乗っとけばよかったのではと。でもローヌエクスプレスからの景色は悪くなかったので、これで良かったことにする。
ローヌ川からのノートルダム大聖堂( ではなくグラン・ホテル＝デュー かな)
1日目
会議のオープニングが夕方からなので、朝はちょっとポール・ボキューズ市場で美味しいものでもと。
ブション料理のお店が空いていたので、フードをいただけるかどうか訪ねたら、フランス語で何やら言われたのだけどわからんので、見かねたお向かいのお姉さんが英語に訳してくれた。どうも料理の提供は昼かららしいので、「しょうがないすね、また後できますわ」って伝えたら、「まぁええわ、作ったる」ということで、感謝（当然チップもはずんだ）。
トリップと玉ねぎの炒めもの。酸味が効いていて美味しいが量が多かった。
よくわからん。ポテトの薄切りをチーズで焼いたものに野菜の炒めたのを一緒に乗っけたみたいな。これも美味しかった。
2日目
3DSIGに張り付いていた。ポスター会場で知り合いにばったりあってMLCSBに出ていたことがわかったのでちょっと情報共有できてよかった。今年は3DSIGに全振りしたけど来年はTransmedとMLCSBかなぁ。
Invited Presentation: Artificial Intelligence captures language of life written in proteins
Improvement of protein tertiary and quaternary structure predictions using the ReFOLD refinement method and the
- AlphaFold2 recycling process
- :Picture:
- multifoldはDockerイメージを用意している
ImmuneBuilder: Deep-Learning models for predicting the structures of immune proteins.
- DLはパターンを学んでいるだけで、物理は学習しない
- あまり精度が良くないのでポスト処理をする必要がある。ちょっとだけ良くなった。
- ( Transfer learningでnanobodyにも対応できそう)
- 結局はフォースフィールド頼みというところか
興味深かった/チェックしたポスター
1800からのポスターセッションはほぼ飲み会だったので、すきま時間に捕まえて色々聞かないといけない。
- A-003: AlphaFold DB: Recent advances and future developments
- A-015: Ligand Binding Site Comparison Using a Graph Variational Autoencoder
- A-018: NRGDOCK: AN OPEN-SOURCE HIGH-THROUGHPUT VIRTUAL SCREENING SOFTWARE THAT CAN ANALYZE 1 MOLECULE PER SECOND
- A-023: Using AlphaFold to delve into signal transduction mechanisms
- A-029: Is the success of AlphaFold due to a better understanding of physics?
- A-039: Deriving and Analysing a Non-Redundant Dataset of Nanobody-Protein Antigen Interfaces
- A-044: Fast and accurate protein structure search with Foldseek
- A-052: Deep learning-based studying of DNA-protein binding using drying droplet patterns.
- A-059: From complex data models to actionable insights: Leveraging knowledge graphs for data analysis in life sciences
- A-063: Standardization and utilization of growth medium information through the Growth Medium Ontology
- A-276: Iterative Data Augmentation of near boundary negative samples improves the model generalizability in Compound-Protein Interaction Prediction.
- A-307: A Unified Framework for Target-Based Drug Discovery with Multimodal Contrastive Learning
- A-376: Gene correlation network analysis and survival analysis of breast cancer based on cancer hallmark genes related to inflammation and immunity
- A-428: Shedding light on cellular communication analysis: the present and the future
- A-118: All Staphylococcus aureus bacteremia strains have the potential to cause infective endocarditis: results of GWAS and experimental animal studies
- A-137: Target repositioning to predict therapeutic target proteins using genetically perturbed transcriptome data
3日
3DSIGに張り付いていた。 構造予測はAF2で大体OKな感じなので、次の課題はProtein-Protein Interactionに完全に移った 感じの構成でした。そのあたりの情報が一度に入手できたので大変有意義であった。この分野は一気に進むとも思えないので、来年はTransmedとMLCSBのほうに出ようかなと。
備忘録代わりにtwitterのほうにたくさん投稿しておいたのであとで読み直す。
ポスターは満遍なくみたけど、ワークフローやシングルセル解析で興味深いものがいくつかあった。
- B-002: Computational resources for understanding the binding affinity of membrane protein-protein complexes and their mutants
- B-003: Improvement of protein tertiary and quaternary structure predictions using the ReFOLD refinement method and the AlphaFold2 recycling process
- B-007: ImmuneBuilder: Deep-Learning models for predicting the structures of immune proteins.
- B-010: Structure-based deep learning for binding site detection in nucleic acid macromolecules
- B-019: Is Protein BLAST a thing of the past?
- B-020: Case studies of protein-protein interaction analysis using a profile method.
- B-023: A comparison of the binding sites of antibodies and single-domain antibodies
- B-030: B-cell epitope prediction on HLA antigens using molecular dynamics simulation data
- B-036: Exploring AlphaFold2's Capability in Predicting Intrinsically Disordered Protein Interactions
- B-040: Clustering predicted structures at the scale of the known protein universe
- B-049: MSA Pairing Transformer: Learning to pair interacting pairs of proteins across MSAs
- B-211: ArkDTA: Attention Regularization guided by non-Covalent Interactions for Explainable Drug-Target Binding Affinity Prediction
- B-226: Machine Learning Derived Transcriptional Signatures in Cancer
- B-241: SELFormer: Molecular Representation Learning via SELFIES Language Models
- B-242: Structure-Independent Peptide Binder Design via Generative Language Models
- B-256: Leveraging machine learning and combinatorial signaling motif libraries for engineering CAR T cells
- B-292: Application of Machine Learning for biomarker identification in cancer research
- B-295: sciCSR infers B cell state transition and predicts class-switch recombination dynamics using single-cell transcriptomic data
ホテルに戻ったら会社の仕事を片付けないといけないので、まぁこんな感じの雑な食事を取っている。
あと一回くらいはブション料理を食べたい、、、
心理的安全性のつくりかた 「心理的柔軟性」が困難を乗り越えるチームに変える
大規模言語モデルは新たな知能か ＣｈａｔＧＰＴが変えた世界 (岩波科学ライブラリー)