29042019 bioinformatics
理解した
実験医学 2014年7月号 Vol.32 No.11 ゲノム編集法の新常識! CRISPR/Casが生命科学を加速する28042019 chemoinformatics bioinformatics
QSP
医薬品研究開発における Modeling and Simulation（M & S）手法の紹介という大変に面白い総説を教えてもらって読んでいる。
これは、事前にTrkAがpainのターゲットであることを知っているからこういう結論に出来たのか、そういう事前知識なしに自然に導かれたのか興味あるところではある。モデルからターゲット候補が出てくるなんて素敵。
QSP モデルによって，今までのモデル解析ではできなかった予測を行った事例を以下に 2 例紹介する．1 つ目は，MID3 白書に取り上げられている神経成長因子（NGF）パスウェイに対する QSP 解析 により，疼痛治療の新規の創薬ターゲットを検討した事例（Example 3）である．この事例では，すで に報告されていた NGF パスウェイを ODE で記述される数理モデル（Model 1）に変換し，さらにその パスウェイモデルを関連因子の神経細胞内外での挙動を反映させたモデルに連結して生理学的に拡張し たモデル（Model 2）を作成して NGF パスウェイの下流での創薬ターゲット候補の探索を行っている． 効果測定の指標として NGF 刺激の結果として観察され，疼痛発現につながると考えられる Diphosphorylated extracellular signal-regulated kinase（dppERK）の蓄積量を用い，モデルの妥当性検討は すでに報告されている NGF 阻害抗体で得られている結果と比較することにより行った．こうして構築 されたモデル内に含まれる因子を，in silico で仮想的に様々な阻害強度で阻害する感度分析により， Tropomyosin receptor kinase A（TrkA）が薬物治療のターゲット候補となる可能性が予測された．
尚、MoAと書くと現状はBabymetalがおすすめされるようです。
「LEGEND - S - BAPTISM XX - 」 (LIVE AT HIROSHIMA GREEN ARENA) [Blu-ray]トイズファクトリー / 6471円 ( 2018-08-01 )
- (MID3) Good Practice - European Medicines Agency
- Good Practices in Model-Informed Drug Discovery and Development: Practice, Application, and Documentation.
- An introduction to PK-Sim®: the open source platform for PBPK modeling
PK-SimってOSSになったの？
27042019 chemoinformatics bioinformatics
Mentality rather than modality
最近、バイオインフォマティクスのチームに兼務になりました。このバイオインフォマティクスチームに求められてることが、いわゆる普通のターゲットファインディング的なバイオインフォだけじゃなくてPKPD(今だとQSPって言うの？)でのインフォマティクス側からの貢献を求められたりするので10連休は色々勉強するよいチャンスだったりします。しかし、PKモデリングは基本的なところはわかるけど、PDは全然だから着いていくのつらいっす。
それから、組織内でモダリティのブームが起きているみたいなので、そっちのほうも色々キャッチアップしなきゃいけない。
で、自分の解釈でいうところのモダリティというのは、「従来のkey&lock型の低分子創薬を超えて、MOAをうまく利用して生体に干渉するような創薬をやりましょう」ってことだと思うんですよね。つまりライフハック。
そういう意味ではこれからの分子設計は低分子だけじゃなく、中分子や核酸やdegradationでも貢献する必要があるだろうし、創薬ターゲットのMOAに応じて柔軟に対応出来るような組織になっているべきでしょうね。と考えるとMOAを理解できることが必須になるんじゃないですかね。
というわけで、分子生物学も少し復習しないとなぁという気分になったのでそれっぽい本を読んでいました。遺伝子ドライブ面白いですね。
ゲノム編集の基本原理と応用: ZFN,TALEN,CRISPR-Cas9コラムにCRISPRdirectが紹介されていて、「あー作者の人知っとるわ」ってなった。
23022019 bioinformatics
生命科学データ解析を支える情報技術
読み終わった。
生命科学データ解析を支える情報技術wetのバイオロジーやってるけどIT側も使いこなせるようになりたいひとが読むべき本かなと思いました。まぁうちのバイオインフォのチームは必読でしょう。
私はThe OBO Foundryを知ることができたので満足。
今年はバイオインフォの活動も頑張りまっす。
11022019 bioinformatics
生命科学データ解析
先週のMishima.sykの懇親会では著者による「サイン付き著者割生命科学データ解析を支える情報技術」が人気を博しておりましたが、うっかり速攻アマゾンで予約するという失態を犯した私のもとにも無事に届きました。
生命科学データ解析を支える情報技術私は今月からバイオインフォマティクスの部署も担当することになったので、もし 「企業で俺のバイオインフォマティクス力の高まりを顕現させてみようかな？」 という方がおられる、または周りにおられる、もしくは共同研究してみてもいいんじゃない？みたいな研究室があればお知らせいただければ、美味しいクラフトビールなど飲みながら詳細詰めさせていただければと思っていますので右のアイコンからコンタクトよろしくおねがいします。興味のある仕事は勉強がてら今後エントリにあげようと思っています。
今回、これ最高だったので資料が上がって嬉しい。
追いかけないといけないことが増えた。
02122018 bioinformatics 横浜
分生に行ってきた
10年以上ご無沙汰していた分生に行ってきました。昔と比べてバイオインフォのセクション減ったよなーというような話をしたら、「バイオインフォなんて技術だから実際の研究の一部として使ってるからポスター散らばってるんだよ！」と言われて、一応全ポスターチェックしたら、確かに散らばっていたので、ポスターチェック大変だなぁと思った。ただ分生のアプリ便利だったので他の学会でも取り入れてほしい。
あとはバイオインフォやってた頃の元同僚とか知り合いとかに会えたので良かった。
一日目は昼くらいに横浜着になってしまったので、何も考えたくないときの定番のポルタの地下の麻婆豆腐のとこにいき、山椒の効いた麻婆豆腐麺を食べた。うまし。
夜は豚の味珍
やかん（焼酎ストレート）と足
頭と舌。舌は後から頼んだけどちょっと多かった。二皿が限界かな。
2日目はシェークシャックに。ハンバーガーは確かにうまいがポテトは重かった。 ハンバーガーだけでよかった。
夜景はきれい
ベアードでスモーク肉でも食べて帰るかと寄ってみたのだけど、まったく肉の気分ではなく ビールを一杯頂いて、ホテルに帰って仕事をしただけであった。夜は近所の揚州商人で軽めの ラーメン。
最終日は夕方までに帰らないといけなかったので、乗り継ぎ駅で家系ラーメン を食べた。菊名乗り換えだったらここもありかなと思うけど、家系ラーメン結構もたれますね。 右側は三島の乗り継ぎで30分くらい空いて暇だったので、果南ちゃんにサイン本をもたせてみた。
夕方いいことがあったので、リパブリューで軽く飲んだ。ポスター賞って学会の中で楽しむものなんかなと考えていて あまり重要視してなかったのだけど、細かいところまでわからない経営層にとってはものすごくわかりやすい指標らしく （社外からの評価ということになるので当然か、、）社内でも成果の一つとして評価されるみたいなので、社外発表する場合には積極的に狙っていくと良いと思います。本人のモチベーションにもなるしね。
27032018 chemoinformatics bioinformatics
Mishima.syk #12やります
おまたせしました。ちょっと間が空きましたが6月の終わりにやります。
DisGeNETとかopen phacts触ってみましたとかいう話をしてみたいところであるが。
04012018 chemoinformatics bioinformatics deeplearning
AIについて知りたいなら美味しんぼを読め
あけましておめでとうございます。
今年もこの風潮は続くのでしょうか？
『なんでもいいからビッグデータを集めて、ＡＩでなんとかしろ』
そんなときには美味しんぼの24巻カレーライス対決を読むといいと思います。
美味しんぼ（２４） (ビッグコミックス)あらすじ
川遊びに来ていた山岡たちだが、いざ創薬のAIを作る段になって大騒ぎ。みな、それぞれに自分のレシピを持っていて、お互い絶対に譲ろうとしないのだ。翌日、AIで仲たがいしたら、AIで仲直りするのが一番、とばかりにAIコンソの「マイダス王」を訪れると、入口に休業の張紙が。中では店主の栃川が落ち込んでいる。実は1週間前に海原雄山が突然現れ、「AIとは何か？、AI粉とは何か？、そしてAIはビッグデータと食べるのが正しいのか？」と3つの質問を投げ掛けたというのだ。自分の仕事に関わる根源的なこの質問に、ひとつとして答えられなかった栃川は、それ以来すっかり自信を失ってしまったのだ。そして後日、「次の究極VS至高のテーマは、AIではどうだ」と雄山から提案がなされた。山岡はそれを受け入れ、日本の様々なAI屋を訪ね、AIの研究家なども取材する。だが、雄山が提示した3つの質問の答えは見つからなかった。そこで山岡は、AIの謎を探るため、シリコンバレーへの取材旅行を決意する。
僕はデータサイエンティストなので、カレー粉など使わずに都度ミルでスパイスを調合しています。
Melitta(メリタ) セレクトグラインド MJ-516 (ホワイト)今年はなにか新たな調合法を見出したいですね。
30122017 chemoinformatics work bioinformatics
今年を振り返ります
今年を振り返るために、過去のエントリを眺めてみたが、ポケモンGOと食べ物関連のエントリしかなかった。この1年は家であんまりコード書けなかった感じ。職場では結構書いたけど来年はもう少し公開できるようなコードを書ければいいなと思っています。食べることに関しては引き続き美味しいものを開拓していきたい。
ポケモンGOに関しては今1000万XP弱で再開した時点で250万XPくらいだったので、どんだけやったんだ？って感じ。LV40まであと1000万XPなので週末の運動がてら継続したい。
仕事関連
今年は色々と新しい取り組みが出来て良かったと思っている。チームの皆さんに助けられて、大きな前進が幾つかあったし、自分たちのチームのプレゼンスも高められたと思っている。
色々とタイミングが良かったのだろうと思っている。そして企業のなかのチームっていうのはある意味スタートアップみたいなもんだけど、スタートアップと違うのはタイミングよりもチームのほうが重要なんじゃないかなと。良いチームだからうまくタイミングを見極められるのではないのかなーと。実際、全てそうだったしね。下のTEDはためになると思うので一度は聞いておくことをオススメします(7分弱だし)。
それから「誰をバスに乗せるか」はやっぱり重要なんだなーと感じたけど、そういうバスを用意するかというあたりも今後考えなきゃならないんだろうなぁとは感じている。
ビジョナリー・カンパニー２ 飛躍の法則他にはこのあたりを実践して、OSQAと社内twitterを導入してみたところ、色々とつながりも増えたし、よいアイデアやソリューションもシェアリング出来てよかったかなと思った。それからイントラGithubクローン便利すぎ。この1年でシステム周りが改善されて快適にコード書いたり、計算できるようになったかなと。
仕事以外のしごとっぽいこと。
mishima.sykのサイトを作った。これもコミュニティが良いから継続できてていいですね。来年も皆さんで集まれたら良いなと思います。
Bioinformatics関連
Dr. Bonoの生命科学データ解析-読書会に参加してバイオインフォ愛が戻ってきたのと、今後に関してちょっと思うところがあって、余裕があればターゲットファインディング周りも少し手を付けていきたいなぁと思った。open target platformなどのAPIついてるサービスを上手く活用できないとなーと思っている。
ただ、周りの状況を聞いていると、今の状況って僕がバイオインフォをやっていたポストゲノムって言われてた15年くらい前にやっていることと基本変わってないので（だから余裕でついていけるｗ）機械学習というよりはアブダクション的な手法が求められるのかなーという気はちょっとしている。最近の状況丁寧にサーベイしているわけではないから間違っているかもしれないけど、ターゲットファインディングが相変わらず難しいという状況には変わらないのかなと。
アブダクション―仮説と発見の論理それではまた来年もよろしくお願いします。
13122017 chemoinformatics bioinformatics
機械学習を知らない人達はAIをどのようなものと捉えているのだろうか？
最近ずっと上向けに自分たちの取り組み(AIの取り組みとみなされている)に関するプレゼン資料を作っていました。
自分たちは周りも含めてAIなんて言葉は使わずに、Deep Learning(CNN, RNN)やML(SVM, RF)という言葉を使うのが普通なので最初、DL≒AIってことにしてプレゼン資料作ればいいじゃんというノリで作り始めて、大分完成したところでなんか違うなと…
DLとAIが混在していて分かりにくいわ
多分AIにもっと漠然としたニュアンスがあるんだろうなと。ちょうどいいタイミングで週明けに虫垂炎で安静にしなきゃいけない機会に恵まれたので、AIってなんだろうなということをずっと考えていました。
で、思い出したのが何回か前のrebuildでAIをジェネラルなものとドメインスペシフィックの2つに区別して喋っていたことで、もしかして、彼らはドメインスペシフィックなソルバーをAIって呼んでいるんじゃないかなと。実際、（機械学習を知らない人）のAIに言及しているスライド見直してみると「AIで解決」とか「AIの有効活用」などと書いてあるし。
というわけで、
AI : Deep LearningやReinforced Learningなどの機械学習の技術を利用したソルバーで人間に近いまたは超える精度を叩き出すものの総称
と定義すれば、DLともぶつからないしスッキリするんじゃないかなーと。
と考えると「AIで解決するのか？」という答えに対しては「もちろんイエス☆」ということになりますね。だってトートロジーなんだもん。「解決するものがAI」なんだもんねｗ
これは多少皮肉を込めた言い方になったけど、好意的に捉えれば、プログラミング的には抽象クラスのようなものを指していると考えることもできるのかなと思う。
こう捉えると「AIで解決」とか「AIの有効活用」と主張するのはそれほど間違ってないように思う。具象化どうするの？どう実装するの？という議論に進めばいいだけだし。
つまり、そのAIって書いてあるところ、どういう技術を使ってそのドメインスペシフィックな問題を解決するのか？という点に論点を移せばいいだけですね。
まぁ、それが難しいんだけどね。だから、お手軽になんでも解決みたいな印象を持たれてほしくないかなと強く思う。
AI創薬・ビッグデータ創薬ビッグデータに関しては、もうずっと前から言われてるけどデータ集めるだけではイノベーションなんて起きないじゃんと思っていて、ビッグデータ創薬なんてだめなんじゃないの臨床以外では？と感じるんだけど、私はそのあたり調査が足りてないので、土曜日の読書会でなんか意見をもらえると嬉しいなと明日にはエントリにまとめてみる予定。