分生二日目

朝は定番のさつまいも粥

1575512175

昼は三宅うどんで丸天うどんと稲荷寿司

1575512173 1575512160

卓上にネギと一味があるので振りかけるといい感じになる

1575512158 1575512178

帰りに「高菜たべちゃったんですか?」の店の前を通りかかると人だかり。

1575512170

夜は博多駅前で懇親会。時間がちょっとあったので駅のお土産を物色していたら、 酒屋と角打ち発見。

一杯だけいただいた。

1575512155 1575512162

酒のあても色々そろっているので、帰りにサクッと飲んで帰るのもありか。

1575512168

懇親会は二◯加屋長介

話が忙しくて、ほとんど写真を取っていない。唯一ゴマサバ。

1575512166

懇親会は色々といい話が聞けてよかった。

py4chemoinformaticsを書きました

この記事は、創薬 (dry) Advent Calendar 2019 の4日目の記事です。

分生に来ていますが図書コーナーのbono関連図書のモテ期襲来が圧巻でした。

ProductName 生命科学者のためのDr.Bonoデータ解析実践道場
坊農秀雅
メディカルサイエンスインターナショナル / 3300円 ( 2019-09-27 )


ProductName 次世代シークエンサーDRY解析教本 改訂第2版
清水厚志
学研メディカル秀潤社 / 6160円 ( 2019-12-14 )


chemoinformaticsなみなさんもこれを期に購入してbioinformaticsも勉強しましょう。これからは両方できてなんぼですよ。

ところで、標題の通り我々(@iwatobipenと私)はpy4chemoinformaticsを書きました。そのきっかけがちょうど去年の分生で、ある出版社の方につないでもらいchemoinformaticsの書籍を検討してもらう機会をいただいたのですがボツになってしまいました。その際に目次を書いて提出したのですが、まぁ折角章立てしたんだしGitHubに残そうぜってことになった次第です。

私としてはMishima.sykとしてなんとなく何かを残しておきたかったのと謝辞を書きたかったというのが主なモチベーションですが、そのために共著になってくれた@iwatobipenをはじめ表紙を飾ってくれた@souyakuchan、誤字脱字の訂正を丁寧にしていただいた@antiplastics, @bonohu, @ReLuTropy, @ski_nanko, @torusengoku, @yamasaKit_には大変感謝しております。もちろん、学会などでお会いしたときに直接フィードバットしていただいた方のコメントもとてもありがたく感じています。

ちなみに、GitHubで本を書くのは結構簡単です。知らないといけないのは基本的なGitHubの使い方とasciidocの記法だけです。なぜmarkdownでなくasciidocを使うのかは、こっちのほうが、注釈つけたりするや表を書くのが簡単だからです。HTMLのレンダリングはGitHubのほうでよろしくやってくれますし、pdf化もasciidoctor-pdfでサクッとできます。もし、章には入ってないけどこれが入っていたら初学者は喜ぶだろうなとか、もうちょい高度な内容を章として追加したいなと思ったら気軽にPRしてください。わたしも、そろそろなんか追加しようかなと考えています。

今回表紙が創薬ちゃんなので、急遽駄文をアドベントカレンダーにねじ込むことにしてみましたが、私からのtakeawayは 「自分の属するコミュニティを大切にしよう、そしてそれ以外のコミュニティも同じくらいリスペクトしよう」 です。弱い紐帯の強さは異分野をリスペクトしてこそです。特にDryでやる人は自分の活躍分野を広げるためには現在関与している分野に精通する一方で新たな応用分野を探索する必要があります。そして自分の知らないWetの分野はブルーオーシャンになある可能性があるということは忘れないようにするといいと思います。

それでは今日も食の祭典「分生」を楽しみマッスル。

分生一日目

食の祭典「分生」に来ています。

前泊の夜はshinshinでラーメン。あまり調子が良くなかったので、そのまま就寝

1575371871

朝は軽く粥をいただく。ほんと朝は毎日粥でいいわってくらい粥が好き。間違いない。

1575371856 1575371863

ランチョン並ぶのも嫌なので、タマゴの孵化も兼ねて、呉服町駅近くの「みやけうどん」まで歩く。 博多のうどんってやわやわなのね。なんか初めての体験。

1575371880 1575371878

ポスターをがっつりと見疲れて、休んでいたら@oec014と遭遇。水炊き気になるんだけどお一人さんはなぁみたいな話になり、じゃぁ行くかと。結果的に必然w

とり田に行ってみた。

お通しの半熟卵に肉味噌が敷いてあるやつ。すこぶる美味いのでビールではなく最初から日本酒頼んでおけばよかった。

1575371853 1575371851

白濁したスープが運ばれてきて、まずはネギしゃぶから。肉は「骨付き」「むね」「もも」の三種類

1575371866 1575371868

ゴマサバの味噌がけ。これも日本酒だったな

1575371875

続いてつみれ鍋にしてもらいます。これを食べているとかしわ天が運ばれてきた。

1575371861 1575371858

最後に雑炊にしてもらった。

1575371873

あとはデザートにプリンだけどicloudの同期がまだなのでそのうちアップする。

悶える?モダリティ

ちょっと前までは低分子の分子設計ばっかりやっていて、その当時は出口戦略重要だよねそのための差別化はやっぱDMPKだよなってことで、PBPKとかPK-PDとかが重要になるんやろねと思っていた。

最近は創薬モダリティの流れで色々な分子設計やり始めていて、よい設計のためには分子生物学理解してないと駄目だよなぁと思うようになってきてる。

モダリティの四面体によると、創薬においては

ProductName 料理の四面体 (中公文庫)
玉村豊男
中央公論新社 / ?円 ( 2017-06-30 )


  • 干渉剤の大きさ(いわゆるモダリティ)
  • 干渉対象 (MoA)
  • 測定系

の組み合わせが重要で、我々が分子設計するためにはモダリティは基本的になんでも扱えるけど、MoAを意識したデザインをするためには分子生物学を理解していないと、よいデザインはできないように思う。特にプロテアソーム系とかエピジェネまわりに触ったりするやつとかそれなりに確度高く設計できると嬉しいよなーとか。

というわけで細胞の分子生物学でも読み直すかという気分になっている。

ProductName 細胞の分子生物学 第6版
ALBERTS
ニュートンプレス / 24530円 ( 2017-09-15 )


新しいモダリティいじるの楽しいけど、それぞれ考え方変えていかないといけないのが手探りですよね

Does Hype Hurt Science Community or Pharma?

最初は長文のエントリを書いてみたのだけど生々しくなりすぎたので全部消し、結局2時間ぐらいを無駄した。

  • 会社: 東京皇国
  • hype: 焔ビト
  • データサイエンティスト: 消防隊
  • hypeの訂正: 鎮魂
  • 転職: ラートム

ちなみにこういう実装できそうにない抽象的なポンチ絵を書き始めると人々は焔ビト化するという設定になってる。

1570350993

炎ハ魂の息吹……黒煙ハ魂ノ解放……灰ハ灰トシテ……其ノ魂ヨ……炎炎ノ炎ニ帰セ ラートム

分子細胞免疫学

自己免疫疾患系もう少し詳しくなりたいので勉強することにした。

ProductName 分子細胞免疫学 原著第9版 アバス–リックマン–ピレ
Abul K. Abbas
エルゼビア・ジャパン株式会社 / 10780円 ( 2018-03-15 )


それからpainは分子生物学なのだろうか?それとも情報伝達学なのだろうか?そのあたりも生体システムとしてもう少し深く理解しておきたい。

Greatな岡山の学会に行ってGreatな焼き鳥を味わった

great岡山の学会に参加してきた。

夜は大井町の鳥たかというお店に通った。うますぎ天国。

1568212594 1568212601

晩杯屋はうるさくなければいいけど、酔っぱらい学生とか来たら出る感じ。

1568212599

お昼はラーメン。

1568212597

CWLに入信したの図

1568212604

たまごかけ大学行くのはYAPC以来やなぁとか言っていたけどそのあとIBISで参加していたことを後に思い出した。

ま、どうでもいい。

DeepInsightでちょっとよくわからないことのメモ

人工知能でゲノミクスをというプレスリリースでちょっとよくわからないことがあるのでメモ

最後の方の「図1 変数ベクトルxを変換Tで行列に変換する全体像と変換の具体的な手順」のところで1-aの具体的な手順としてtSNE/kPCAが提案されているが、これがよく理解できていない。

例えば化合物ライブラリの例だとそれぞれの化合物は2048次元の特徴ベクトル(フィンガープリント)を持つ。ただし二次元空間にマップされるのはそれぞれの化合物であって特徴(feature)ではない。

1-bで特徴がマップされるためには特徴自体が多次元ベクトルを持つ必要がある。同僚にN回測定のサンプルなんじゃないの?って言われたけど、それだったら平均とって終わりじゃない?ってことになった。

仮にGeneをマップしようとするばあいnサンプルを転置してベクトルにすればいいけどその場合は「訓練」「バリデーション」「テスト」にそれぞれtSNE画像ができてよくわからんことになる。

それから200x200の画像に変換するってあるんだけどデータの遺伝子が60483あるので、ピクセルに一つ一つに対応させても2万遺伝子くらいあふれるよなーと。黒く塗り潰されるか遺伝子の位置が重なって情報欠損すると思うんだけどそのあたりもよくわからん。

実装眺めるしかないなーとCode AvailabilityからURLたどって探したんだけど見つけることができなかった。

追記: コードがダウンロードできました 2019.08.09

http://www.alok-ai-lab.com/materials.php

のDeepInsight Package DeepInsight_Pkg.tar.gzだそうです。

実装はMatlabだったので手元で動かすことはできませんが、コードを読んでみました。

Cart2Pixel.mの3行目

% Q.data should be in no_of_genes x no_of_samples format

で、実際に50行目あたりで

Y=tsne(Q.data,'Algorithm','exact','Distance',Q.Dist);

となっているのでやっぱりtSNEのドットはサンプルか(転置した場合)遺伝子を表現していていて、「訓練」「バリデーション」「テスト」にそれぞれtSNE画像ができるような気がします。

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。

ProductName 「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 )


PK-SimってOSSになったの?