04012013 chemoinformatics bioinformatics
僕のフィールドには一応Bioinformatics,Chemoinformaticsも含まれているので、文字列だけでどこまでいけるのかは非常に興味がある。まぁ物理法則を無視できなくなってくると文字列処理ではどうしようもないんだけどね。
3章のBWTまで読んだけど、3-4のBWTの性質と復元のところがさらっと流されていてさっぱり分からなかったので、検索したらわかりやすい説明を見つけた。
が、全体的には丁寧に解説されていて、分かりやすいと思うし、読んでて楽しい。
個人的にはSMILESみたいな構造情報を文字列にしたものをBWTで扱えないかなぁと考えている(chemoinformaticsに応用してみたい)。構造変換ルールにもイディオムみたいなのあるしね。MMPを高速に検索できても嬉しいだろうし、なんか使い道がありそうな気がするんだけど。
31072012 bioinformatics Ruby
プログラムとして実行できるfasta形式のプログラミング言語を作ってみた。いちおうチューリング完全(なはず)。
>HELLO_WORLD ccggaccgcg gggcaccgcc ggcggaccgc cgccggaccg cccggcgacc gccgccccac cgcccgccca ccgcggggga ccgccgcccc accgccgccg gaccgccgcc ggaccgccgg cgcaccgcgg cgggaaccga cacatccata ccacagaacc caaaa
これはatgcというコマンドで解釈して実行します。
$ bin/atgc hello_world.fasta Hello world!
ゲノム的にGCリッチなほうがいいだろうということで0と1にg,cをそれぞれ割り当てて数字を表現するようにしてる。exitコマンドには終止コドンを割り当てようかとも思ったが、なんとなくaaaにしてみた(polyA)。
しかも（というか当たり前だけど）blastでホモロジーサーチがかけられるし、multifastaにしておけばソース管理もできるうえに、データベース化してインデックスはっておけば、NCBIのツール群でコマンド一発で取り出せる。
ただ今回作ったHELLO_WORLDの配列はblastnだといい感じにヒットしなくて悲しかったので、blastxかけたらブラックコットンウッドからなんかひっかかった。
>gb|ABK94795.1| unknown [Populus trichocarpa] Length=229 Score = 33.5 bits (75), Expect = 5.9 Identities = 14/21 (66%), Positives = 15/21 (71%), Gaps = 0/21 (0%) Frame = +1 Query 100 GPPPDRRRTAAGTDTSIPQNP 162 GPPPDRRRT GT S P +P Sbjct 209 GPPPDRRRTRQGTTKSEPASP 22
VMとかは特にいじってないのでEsotericの本を参照のこと。
VMを使った中間言語方式の強力さを理解した。
ソースをGitHubに移した
高速文字列解析の世界――データ圧縮・全文検索・テキストマイニング (確率と情報の科学)
Rubyで作る奇妙なプログラミング言語 ~Esoteric Language~$ ./bin/atgc examples/shizuoka.fasta
**
**
****
******
******
********
**** ******
******** ****** ************
******** **************************
**************** **********************
********************** **********************
************************** ************************
************************** **********************
**********************************************************
****************************************** ******************
**************************************** ************
************************************** ****************
************************************ ****************
************************************** ********************
************************************** ************************
************************************ ************************
************************************** **********************
****************************************** ********************
************************************************ ********************
**** ******************************** ********************
**** **************** ************** ****************
************************************** **************
**************************** ******
**********
04032012 bioinformatics
2012年2月発刊の創薬関連書籍を見てたら面白そうなのを二冊見つけた。
バイオマーカーのマイニングの本は興味があるなぁ。
Data Mining for Biomarker Discovery (Springer Optimization and Its Applications)FBDDの本は事例が多めなんだけど、目新しさは感じられない。会社に買ってもらおうっと。
Fragment-based Drug Discovery and X-ray Crystallography (Topics in Current Chemistry)02032012 chemoinformatics bioinformatics macbook
リリースしている安定版はインストールできなかったので、svnのtrunk(r3983)を入れた。それからbrewを使っているのでsetup.pyをちょっと変える必要があった。
/opt/localはmacports用の設定だと思うので/usr/X11に変更しないとGL/gl.hがないとかそんなエラーを吐くはず。
156 EXT = "/usr/X11" 157 inc_dirs=["ov/src", 158 "layer0","layer1","layer2", 159 "layer3","layer4","layer5", 160 EXT+"/include", 161 EXT+"/include/GL", 162 EXT+"/include/freetype2", 163 "modules/cealign/src", 164 "modules/cealign/src/tnt", 165 "generated/include", 166 "generated/src", 167 ]
それからPmwはソースをダウンロードしてきて入れた。なくても動くと思うが、import errorが出るので気持ち悪かったから後から入れておいた。
27022012 bioinformatics Python
01122011 chemoinformatics bioinformatics
mol形式(sdf形式)のデータだと化合物の区切りが$$$$なので、化合物を追加したい場合は何も考えずにファイルに追記するだけでいいのでよいですね。
PDB形式のデータにsdf形式の化合物情報をマージしたいんだけど、いい方法ないかなぁと調べてみたところmol2でOKだった。
両方mol2形式にして
cat compounds.mol2 >> protein_data.mol2
ってやればマージできる。
どういう用途を想定しているかっていうと
ある適当な部分構造(substructure)を持っている化合物の複合体結晶構造に、同じsubstructureをもつ別の化合物のコンフォマーを発生しつつ複合体のsubstructureの座標でalignする
つまり
みたいなことをやりたかったわけです。こういうのはファイルが2つに分かれてるとユーザーのヒトとか使いにくいしどういう計算したのかわからなくなっちゃうからね。
Bioinformatics Programming Using Python24112011 chemoinformatics bioinformatics
biopythonのMLに「蛋白内部に埋没している残基をどうやってけいさんすんの？」っていう質問が流れてて、HSEっていう指標が実装されているのを知った。
HSEってのはCalphaとCbetaのベクトルと直交する平面で球を切ってUpとDownの半球のことで、その中に他の残基のCalphaとCbetaが幾つあるか数えるという単純なCNっていう指標で溶媒接触表面積の代わりに使えるらしい。
この指標って例えば（潜在的な）リガンド結合部位の予測に使えたりするんだろうか？
PPI阻害剤なんかのターゲット部位予測に使えたら面白いかもねと思った。
Python for Bioinformatics (Chapman & Hall/CRC Mathematical & Computational Biology)13052011 bioinformatics Python
pubmedのidからdoiを調べたい。
BeautifulSoupでXMLをパースするのが良いのだが、ソース見たらげんなりした(preってなんやねん)。というわけで、MEDLINE形式のデータから正規表現でdoiを抜き出してます。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 | #!/usr/bin/env python import urllib2 import re,sys def pmid2doi(pmid): url = "http://www.ncbi.nlm.nih.gov/pubmed/%s?dopt=MEDLINE" % pmid r = re.compile('AID - (10.\d+/.+?) \[doi\]') response = urllib2.urlopen(url) if response.code == 200: s = response.read() m = r.search(s) return m.group(1) else: return "error: %d" % response.code if __name__ == '__main__': if len(sys.argv) == 2: print pmid2doi(sys.argv[1]) else: print "usage: %s [pmid]" % sys.argv[0] |
コマンドラインから使う場合には
$ pmid2doi.py 20053000 10.1021/ci900416a
Bioinformatics Programming Using Python19012011 chemoinformatics R bioinformatics
献本ありがとうございます
内容はバイオインフォマティクスに限らずに割と広い内容をカバーした感じで、クックブックと逆引きの中間的なスタイルと言えば良いのだろうか？
Rのインストールから基本的な操作は（大体どの本にもあるように）載っていて
データマイニングとしては
がサンプルコードとともに簡潔に説明されている。
8章はバイオ系データの解析、チップとか。odesolveを利用したシミュレーションのサンプルもあって、SBMLRは面白そうだなぁと思った。メカニズムがどうなっているのかはモデルと実験系の不一致をよく突き詰めて考えることでしかきちんとした理解は得られないと思っている。
最後のほうの章は統合環境、データベースの連携、サーバー構築あたりの話。
あと、twitteRを使って生体組織名をつぶやくとその組織の図が返ってくるという例が載ってた。ちなみにRでもPitがあります。
25102010 chemoinformatics bioinformatics
熱海でだらだらと温泉につかりながら、コード書いたり書かなかったりという場を設けました。キーワードはchemoinformatics,bioinformatics,R,Python,Rubyで製薬企業でコード書いているヒト多めです。僕はFlaskいじるかopenbabelのMCS実装かなんかをする予定です(でもいい日本酒がゲットできたら飲んでるかも)
まだ何人か分の空きがありますので興味があれば私にメールかtwitterでメッセージを下さい。金曜から土曜にかけてという日程です。
今のとこの参加者
Rによるバイオインフォマティクスデータ解析 第2版 －Bioconductorを用いたゲノムスケールのデータマイニング－