- pursues one’s own vision and philosophy
- is creative and passionate about turning ideas into reality
- has a strong sense of logic and thinks quantitatively and deeply
- is persistent and has a strong mental power to carry things through
- loves programming and values systematic approaches
- makes your intellectual journey an enjoyable and fun adventure
- is stimulating and filled with exciting and challenging research directions
- is supportive for you to become an extraordinary and independent scientist
- gives you freedom to explore your own ideas whenever you feel competent
- surrounds you with colleagues happy to brainstorm with you and critique you constructively
東京科学大学 (Science Tokyo)・総合研究院 / 大学院医歯学総合研究科・AIシステム医科学分野 (清水研) は豊富な研究実績 (過去)・恵まれた研究環境 (現在)・他の追随を許さない教育体制やリソース (未来) と過去・現在・未来の全てを兼ね備え、アカデミアで活躍する次世代の医師・医学研究者を本気で育成する熱い研究室です。医学・生命科学と数理情報科学を徹底的に鍛え、卓越した研究遂行能力を持つ自立した研究者として世界に送り出します。自分にはアインシュタインやワトソンやヒントンのような天賦の才能はないと自覚しているが、研究者に絶対になる、そして次世代の医療を創るという情熱・決意だけは誰にも負けないという方には日本で唯一無二の研究室であると自負しています。
国際的に高い評価を受けている学術誌に毎年多数の研究論文を発表している他、研究内容はテレビ・ラジオ・新聞等で大きく取り上げられています。また、学生さんにもたくさん書いてもらった「Pythonで実践生命科学データの機械学習」はこちらの写真のようにAmazonのベストセラー入りしました。
私達の研究室の最大の特徴は、一人ひとりの学生さんがすでに大きな成果をあげていることです。例えば学内の大学院生研究発表会はもちろん学会発表に参加すれば、みんな当たり前のように賞をとってきます。清水研の大学院生はこれまで全国規模の情報系・生命科学系学会に参加・発表してきましたが、誰も賞を取れなかったということは一度もありません。また、データサイエンスの国際コンペティション (大会) であるKaggleに (研究の邪魔にならないように) 参加しただけで銀メダル以上を獲得した (=フルで参加すれば1位狙いもできる) 国際的に見ても指折りの実力者達が当研究室学生だけで5名もいます。当研究室のようにそれほど規模が大きくない1つの研究室で国際トップレベルが5名というのはとてつもないことです。1人のエースが活躍しているだけならそれは個人の力ですが、当研究室は複数の学生たちがすでに活躍しているところに大きな意義があります。歴史の浅い当研究室でこのようなことを達成できているカラクリは極めて単純で、それは教育の力です。もともと素晴らしい素質を持った学生さんはもちろんのこと、仮にそうでなくても教育の力で世界に伍する実力を涵養する、それが教育者としての勤めであると考えています。
私達の研究室では普段の研究活動に加えて、わずか2年でどこに行っても恥ずかしくない研究者にするべく綿密なカリキュラムを組んで応用基礎からエキスパートプラスレベルまで、数々の勉強会を開催しております。数理については大学の教養数学の復習から始まり、2年後には最先端のAIトップカンファレンスに発表された学術論文を読めるようになります。バイオインフォマティクス全般はもちろん、臨床データ・統計解析や数理生物や計算創薬を学ぶ2年近くにわたる専門の勉強会、生命科学系ではバイブルになっているThe Cellの輪読会や論文に出てくるあらかたの図をまとめて学ぶ勉強会などがあります。
また、医師以外の出身の方にも医学科4年相当程度 (病院実習前の座学修了程度) の医療の基本を身につけていただくために週に3回は「朝活」を開催していますし、国際的な視座を養っていただくために週に1回は英語で全てやりとりする勉強会も行っています。
そして東京科学大 AIシステム医科学分野へようこそのページにも書いていますが 旧東工大+旧東京医科歯科大の指定国立大学法人同士の統合により東京科学大 Science Tokyoとなり、その中でも私達のチームは両大学の卓越した研究力を誇る研究室群からなる新設部局「総合研究院」の所属となり、特に研究の点で新大学の看板研究室の1つとなる活躍を期待されています。医療・生命科学 (含 創薬)、そして情報科学のトリプルメジャーを目指せる研究室はScience Tokyoの中で私達の研究室以外にありません。また、超速intensiveコースのページにあるように(博士課程卒業までの間に) 10本を超える筆頭著者論文を出せる徹底的なシステムがある研究室も私達の研究室以外にはほとんどないでしょう。
賢明な読者は既におわかりのように、このようなことを掲げている以上、清水研での大学院生活が少々厳しいことは当然のことです。万人受けは決してしないでしょう。しかし、研究人生を渇望する人には最高のパラダイスであり、次世代の卓越した研究者のインキュベーターでありたい、というのが私の願いです。さあ次はあなたの番です。「チャンスの女神には前髪しかない」といいます。今飛び込まずして、いったいいつやるのですか？
はじめに
医師・歯科医師でなくても出身学部は全く問いませんし、むしろチームに新しい知見をもたらしてくれる医歯学以外の領域を専攻してきた方を歓迎します。「人材の多様性」が私たちの研究室の揺らぐことのない基本理念です。 また、今は情報科学に自信がなくとも、みっちりと修行していただきます (笑) ので大丈夫です。先輩からのメッセージを読んでいただくと、充実した学生教育の一部を垣間見ることができます。
これまでの専攻や研究面での実績は問いません。「情熱にまさる能力なし」ともいいます。必要なのは、私たちのラボ教育ポリシー・研究ポリシーへの理解と熱意、そして広義の意味で「データサイエンスで未来の医療を創る」ためにcuriosityドリブンで探求し続けることだけです。 高い志をもつ研究仲間と出会い、自由な発想で新しい世界を創造して、次世代の医療に夢と希望をあたえる大発見をしましょう！
- 学部生としてチームに参加を検討している方: 学部生として私たちと一緒に挑戦してみたい方は、こちらの学部生ページをご覧ください。また、学部生を主な対象としたオンライン勉強会Biomedical Data Science Club、(東京近郊の方のみになりますが) 対面でのAI実践道場U-Netもあります。
- オンラインで研究・論文発表をしたい他大学所属の学生の方: 本学所属の方は研究室に随時受け入れしていますが、そうでない方もオンラインで研究できる可能性があります。バイオインフォマティクス・システム生物学・合成生物学 (の情報解析) ・生物物理 (の理論)・AI創薬など。標準的にはプリプリントサーバーへの投稿まで2年弱で、これまで最短では半年でプリプリントサーバーに投稿した他大学所属の学部生もいます。ライフサイエンス・情報解析はもちろん、論理的思考や語学力など多岐にわたるスキルをブラッシュアップする絶好の機会です。学生時代に論文を発表することで、企業への就職や学振DC選考での自己PRにもなり、大きなリターンが見込めます。学部生はもちろん、指導教員の許可があれば修士課程の方も可能です。詳しくはこちら。
- 他のラボに在籍する医療系・生命科学系の大学院生で、自分の研究に必要になったデータ解析を習得したい方: データ解析はじめてコースという3ヶ月で必要な解析手法を習得する速習コースを用意しています。
- 他のラボに在籍する医療系・生命科学系の博士課程大学院生で、新たに高度な数理情報科学を習得しダブルメジャーを目指す方:すでに医療系あるいは生命科学系を専門にして博士号取得に向けて取り組んでいる方でも、ご希望があれば高度な数理情報科学の学びをオンラインで提供します。詳しくはこちらのダブルメンター制度をご覧ください。
- その他 (社会人の方も含む): 社会貢献活動の一環として、 定期的にオンラインで参加できる無料の勉強会を開催しております。詳細はこちら。
大学院生としてチームに参加を検討している方
私達の研究室メンバーをご覧いただければ分かるように、外部の大学出身者しかいません。旧医科歯科の修士課程の定員は120名程度ですが、そのほとんどの方は外部からいらっしゃっています。博士課程の定員180名ほどの中にも、本学出身者は多数派ではありません。他大学から外部進学したい方を歓迎します (詳しくはこちら)。
大学院の入試区分としては、当研究室は「修士課程 医歯理工保健学専攻」および「博士課程 医歯学専攻」に所属します。
- 医学部・歯学部・薬学部等6年制の学部を卒業（予定）の方 → 博士課程（4年、 規定を満たせば3年での早期修了も可能）
- 本学医学部医学科4年・5年の方 → MD-PhDコース博士課程（4年、 規定を満たせば3年での早期修了も可能）
- その他の4年制の学部を卒業（予定）の方 → 修士課程（2年） + 博士課程（4年、 規定を満たせば3年での早期修了も可能）
- その他の4年制の学部を卒業後、修士課程（2年、専攻は不問）修了 (予定) の方 → 博士課程（4年、 規定を満たせば3年での早期修了も可能）
- 上記以外の方→ 博士課程 (4年、 規定を満たせば3年での早期修了も可能) ※博士課程出願に先立ち「出願資格審査」が必要になります。
大学院教育の概要
まず最初に東京科学大 AIシステム医科学分野へようこそのページで私達の研究室の概要をご確認ください。次世代の研究者を本気で養成するための私たちの挑戦と生命医科学研究の将来・未来の2つをじっくりお読みいただき、清水の教育研究に関するビジョンと戦略をご理解ください。そして私たちの研究・学習環境と教育システムの概要がこちらです。詳細はぜひ見学に来てその目でご覧になっていただきたいのですが、これまでいらっしゃった方はみなさん例外なく当研究室の環境とシステムに非常に驚かれます。清水研と他の研究室の違いもご覧ください。
大学院生にはアカデミア研究者として活躍するための教育として38ものbenefitを提供していますが、そのうち一部を抜粋して紹介します。
大学院生活のポイント (クリックすると詳細が表示されます)
私たちの教育は、大学院合格直後から始まります。合格発表後、入学までの間に、自宅でできる我々のオリジナルプログラミング教材を人通り行うことで、入学する時点で、一般的なバイオインフォマティクスと人工知能プログラミングを身につけます。また、データサイエンスにおいて非常に重要な意味をもつ統計学についても、指定した本を自習することで、バイオ・医療系のデータサイエンス研究に必要な基礎力を身につけていただきます。
入学後、最初の2ヶ月はオリエンテーションを行い、データサイエンスと生命科学実験の両方の初歩を学んでいただきますし、入学後の1年間は集中的なゼミを用意しています。
当然ながらオリエンテーション以外にもさまざまな成長の機会があります。定期的な進捗報告ミーティングを通じて思考力・実践力を養います。勉強については、自分自身でテーマに関連する論文を読むのみならず、医療や生命科学・情報学・数理科学といった広い関連領域を論文抄読会・技術勉強会で学びます。さらに我々が提供する1万ページにも及ぶ自主学習甩資料、それに最新論文やリソースが毎日シェアされるslackがあります。
学生として「教えてもらう」という立場だけではなく、ラボポリシーにも記載の通り自ら主体的に学びそれをシェアすることが求められます。情報の流れの中心である東京にいることで数多くの勉強の機会もありますが、積極的に発言する訓練をすることで国際スタンダードを養います。
少なくとも2年に1本の学術論文を筆頭著者として発表し、さらに他のプロジェクトに参加することで共著論文を増やしつつ共同研究のやり方を学びます。
博士号をとるまでには、研究の立案から論文執筆までの全てを1人でも行える自立した研究者に育てます。
バイオ系に特化した国内最高レベルのスパコンSHIROKANEの最上級モードを使用できます。年間ライセンス料がアカデミア割引でも1000万円近くかかるため、他のラボではほとんどアクセスできる研究者はいません。また、東大のスーパーコンピューターWisteria、旧東工大のスーパーコンピューターTSUBAME 4.0も利用可能です。A100だけでなく最先端のGPUであるH100をたくさん使ったAIのトレーニングなども可能です。実際、我々の研究室のメンバーはこれら3つのスパコンを縦横無尽に使いこなしながら研究をガンガン進めています。
バックアップとして、世界最高演算速度を誇るスパコン富岳とも提携しており、バイオインフォマティクス・クリニカルインフォマティクスから、数理モデリング・深層学習まで、幅広い用途に使えます。
さらに、数値計算処理システムであるMATLAB、創薬計算化学ソフトMOE、その他多くの有償ソフトも導入しており、現在は試験的に使用している量子コンピューターを将来的には本格運用させることも視野に入れています。
このように、我々は国内最高レベルの計算環境を保持しています。最初から恵まれた計算環境を使ってトレーニングすることで、データ科学の習得も格段に早まります。
もちろん最初は相談の上で我々がテーマを設定しますが、研究者を目指す上で大学院時代にテーマの設定から携わったマイプロジェクトをやり切る経験は非常に重要と考えています。
半年ほど経験した時点での自分の興味を清水らとディスカッションし大枠を決め、先行研究をたくさん調べて現状の課題を浮き彫りにし、科研費の申請書形式でマイプロジェクトを清水はじめスタッフに自ら提案していただきます。
もちろん初めて書いた申請書がそのまま採択されることなどありえません。建設的なフィードバックをたくさん受け、数ヶ月ほどかけてマイプロジェクトと向き合って洗練させ、教員のGOサインが出てスタートです。
自分主体で先行研究をいろいろ調べ、批判的に吟味してそれらの課題を浮き彫りにし、自分の頭でアプローチを考え、将来的に必要になる申請書作成に速いうちから取り組み、それを分かってもらえるようにプレゼンするという研究開始前に必要な能力を全て養うことができます。
あわよくば複数の論文になる可能性があるだけでなく、複数のテーマを持つことで精神的に安定するという効果もあります。
分子生物学会 (12月) では研究成果を発表できるチャンスがある他、バイオインフォマティクス学会 (9月) もしくはメディカルAI学会 (6月) の発表もアシストします。
また、在学中の日本学術振興会特別研究員 (DC) 獲得、および博士号取得後の海外留学に必要なフェローシップ獲得といった申請書の指導をするのみならず、過去の受賞者の申請書等もラボメンバー用ページでシェアしています。清水自身も大学院時代はDC1を獲得し、武田科学振興財団他7財団からフェローシップの内定通知をいただきました 。経験者だからこその目線も併せ持っています。
また、希望者には早期から海外留学に向けた英語学習法のアドバイス等も可能です。自身の希望に応じた多様なキャリア形成をサポートします。
博士号取得に向けた大事な修行期間である大学院時代に研究に専念できるよう、年収240万円以下の博士課程学生は月16万円 (4年間、総額768万円) または月20万円 (2-4年生の3年間、総額720万円) または月30万円 (2-4年生の3年間、総額1080万円) の経済支援を受けられる可能性があります 。また、その他給付型奨学金の情報もラボ内ページで随時シェアしています。
また、当分野では大学院生を対象にした独自の生活費援助を用意しており、規定を満たす方は積極的にTA/RA等として採用しています。学費の足しになりますし、何よりTA/RA採用は職歴になるので履歴書の観点からも有利になります。
清水研で活躍できる大学院生 (クリックすると詳細が表示されます)
【研究のタイプ】特定の生命医学対象（例：癌ゲノム、メタゲノム、臨床データ）を設定し、世界中に溢れている生命医学データを解析し新しい生命医科学の発見を行うことを目指す。技術開発が目的ではないので、使えるツールなどは積極的に利用する（ただし不足している技術は開発を行うこともある）。
【向いている人材】生命科学（特に分子生物学）が大好き、『ワクワク』した気持ちになれる人
【入学後に必要なこと】最新の生命科学の論文（Nature, Science, Cellなど）をどんどん読む。Linux上で生命科学のデータ解析を行うためのやり方（特にPythonを使ったプログラム) を学習。情報技術・アルゴリズムをまずは広く浅く理解するが、自分が利用するツールで使われているアルゴリズムの特性は理解する
【研究のタイプ (間)】必ずしも上の2つにきれいに分類できるわけではないので、その間の立ち位置で研究を行うことも可能
【研究のタイプ (両方)】両方をできる人材は現状極めて少ないため，研究・企業から引く手あまたです。
最初の1年で成長したこと (先輩の声)
ここでは1期生の学生 (執筆時修士1年) の、「最初の1年で成長できたこと」を原文のままご紹介します。入学3ヶ月の時点での先輩の声はこちらに掲載していますが、それも合わせてご覧ください。
この1年で成長できたことをまとめていく。
まず研究について。1年前の自分と明らかに成長したと感じたのはコードの読み書きのスキルである。言語モデルの導入、GPUの並列化等いくつかの課題に取り組んできたが、回数を重ねるごとに実行環境を整えるのに必要な時間が短くなっている。本当の意味で、一人で取り組んでいたらどこかで投げ出していたかもしれないが、要所要所で先生方に適切なアドバイスを頂けたことで実装までこぎつけることができたと考えている。清水研では先生方との距離が近いので何もできずに時間が過ぎていくということはない。サイエンスの部分での成長を感じるにはまだまだ研鑽が足りていないので、次の1年は特にサイエンスの成長を意識していきたい。
この1年でJCを2回、TSを1回担当した (JC, TSに関してはラボのホームページを参照してほしい)。担当した回は合わせてわずか数回であるが1年経って「この実験系見たことある」「この遺伝子どっかで見た」と言ったことが増えてきている。これまで私が取り扱った論文はクライオ電子顕微鏡やタンパク質エンジニアリングなど今やっている研究とは直接的には関係のない論文を選んだ。もちろん、担当者は私以外にもいるのでこの1年で扱った内容は本当に多岐にわたる。学外の学会等で「その分野のこと全く知りません」と言うのは相当減ったと実感して成長を感じている部分である。先生方による教育的質問にはまだまだビクついている小生であるが、引き続き努力していく所存である。
この1年で4つの学会 (バイオインフォマティクス学会、CBI学会、分子生物学会、情報処理学会) に参加した。特に、分子生物学会では初めてポスター・オーラル発表を行った。ありがたいことにオーラル発表では優秀賞をいただくことができた。これは発表練習に研究室のメンバー全員で付き合っていただいた上に何度も修正やアドバイスをくれた大学院生・学部生の仲間と先生方の協力あってこその受賞であった。賞をいただいたことも嬉しいが、何より自信になっている。学会でポスター及び発表スライドを作る上で意識したのは誰に伝えるかと言うことである。この学会を含めこの1年間で何度か自分の考えを他の人 (特に外部の方) に伝えることの難しさを感じた。ただ、これはトレーニングによって克服できる困難であると考えている。この1年で私は研究計画書を4つほど書いた。最初は見るに耐えない計画書だったが、繰り返していくうちに速度も完成度も僅かではあるが改善されている (と思っている)。先生方には何度も見ていただき多い時には合計20回ほど修正に付き合ってもらった。正直なところ毎度毎度本当に苦しい思いをするのだがその分の成長は感じられている。作文の授業は小学校からあるが、自分の考えを論理的に他人に明快に伝える作文はこれまでできていなかった。私がこれからアカデミアであれ民間であれ書く文章と言うのは後者の文章であり、清水ラボはそのトレーニングが大いにできる環境である。私個人の次の目標は自分の研究を伝える技能を身に付けていくことである。
ここで留意していただきたいのは、清水ラボは丁寧な指導をしてくれるが、それは決して手取り足取りの教育ではないという点である。清水ラボの教育は「何やればいいですか？」の答えを教えてくれるのではなく、自ら考えて動いてその上で方向性を修正してくれるイメージが近いと考えている。つまり、背中を押してもらうことはあっても結局は自ら動く必要がある。そしてそれにはかなりのエネルギーを必要とする。何かしら目標があって強い向上心を持った学生にとって清水ラボは素晴らしい研究環境である。その第一歩としてぜひ見学に来てみるのはどうでしょう。
修士課程に入学してから早くも一年が経とうとしている。濃密な清水研での１年間を通じて成長できたことについてまとめる。
集中勉強会が終わってからの9ヶ月間、二つの研究テーマを並行して進めてきた。「AIによる抗がん剤の効果予測」と「炎症性腸疾患の疾患特異的ゲノムワイド代謝モデル解析」という二つの全く異なるテーマに取り組むことで、技術と知識の両方において大きく成長できた。技術の面では、シングルセルRNA-seqデータ解析から化合物・がん細胞株の情報を用いたマルチモーダル学習モデルの構築まで、実践的なスキルを幅広く身につけることができた。研究を進める上で、解析に必要なツールを動かせなかったり、学習モデルの環境構築に苦戦をしたりと多くの失敗も経験した。正直、この１年間での研究の進捗は個人的には満足できる内容ではないが、一年目の失敗を通じて得た学びを活かしながら、2年目は論文のpublishを目指して研究に取り組みたい所存である。
この１年間で、清水研の目玉行事であるJournal Clubや大学院生用の勉強会を通じて、自身の研究テーマに直接関係のない分野や技術についても幅広く勉強をすることができた。私のJournal Clubの担当回では、「深層強化学習を用いたソートアルゴリズムの改善」や、「細胞特異的に働く合成エンハンサー配列の設計」などの論文を選択した。馴染みのない分野の論文を紹介することは決して容易ではないが、準備の過程を通じて短期間で多数の論文の要点を捉えながら読み解く力や、重要な部分を簡潔に伝える能力に磨きをかけることができたと感じている。また、勉強会では合成生物学からアルゴリズム論まで非常に多岐にわたる内容を学んだ。これらの取り組みの成果を最も感じることができたのは、冬に分子生物学会に参加した時であった。分子生物学会は生命科学における国内最大規模の学会であり、発表される演題は大多数がウェット実験の内容である。それでも、「口頭発表やポスター発表内容が全く理解できなかった」ということはほとんどなく、発表者の方々と良質な議論を交わすことができた。
清水研での研究活動の一環として、取り組んでいるそれぞれのテーマについて研究計画書と論文のドラフトを執筆する機会があった。私はこのようなアカデミックライティングの経験が乏しかったため、特に研究計画書を書き上げるのにはかなり苦労したが、その過程で多くのことを学ぶことができた。スタッフの先生方に多くの指摘を受けながら文章の修正を重ねることで、自身が取り組んでいる内容を論理的かつ簡潔に伝えるための作文の基礎を身につけることができた。今後どのような進路を歩むにしても、この能力は重要になると私は考えている。今後も積極的に成果をアウトプットづることで、磨きをかけていきたい。
最後に、当研究室を検討している未来の後輩たちへ。ホームページに書かれている様々な内容を熟読して、少し怖気づいてしまった方もいるのではないでしょうか。実際のところ、大学院で「生命科学xデータサイエンス」という極めて学際的な分野の研究に取り組むことは決して簡単なことではありません。私自身、全くの異分野から清水研の門をたたき、この１年間で研究が思うように進まず無力感に苛まれたことも、なかなか自分の成長を実感することができず目標を失いかけてしまうようなこともありました。それでも最初の1年目を走り切ることができたのは、清水研の教育プログラムを通じて身につけた多くのスキルと、スタッフの先生方や同期のサポートがあったからだと考えています。この分野に興味があって、本気で研究に取り組みたい学生にとって清水研はこの上ない研究環境だと思います。もし興味を持っているならば、ぜひ一度見学にきてみてください。みなさんとお会いできるのを楽しみにしています。
先輩の活躍 (抜粋)
当研究室は2022年に新設され、そして2023年4月から大学院生が来始めたばかりですが、すでに論文発表、各種学会での受賞、書籍分担執筆、返済不要の競争的な給付型奨学金の獲得など複数の大学院生達が活躍しています。
当研究室ですでに実績を出している複数の学生メンバーのうち、ご本人の同意をいただけた方だけですが短い「喜びの声」を掲載しております。
このように、当研究室では複数のメンバーがみんなそれぞれ賞等をとっているというのが大きな特徴になっています。特定のメンバーだけであれば個人の力が大きいと思いますが、それぞれ異なるバックグラントを持つ複数の学生さんが軒並み活躍しているのは研究室の研究・教育システムが優れているからと自負しております。いきなり賞や論文やフェローシップまではいかなくても、最初の目標である全国規模の学会で発表できるくらいなら研究をはじめて半年でみんな到達しています (こちら)。
さあ、次は君が活躍する番ですよ！
清水研の研究・教育環境 (抜粋)
当研究室の研究教育環境をいくつかご紹介します。まず当研究室の大きな特徴は、各自に割り当てられた大きな研究を数年単位で進めるのと並行して、学内外の多くの共同研究の機会があることです。特に当研究室の超速intensiveにより、卒業時には圧倒的な研究実績を携えていることと思います。研究環境については、百聞は一見にしかずと言われますし、ホームページには出せないこともありますから、ぜひ一度見学に来てください。
勉強会としては、ラボメンバー全員参加のJC・TSと、大学院1/2年目が参加するCS・ML特論が通年であります。これ以外に、最初の3ヶ月は全員必修のadvancedなcoding (スーパーコンピュータによるバイオインフォ解析、コンピューター創薬、やや発展的な人工知能実装)の実践講座や、バックグランド別の集中勉強会 (例として医療系出身者でなければ人体の解剖や生理、代表的な疾患といった医学研究をはじめるにあたっての必須事項を学ぶ勉強会や、数理情報系出身者でなければ線形代数や微分方程式など理工系の学部生が身につけているレベルの知識を習得する勉強会など) があります。また、プロジェクトチームごとに関連する領域の論文を読む輪読会 (例として直近で発表されたAI創薬関連の論文をグループで読むなど) が入ることもあります。
教育システムの全貌はこちらの動画をご覧ください。「次世代の研究者を育成することに特化した徹底した教育」とはどういうものかご理解いただけるかと思います。
あくまでイメージですが、最初の3ヶ月はほとんど勉強 (当研究室は異分野融合領域でありこれまでに全部をカバーできている人は少ないし、また研究テーマの背景をよく調べなければいけないので)、修士課程の最初の1年は研究6割・勉強会 (卒業に必要な単位を取るための授業、研究室内の論文輪読会Journal Clubを含む、以下同じ)4割、博士課程から加わった人の最初の1年の間は研究7割・勉強会3割 (修士から博士1年にあがった人は該当せず)、2年目は研究8割・勉強会2割、3年目以降は研究9割・勉強会1割くらいの感覚を持っていただけると実態と近いかと思います。最初から100%研究をしたい方は当研究室の大学院はミスマッチです。
ご参考までに、入学して1ヶ月目の修士の学生さんがpre-JCで研究室内部の勉強会でとったメモのごく一部がこちらです。我々の研究室は融合分野を扱っていますので、どんなバックグランドの方にとっても学んでいただかないといけないことがたくさんあります。医学の基本 (=医学科4年相当)、分子/細胞生物学・遺伝学・生化学等のライフサイエンス、情報科学、数学の基礎 (=旧帝大の理工系学部卒相当)、バイオインフォマティクス、(創薬に必要な領域の) 物理化学・量子化学 etcを全部学んできたという方はかなり稀でしょう。さらに我々の得意とするAI関連領域も、今年出たばかりのICML, CVPR論文なんかを読みとけるくらいの力がある方も少ないはずです。清水研のスタンスは、異分野融合領域 (=「広く深く」の両立が求められる世界) だからこそ個人の独学では限界があるため、集合知での修得を目指しています。 清水自身がこれまで長いこと遠回りをして身につけたことを最短で学べるように綿密にカリキュラムを組んでいますし、それを学んだ学生さん達によって随時アップデートされています。広く深い知識やスキルを武器に科学研究を楽しんでください！
清水研 大学院入学希望者 受け入れ基準
スペースの関係上、全ての入学希望者を受け入れることはできません。私たちと一緒に研究をしたい方は、大前提として出願資格 (修士課程は4年制の学部を卒業予定の方、博士課程は修士号を取得予定の方および医学部・歯学部等6年制の学部を卒業予定の方) および本学大学院入試に合格できる一定の基礎学力を持ち、入学時点で個人のご事情に応じますが原則としてはこちらの要件 (パスワードはcriteria) および2年/4年間学業に取り組むにあたって心身ともに健康な方で、その上で下記必須7項目と歓迎1項目の合わせて8項目を満たす必要があります。
- 広い意味の「データサイエンスで未来の医療を創る」ことに強い興味関心があり、そのために大学院時代はcuriosityドリブンで探求し続け、将来的に博士号取得を経て学術/産業/医療界でのPrincipal Investigator (アカデミアの教授・企業の研究本部長等)を本気で目指している方 (清水が考える博士号の価値 (パスワードはphd)とご自身の考えのベクトルがずれていないことをご確認の上で、修士課程を希望の方はこちら、博士課程を希望の方はこちらもチェック)
- 清水研の教育ポリシー・研究ポリシーに賛同いただける方
- 英語の研究論文を読み書きするトレーニングを始める前段階としての基礎的な語学力がある方 (目安はこちら)
- 出身大学や専攻は問いませんが、国際卓越研究大学を目指す本学において研究のトレーニングを始める前段階として必要な資質を身につけている方。具体的には、少なくとも標準的な国立大学の学部卒業レベル相当の広義の生命科学 (医歯薬学や農学等の専攻も含む) (創薬をしたい方は物理化学でも可)、または広義の数理情報科学 (工学や経済学等の専攻も含む) のいずれかに関する専門知識を身につけていて、かつ他方を勉強する意欲のある方。これまでの専攻がライフサイエンス系でも数理情報系 (の学術領域) でもない方の場合には、面談後に出願希望があった場合には口頭試問を実施する場合があります。口頭試問は私たちが発表した過去の論文を1つご自身で選んで解説していただき、その周辺領域に関して基本的な事項を質疑応答する形式です。
- 入学までの間、（数理・情報系以外のバックグランドの方は）Kaggle 銀メダル以上, バイオインフォマティクス認定技術者, 数学検定1級, 統計検定準1級、統計検定 データサイエンスエキスパート、または応用情報処理技術者 いずれか取得に向けてデータ科学関連領域を継続して自習する意欲のある方。（数理・情報系バックグランドの方は）Essential細胞生物学や人体の構造と機能などの通読により生命科学や医療系の学部1年専門科目相当の知識を自習する意欲のある方。(AI創薬をやりたい方は) 上記に加えてマクマリー有機化学概説などの基礎的な有機化学を自習する意欲のある方。(バックグランドや研究研究テーマによらず) 入学後も最新の論文や集中ゼミなどから自ら貪欲に学び続け、また学んだことを仲間同士でシェアしさらに高め合っていけるような向上心と協調性のある方
- 自ら主体的に考え挑戦できる卓越した思考力・行動力と情熱のある方。具体的には、少なくともこちらのチェックリスト (パスワードはpassionです)をクリアでき、こちらの項目の多くを満たす方
- 少なくとも1年に1回の学会発表をする意気込みがある方 (先輩方による学会レポートはこちら)、かつ少なくとも2年に1報の論文発表をする意気込みがある方。またteamのページその他で顔出し・実名で研究活動をPRして問題ない方
- 医師・歯科医師・薬剤師等の医療系専門職の知識・経験をお持ちの方
- 分子生物学領域における学会発表・論文発表経験をお持ちの方
- 細菌学・システム生物学・合成生物学のいずれかにおける4ヶ月以上の実験経験をお持ちの方
- NeurIPS / ICML / AAAI / ICLRなどの機械学習関連の国際会議の発表経験をお持ちの方
- 数学・物理・化学のいずれかを学部生時代に専攻していた方
- 人工知能（深層学習，強化学習等）、機械学習、データマイニングの活用経験（対象分野は問いません）をお持ちの方
- Linux OSを使ったデータ解析・プログラム開発経験をお持ちの方
- バイオインフォマティクスに関する基礎的な知識をお持ちの方
- 習い事や部活の大会・コンテスト等のトップを目指して猛烈に努力した経験がある方
- 外国において半年以上の滞在経験がある方 (国や滞在目的は問いません)
Q&Aおよび面談について
よくいただくご質問にはこちらのページであらかじめQ&A形式で回答を用意しておりますが、説明不足で分からないとか、ここにはない質問があるといった場合も、遠慮なくお尋ねください。