下記は2022年にシェアした情報のうち、100いいね以上いただいたほんの一例です。現在の最新版はこちらのページでシェアしています。
2022年のTwitter
科学研究って連続的に進んできたものではなく、技術が開発されたことで一気に進むという断続的な進み方をします。その点でテクノロジーにキャッチアップするのはとても重要です。Nature Methodsが2022年を振り返って注目するべきテクノロジーを紹介しています。https://t.co/gg4LyJd32T
— H_Shimizu (@biomedicalhacks) December 28, 2022
声に出さずに心の中で文を読むと、その脳皮質の信号から深層学習と言語モデリング技術によりリアルタイムで解読する方法を作ったという報告がnature communicationosの発表されました。さまざまな病気・事情で声が出せない方とのコミュニケーションが期待できます。https://t.co/zJMI2fIqFQ
— H_Shimizu (@biomedicalhacks) December 26, 2022
クリスマスプレゼントというわけではないのですが、はじめての学生さんや実験系の先生方でもすぐ使えるwebツールやリソースをまとめました。まだまだ途中ですが150ほどあります。随時更新していきますので、ブックマーク等をして教育や研究にお役立ていただけると幸いです。https://t.co/bFY3EPPFEd
— H_Shimizu (@biomedicalhacks) December 23, 2022
Googleが実世界で700以上のタスクを97%の成功率で実行する汎用ロボット「RT-1（Robotics Transformer 1）」を発表しました。コードはオープンソースになっています。医療や実験ロボットなどにも応用されるようになるのでしょうか？https://t.co/oD1QsMtDaG
— H_Shimizu (@biomedicalhacks) December 22, 2022
RNA研究で著名な2人の著者が、RNA研究の歴史を先人の誤りや偏見、試行錯誤などをたどりながら、RNAの生命における役割・研究の進展の実際を読みやすく紹介している本です。PDFが無料でダウンロードできます。https://t.co/7ClmwBeqQG
— H_Shimizu (@biomedicalhacks) December 21, 2022
最近流行りのChatGPTについて詳しく解説されたスライドが公開されています。https://t.co/uVhpKyjqj7
— H_Shimizu (@biomedicalhacks) December 20, 2022
タンパク質科学のための言語モデルの最近の開発により、大規模な構造バイオインフォマティクスが科学界に提供されるようになった現状をまとめたTrends in Biochemical Sciences誌の総説です。AlphaFold 2はもちろんさまざまなトピックが網羅されています。https://t.co/tOoR1OSfwA
— H_Shimizu (@biomedicalhacks) December 19, 2022
空間的にゲノム、トランスクリプトーム、プロテオミクスを測定する近年の技術を応用してがんのbiologyにより深く迫るという論文が最近増えていますが、その領域の現状をまとめたNature Reviews Genetics誌の総説です。https://t.co/N5DcFjT8U4
— H_Shimizu (@biomedicalhacks) December 17, 2022
コンピュータービジョンにおけるトップ会議で発表された論文の日本語サマリーが公開されました。その数なんと1000本以上。医療やライフサイエンスにおいても画像解析は重要なので、こういう新しい方法とのアフィニティはとても良いです。https://t.co/TBNd0Ns7RB
— H_Shimizu (@biomedicalhacks) December 14, 2022
遺伝子発現＋細胞の接続＋DNAやタンパクの蛍光画像の3つを統合して一つの潜在空間に落とし込むオートエンコーダであるSTACIを開発したというnature communications論文です。手元にあるデータが画像だけでもそこから遺伝子の発現量を予測できるとのこと。https://t.co/OtC5jJ7aYR
— H_Shimizu (@biomedicalhacks) December 14, 2022
アカデミア目線ですが、大規模計算機をAIに使う方法がまとめられた記事です。採択率は非常に高いので申請する価値大いにありです。また、有料にはなりますが私たちはスパコンを格安定額価格で使用できるサービスを提供しているので興味がある方はメールで連絡下さい。https://t.co/kflL2zli6x
— H_Shimizu (@biomedicalhacks) December 12, 2022
AlphaFoldの予測構造には、例えばATPaseやキナーゼにはADPやATPが結合していないなど欠落があります。このような生体機能にとって重要な分子を補完するアルゴリズムAlphaFillがnature methods誌に発表され、構築したモデルはデータベース化もされています。https://t.co/br6SUkWXxX
— H_Shimizu (@biomedicalhacks) December 8, 2022
CRISPR-Cas9 nickase+逆転写酵素+セリン integraseを融合させ、巨大なDNAフラグメントを挿入できるゲノム編集手法PASTEがnature biotechnology誌に発表されました。初代培養を含む複数の細胞において36 kbの配列を組み込むことを実証しています。https://t.co/aQeurtSomM
— H_Shimizu (@biomedicalhacks) December 5, 2022
特定遺伝子の遺伝子ノックアウト／ダウンにより遺伝子発現はどのように変化するのか、利用可能な全てのヒト細胞株RNA-seqデータを集めたデータベースGPSAdbがNucleic Acids Researchに発表されています。データベースはマウス操作のみで閲覧できます。https://t.co/tfo0wJUVCk
— H_Shimizu (@biomedicalhacks) December 4, 2022
遺伝子発現と細胞形態を紐付けるために、28,000以上の化学的・遺伝的摂動を与えた上での大規模なデータセットがnature methodsに公開されました。https://t.co/few2uwKJaq
— H_Shimizu (@biomedicalhacks) December 3, 2022
生物学的セグメンテーションのさまざまな事前学習済みモデルであるCellpose 2.0がnature methodsに発表されました。さまざまな大きさの画像にも適用可能など進展が含まれています。PyTorchコードの他、GUIバージョンもあります。https://t.co/eYrcePPArd
— H_Shimizu (@biomedicalhacks) December 2, 2022
シングルセル解析の基本事項がまとめられた日本語で読める直近の総説です。https://t.co/bDOAWmKx4T
— H_Shimizu (@biomedicalhacks) November 30, 2022
米ハーバード大学医学部の生チームは、AI主導の創薬を最適化することを目的としたオープンアクセスプラットフォームTherapeutics Data Commonsを立ち上げました。化合物の同定から薬効評価に至るまで、医薬品開発のあらゆる段階におけるデータセットを提供しています。https://t.co/z6vs9AKyuR
— H_Shimizu (@biomedicalhacks) November 29, 2022
京都大学のOpen Course Ware (OCW) がこれまで蓄積してきた講義動画や資料を集めたポータルサイトOCW Centralが登場しました。AIによる動画の自動文字起こしもついています。https://t.co/aL2ZQlSlps
— H_Shimizu (@biomedicalhacks) November 28, 2022
グラフベースの手法は昨今あちこちに使われていますが、生命科学や医療におけるグラフ表現学習の成功と現在の限界を論じ、グラフのトポロジーを活用してコンパクトなベクトル空間に埋め込むアルゴリズムの概要を解説したNature Biomedical Engineering誌の総説です。https://t.co/SpLGd3ZmaR
— H_Shimizu (@biomedicalhacks) November 23, 2022
AlphaFold2について、日本語で書かれたオープンアクセスの総説が発表されました。AF2が登場する前の手法も含めて詳細に解説されています。https://t.co/vXvPprumC3
— H_Shimizu (@biomedicalhacks) November 21, 2022
計算生物学、バイオインフォマティクス、システム生物学等の領域で活躍する海外の10人のPIへショートインタビューしたものをまとめたCell Systems誌の記事です。成功の秘訣が垣間見れます。https://t.co/35XMeE2OcE
— H_Shimizu (@biomedicalhacks) November 19, 2022
本学も参画している「数理・データサイエンス・AI教育強化拠点コンソーシアム」では各拠点大学が持ち寄りで教育スライドを用意しています。もちろん無料で閲覧できるのでぜひhttps://t.co/hgDcIi3ksw
— H_Shimizu (@biomedicalhacks) November 13, 2022
新しいクラスタリングアルゴリズムがNature Communications誌に発表されました。シングルセルRNA-seqや質量分析データを含む複数の実証があります。https://t.co/mak2rQjExV
— H_Shimizu (@biomedicalhacks) November 12, 2022
自己教師あり学習を用いて、胸部X線画像をラベルなしで大量に学習させ、放射線科医なみのスコアを出したというNature Biomedical Engineeringの論文です。https://t.co/XGBgtd7lVR
— H_Shimizu (@biomedicalhacks) November 11, 2022
Google Colabだとすでにインストールされているパッケージ以外は毎回 ! pip install しないといけませんが、Google Driveにインストールしておくとその必要はありません。ぜひ一度試してみてください。2つの記事を紹介します。https://t.co/wQFRC2ZAU6https://t.co/Sm1WtyOPxb
— H_Shimizu (@biomedicalhacks) November 10, 2022
8月にオープンソース化された画像生成AIであるStable diffusionについて、その仕組みをたくさんの図を使って説明した解説記事です。https://t.co/tBSbBHqB0A
— H_Shimizu (@biomedicalhacks) November 3, 2022
医療統計における因果推論についてまとめた記事です。https://t.co/xH1j0Vh4BG
— H_Shimizu (@biomedicalhacks) October 31, 2022
筆者の方は学部4年生のようですが、ブログのトップページにあるようにすでにたくさんの実績があります。素晴らしいですね。
バイオ・医療画像処理にはさまざまなフリーソフトがありますが、たくさんありすぎて困るという場合もあります。そんなときに、役立つ1つの検索エンジンがBioimage Informatics Search Engine (BISE)です。1000を超えるツールから検索できます。https://t.co/JnadcYrx5a
— H_Shimizu (@biomedicalhacks) October 29, 2022
科学技術を支える「行列の掛け算」の効率的なアルゴリズムを強化学習AI (AlphaTensor)が自動発見したというNatureの報告です。人間が設計した高速アルゴリズムを再発見し、それを上回っています。https://t.co/W2hB8b2TCB
— H_Shimizu (@biomedicalhacks) October 26, 2022
DeepMindは深層学習や強化学習に関する大学レベルの講義もリソースとして提供しています。英語に抵抗ない方はぜひ。https://t.co/GouEhHu1JS
— H_Shimizu (@biomedicalhacks) October 25, 2022
AlphaFold2やAlphaGOで有名なDeepMindではいろいろなAI学習用教材を用意しています。深層学習のためのPython、NumPy講座や、教師あり学習入門、教師なし学習入門、タンパク質の立体構造予測原理の入門講座などすべてGoogle Colabで体験しながら学べるようになっています。https://t.co/ZiRmCa7wcW
— H_Shimizu (@biomedicalhacks) October 22, 2022
バイオバンク、電子カルテ、医療画像、ウェアラブルバイオセンサーなどから得られるマルチモーダルなバイオメディカルデータとAIの関わりを概説した総説です。デジタルツインなどの話題にも触れられています。https://t.co/iIEcDzQ79k
— H_Shimizu (@biomedicalhacks) October 20, 2022
なぜKaggleなどでTree-basedアルゴリズムが深層学習を上回ることが稀ではないか？ということを説明した記事です。深層学習は高次元に写像しないと特徴量を捉えるのが困難なものを取り扱うのに適している一方で、表形式にできるなら木構造で十分に分類できるという概要です。https://t.co/2w1Ad86DXz
— H_Shimizu (@biomedicalhacks) October 19, 2022
AlphaFold2による構造予測と多数の分子ドッキングシミュレーションを組み合わせて、タンパク質リガンド相互作用をベンチマークしたという報告です。残念ながら構造を精密に予測できてもAlphaFold2を直ちに創薬に活用するのはハードルが大きいというのが結論です。https://t.co/OezdH3Cmg0
— H_Shimizu (@biomedicalhacks) October 14, 2022
Googleの機械学習コーディングのマニュアルです。機械学習43のルールとして、心がけるべき点が書いてあります。https://t.co/RpP7UJ5BbP
— H_Shimizu (@biomedicalhacks) October 17, 2022
医療におけるAIの適切な運用の重要性を強調し、機械学習が誤用された場合の危険性を警告したNature Medicine誌の記事です。特に放射線画像AIのように、「他の方法では確認することのできないパターン」を発見した場合、その理由を十分に説明する必要があるとしています。https://t.co/hW4E03Sc5T
— H_Shimizu (@biomedicalhacks) October 16, 2022
少し前に紹介したことのあるこちらの強化学習の資料ですが、閲覧数が20万回を超えたようです。おそらく日本語の強化学習の資料としては一番見られているのではないでしょうか？ 内容も非常にしっかり網羅されていてオススメなのでもう一度紹介します。https://t.co/yaRPYMTNh6
— H_Shimizu (@biomedicalhacks) October 11, 2022
Digital Expression Explorer 2 (DEE2) は解析済みRNA-seqデータを取得できるツールです。SRA やGEOのアクセッション番号を入力することで、transcriptごと、遺伝子ごとの発現をダウンロードできます。基本的な解析に限られますが傾向をサクッと知りたいときに便利です。https://t.co/P8FteIeD0H
— H_Shimizu (@biomedicalhacks) October 9, 2022
画像とテキストのペアが7億4700万個含まれている大規模データセット「COYO-700M」を公開されました。HuggingFace経由からでもデータにアクセスでき、大規模な基盤モデルでの利用を目的としているようです。https://t.co/Z7V4M6gAQ6
— H_Shimizu (@biomedicalhacks) October 7, 2022
欧州最大の心筋梗塞患者データベースを用い、42万人を超える患者データから機械学習も使った新しいリスクスコアを導出したというLancet誌の報告です。男女で心筋梗塞の初期症状に違いがあることを組み込んだスコアになっています。https://t.co/4ExJXp8lxO
— H_Shimizu (@biomedicalhacks) October 2, 2022
JSTの「さきがけ」に採択していただきました。今日から3年半にわたる、AI創薬に関するプロジェクトです。
— H_Shimizu (@biomedicalhacks) October 1, 2022
たくさんの研究業績がある大学院生が論文をどのように書いているのかについて私見をまとめています。自分でquestionを見つけて自分で解くというのが大学院生に求められることですので、やり方は人それぞれですがこの方のようなアプローチも素晴らしいと思います。https://t.co/VcedCSQhjB
— H_Shimizu (@biomedicalhacks) September 26, 2022
AF2の構造予測を10倍以上高速化したxTrimo Multimerがオープンソースとして発表されました。Colossal-AIが得意とする大規模モデル学習技術と最適化を使ってゼロベースで作ったものになっています。https://t.co/1Tv5Je7QV1
— H_Shimizu (@biomedicalhacks) September 25, 2022
BBCがggplotを使って記事を書いているそうですが、そのためのRパッケージであるbbplotについての説明です。ニュース記事にも使われるような大衆受けする図を手早く作るのに使えるかもです。https://t.co/AKfhWvMDHl
— H_Shimizu (@biomedicalhacks) September 21, 2022
バイデン大統領が全米をあげてバイオテクノロジーに力を入れるということを発表しました。データ科学による合理デザインといった、合成生物学とかsynbioとか呼ばれている領域はこれからさらにホットになるのでしょう。https://t.co/QSXfT1JjF9
— H_Shimizu (@biomedicalhacks) September 15, 2022
ハーバード大学の日本人研究者による因果推論に関する講義スライドと動画がフリーで公開されています。https://t.co/AInlsEZuIO
— H_Shimizu (@biomedicalhacks) September 14, 2022
機械学習を勉強すると必ず出てくる (が数式がいっぱいで初学者には敷居が高い) EMアルゴリズムをやさしめに解説したスライドが出ています。EM何それ？という方にはそれでもまだ難しいでしょうが、だいぶ理解は進むと思います。https://t.co/EH4N21GlU1
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) September 10, 2022
医学・医療分野における自己教師ありの手法とモデルについてまとめたnature biomedical engineering誌の総説です。電子カルテや医療画像といった医療データだけでなく、遺伝子やタンパク質の配列・構造などのライフサイエンスデータについても言及されています。https://t.co/Fh4QzZm6JQ
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) September 9, 2022
最近のバージョンのPyTorchでAppleのM1チップに搭載されているGPUが使えるようになっているみたいです。cudaではなく、torch.device('mps')で使用できます。https://t.co/Oa4HjRaUje
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) September 3, 2022
数理最適化にそれほど詳しくなくてもある程度のタスクなら簡単に解くことができるpython製のcodable-model-optimizerがgithubに発表されました。日本語で解説記事を読むことができます。https://t.co/gkc0g7xUEK
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) September 2, 2022
テンソル分解についてとてもよくまとまっている資料です。テンソルとは何か、何ができるのかから始まり、QR分解、固有値・特異値分解、CP分解、Tucker分解、テンソルトレインといった代表的な手法がイラストと数式ベースで解説されています。https://t.co/YLlrvekc6g
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) September 1, 2022
不偏分散がなぜn-1で割るのか、物語式に説明したpdfです。実験的な例示から数学的な証明まで載せています。もちろん知っている方も多い内容かとは思いますが、なぜn-1で割るのかよくわからないけどとりあえずn-1で割っている方はぜひ読んでみてください。https://t.co/VEE1ZGC9rE
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 29, 2022
医学、バイオロジー、医療現場のイラストなどのフリー素材のサイトです。全部で3000強。ちょっとしたスライドなどに使えそうです。https://t.co/3elqnfxOfh
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 24, 2022
遺伝子名がからむようなファイルをExcelで開くのはやめましょう。データの再解析をする人たちはよく遭遇するトラブルなのですが、遺伝子名をExcelが勝手に日付に変更してしまうのです。Excelが何をしているのか、実例を紹介した短い解説記事です。https://t.co/MC4mvFTYre
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 22, 2022
GWASの原理ややり方、代表的なツール、結果の解釈などをコンパクトにまとめた記事ですhttps://t.co/yasrLY6SZ2
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 21, 2022
イメージング技術とデータ解析技術が生命科学に今後何をもたらすのか、13人の第一線の研究者らの捉え方をまとめた記事です。https://t.co/wrveqjZHsL
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 15, 2022
DeepMindの研究者がトランスフォーマーに関する総説をarXivに発表しました。トランスフォーマーとは何か、どのようにトレーニングされるか、から始まり15のトランスフォーマーアルゴリズムの疑似コードを提供しています。https://t.co/E5nM8V9ZDh
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 12, 2022
ゲノム配列から遺伝子制御にかかわる「語彙」を学習した深層学習モデルSeiがnature geneticsに発表されています。1,300以上の細胞株や組織、21,907のクロマチンプロファイルに対応しています。PyTorch実装です。https://t.co/TE4FyHPKMO
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 7, 2022
海外研究留学ではフェローシップを獲得することが受け入れ条件になることも少なくありません。そういうフェローシップに関するデータベースができたようです。ポスドク等で海外に出たい方はぜひ。https://t.co/sNUpMOkA6u
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 4, 2022
slackは9月から過去90日分しか閲覧できなくなってしまうのですが、過去のメッセージを一括して退避できるツールを作成した方がいらっしゃいます。slackを活用されている方は8月中にデータを保存しておくとよいでしょう。https://t.co/0UM3lAu824
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 4, 2022
「Rを用いたデータ解析の基礎と応用」というちょっとしたレクチャー集ができています。「応用」という名前ですが応用はありません。むしろこれからRを勉強してみようかなというくらいの人にいいと思います。https://t.co/mTfH7s5Xs1
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 3, 2022
Amazonが中心となって機械学習の基本的なコンセプトを直感的なアニメーションとともに学べるサイトがオープンしました。
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 2, 2022
まだ記事は少ないですが、今後Attention等もどんどん追加予定とのことです。https://t.co/YJh374khgv
統計数理研究所が無料講座をYouTubeで公開しています。
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 3, 2022
記述統計から推測統計、分布や仮説検定、ブートストラップや並び替え検定など、ベーシックな内容を復習したい方向けです。https://t.co/D5EJpaVRL1
RやPythonを使って図を書く時にどのようなコードでかけばいいのかをインターラクティブにまとめたサイトです。見本がいろいろ出てくるので、イメージに合う図をクリックするとそれを書くためのコードが出てきます。https://t.co/uuAeYQQDSx
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) August 1, 2022
Transcriptomeデータからそのサンプルの「年齢」を正確に推定する手法RAPToRがnature methods誌に出ています。人の「年齢」というよりは発生過程や腫瘍の進化など、時系列が重要になるデータの解析に向いていると思います。R実装です。https://t.co/jjJwzI6U93
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) July 31, 2022
相関と因果は異なるわけですが、統計的に因果をどのように調べるのかについて、有名なLiNGAMモデルを中心にまとめられた解説スライドです。例えば細胞内パスウェイのようにLiNGAMの仮定を満たさない例もあるわけですが、前提条件を満たす場合にはとても強力な手法です。https://t.co/hvIQV1sfyG
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) July 29, 2022
医療への機械学習（ML）の応用を目指す上で現状の課題をまとめた総説です。データセットを増強する戦略として、医療領域の深層生成モデルと連合学習、また臨床テキストマイニングするための診療データで学習した公開トランスフォーマーモデルなどについて詳しいです。https://t.co/iwtmdPpohS
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) July 29, 2022
生命システムにおいてどの因子がどれくらい貢献しているかは数多くの実験が必要になりますが、その実験条件を最小にするための機械学習ワークフローMETISがnature communications誌に発表されました。さまざまな遺伝子・代謝ネットワーク実験での検証もセットになっています。https://t.co/TR1c6dtCK6
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) July 27, 2022
近々脳画像10万枚のデータセットが公開されるようです。実際のデータではないですが、近年の生成モデルはリアルデータと区別がつかないところまで来ています。医療データを大量に集めるのは難しいので、このような合成データでもbrain AIの研究に多いに役立つでしょう。https://t.co/vMXqX1e8ba
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) July 24, 2022
Pythonを使った (バイオデータの) 可視化や塩基配列・NGSファイルの取扱などがよくまとまった東大の講義資料が公開されています。https://t.co/yIHwrpE5Gm
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) July 23, 2022
多くの生物データは高次元ですが、それを最適化したオートエンコーダーベースの手法で2次元潜在マップに圧縮することができると主張するPNAS論文です。潜在空間での力学系の解析手法を使って遺伝子発現ダイナミクスを実証しています。https://t.co/nlDr00L1aS
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) July 18, 2022
どのようにリジェクトしているのか、についてエディターによる短い解説が出ています。当然ですが、「この特定の研究領域限定ではすごい」というのはハイインパクトジャーナルでは門前払いですね。少し違う分野の人から見ても価値があると思ってもらわないとです。https://t.co/pgF40I5y3A
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) July 8, 2022
Rのパッケージをつくる方法が動画としてtogotvから発表されています。生命科学や医療領域でデータサイエンス手法を開発しパッケージ化も考える上で有用です。https://t.co/pOciKpuPbk
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) July 4, 2022
マウスの41の組織におけるプロテオームとリン酸化プロテオームがリソースとしてnature methods誌に公開されました。また薬剤や放射線への応答データもあります。これらのデータは複雑なコマンドを使わずともマウス操作でwebで閲覧できます。https://t.co/EziHWRbdkr
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) July 4, 2022
目的の細胞にするためにどの転写因子を発現すればよいかを探索する9つの計算手法（CellNet, GarNet, EBseq, AME, DREME, HOMER, KMAC, diffTF, DeepAccess）を比較したnature methods誌の報告です。クロマチンがオープンかどうかを組み込んだ手法が優れるようです。https://t.co/xqGdXbIXjr
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) July 2, 2022
Transformerに関する分かりやすい資料ですhttps://t.co/8N424RujyG
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) June 30, 2022
脳で行う計算処理が、実はニューロン間の相互作用 (活動電位が一定の閾値を超えたら発火し下流の神経に伝える) だけでなく、各ニューロン内部でも起こっていることを明らかにしたScience誌の報告です。機械学習の新たなアーキテクチャのヒントになるかもしれません。https://t.co/Bkmw55z3YM
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) June 28, 2022
分子動力学計算はじめいろいろな生体分子のシュミレーションが可能なwebツールがnucleic acids research誌に発表されています。デフォルトでいろいろ設定されているので、ログイン不要で直感的に試してみることができます。https://t.co/n6WSarxVrn
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) June 22, 2022
生命現象も分子スケールでは化学の世界であり、そういった観点から「相互作用」を解説した日本語の記事ですhttps://t.co/02jQgPoF3y
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) June 21, 2022
原理はシンプルなので計算的アプローチでもっとうまくモデリングできるようになっていくのでしょうね
近年空間トランスクリプトームとシングルセルRNA-seq データを対応付ける手法は数多く提案されてきましたが、ユーザーサイドからすれば「結局どれがいいの？」となります。16手法を比較したnature methods誌の報告です。https://t.co/y0w2rKh3H5
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) May 30, 2022
しばしばAIを使って細胞の画像解析をしたいというご相談をいただくのですが、専用のカスタムスクリプトを作らなくてもフリーソフトのImageJ/Fijiで相当いろいろできます。ユーザーが指定した基準に従って細胞を自動分類するCell-TypeAnalyzerというプラグインもあります。https://t.co/SH6fdH8oAx
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) May 28, 2022
TogoTVからAlphaFold2を使ってアミノ酸配列からタンパク構造予測をする方法について動画が出ています。
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) May 22, 2022
簡易的にはクラウドで動かせますのでまだやったことない方はぜひ。https://t.co/MbPRN3aV11
シングルセル x トランスオミクスの時代が近づいてきています。トランスクリプトームだけでなくゲノム・エピゲノム・プロテオームを1細胞で計測する技術についての総説です。https://t.co/JspL2uPLYD
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) May 22, 2022
生命科学領域で深層学習は何をなしてきたか、どのような課題があるのかについての総説です。https://t.co/ktVQp9DOal
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) May 9, 2022
核酸塩基5種（ウラシル，シトシン，チミン，アデニン，グアニン）すべてが隕石から同時に見つかったそうです。これまでは3種類しか見つかっていなかったそうですが、この発見により核酸は地球でできたのではなく宇宙からやってきたという説がより有力になるようです。https://t.co/NrqzOUISNM
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) May 7, 2022
タンパクはpHによって構造や電荷、活性が変化します。そうしたpHによる変化について、生物物理にあまり詳しくない人が直感的に使えるwebツールpatcHworkがNucleic Acids Res.誌に発表されています。https://t.co/HehDvxL95c
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) April 26, 2022
Googleがアミノ酸からタンパクの機能を推定するProteInferを発表しました。タンパクの構造や機能はアミノ酸で決まっているはずであり、それを解き明かそうと昨年のAlphaFold2も含めいろいろ登場しています。https://t.co/1mjgo77NF2
— H_Shimizu 【東京医科歯科大・AIシステム医科学分野】 (@biomedicalhacks) April 11, 2022