バイオインフォマティクス セミナー 人工知能

＊その他 機械学習・ディープラーニング・人工知能： 関連セミナー、書籍はこちら：

講師

中央大学　 理工学部物理学科　教授　 田口　善弘　先生

＊ 希望者は講師との名刺交換が可能です

講師紹介

■ご略歴：
　東京工業大学第一類入学（１９８０年）
　同理学部応用物理学科卒業（１９８４年）
　同理工学研究科物理学専攻修士課程修了（１９８６年）
　同理工学研究科物理学専攻博士後期課程修了・理学博士取得（１９８８年）
　同理学部物理学科助手（１９８８年）
　中央大学理工学部物理学科助教授（１９９７年）
　同教授（２００６年）
　（途中、２００９年―２０１０年欧州バイオインフォマティクス研究所（EBI）訪問教授）
　現在に至る。

■専門および得意な分野・研究：
　テンソル分解を用いた創薬・マルチオミックス解析・一細胞バイオンフォマティクス

■本テーマ関連学協会での活動：
　シュプリンガー社からUnsupervised Feature Extraction Applied to Bioinformatics（英文原著、単著）を２０１９年９月に出版。
　２０１９年からＥＮＡＧＯ社提供の研究者向けウェビナー登録講師。
　Publons査読者データベースにて、世界でもっとも多く査読を行った研究者（トップ１％）に選ばれる（２０１８年：総合分野、２０１９年：総合分野及びバイオ分野）。
　情報処理学会バイオ情報学研究会幹事
　情報処理学会英文原著論文誌TBIO副編集長
　英文原著論文誌
　BMC Medical Genomics(IF=3.3)誌 Associate Editor
　PLoS ONE (IF=2.7)及びMedicine(IF=2.0)誌Academic Editor
　国際会議International Conference of Bioinformatics 2014,2017最優秀論文賞（責任著者・単著）同Oral Presentation Award, 2018 (単著)
　2020年5月に「生命はデジタルでできている 情報から見た新しい生命像 (ブルーバックス)」を出版予定

日時・会場・受講料

●日時　2020年4月16日（木）　10:30-17:00
●会場　[東京・大井町]きゅりあん　会場での講義は行いません。
本セミナーはZoomによるオンラインセミナーに変更となりましたので、お好きな場所で受講が可能です。
※PCもしくはスマートフォンとネットワーク環境をご準備下さい。

●受講料：
　　1名47,300円(税込（消費税10％）、資料)
　　＊1社2名以上同時申込の場合、1名につき36,300円

＊学校法人割引；学生、教員の方は以下料金でご参加頂けます。→「セミナー申込要領・手順」を確認下さい。
　　1名23,650円(税込（消費税10％）、資料付)

　●録音・撮影行為は固くお断り致します。
　●講義中の携帯電話の使用はご遠慮下さい。
　●Zoom配信は4月16日開催の本セミナーのみとなります。
　受講に関しましては別途ご案内を致しますので、まずはお問い合わせ下さい。
→req@johokiko.co.jp

■ セミナーお申込手順からセミナー当日の主な流れ　→

セミナーポイント

■はじめに:
　本講義ではデモンストレーション部分の画面の動画と使用データをUSBにしてお配りし、容易に一人で事後学習ができるように工夫されている。
　バイオインフォマティクスは生物学と情報学の知識が必要な分野であり、非常にハードルが高い。一方でゲノム科学を駆使した実験データ（大規模データ）の量は膨大になり、解析が追い付かない現状になっている。世の中にはツールがあふれているがどう使っていいのかわからない場合が多い。本講義ではとりあえず「フリーのツールでなんかできるようになることを目指す」。実際にどう使うか、あるいは、正しく使うのかは最近は多くの書籍が出版されたり、インターネットに動画が公開されたりしているのであとでそちらで練習して頂く。

■ご講演中のキーワード：
　インシリコ創薬、バイオマーカー探索、疾患原因遺伝子推定、マルチオミックス解析

■受講対象者：
　ゲノムデータを持っていてとある「目的」にバイオインフォを使って到達したいが、何をどうすればいいかよくわからない人。

■必要な予備知識：
　・インターネットにアクセスしてブラウザを起動し、データをアップロード／ダウンロードできる。
　・ゲノム科学の基本的な知識（例：DNAとRNAの違いが判る。DNAからRNAへの転写は細胞核で行われる、と言われて意味が解る、など）。

■本セミナーで習得できること：
　とりあえず、手元にデータがある、または、これからデータをとりたい、と思っており、なんとかして「目的」にバイオインフォマティクスを使って到達したいと思っているが何をどうしたらいいかわからないという場合に、何をどうすればいいかはわかる（「正しく」使えるようにはなりません。とりあえず、「例」が実行できることと、その後、何に習熟すればいいかがわかる程度です）ようになる。

★過去、本セミナーを受講された方の声（一例）：
　・いろいろな情報があり、有益な情報を会社にフィードバックできそうです。"
　・全体的にペースもよく、聴きやすかったです。 会社での業務に反映できればと思います。"
　・分量が多く、いろいろ知れてよかったです。 着いたら先生から話しかけてくださって、親しみやすい先生でありがたかったです。難しかったので復習します。
　・内容が多岐にわたっていました。大変面白かったです。
　・ビデオとデータのバックアップがUSBで配布されていたので、講義中多少理解が困難でも安心できた。あとで独学でもカバーできると思った。 講義内容がとても豊富でよかった。
　・現在、バイオインフォマティクスの解析ツールとして様々なものが利用可能であり、実行方法をビデオで配布していただき、復習に役立てることができると思います。
　・バイオインフォマティクスの広い部分をカバーされていてとてもありがたい。実務レベルにはもう少し内容を絞った深いセミナーも受けてみたい。
　・講義で使用した資料をデータとして配布いただけるのは大変ありがたいです。

★受講後、配布データと動画で事後学習された方の感想（一例）：
　・大変盛りだくさんの内容でちょっと心配しましたが、受講生のニーズや声をなるべく活かそうと先生が工夫してくださり、とても有意義でした。
　USBで資料をいただきましたが、中にビデオがあり、復習に大変役立っています。
　自分がついていけなかったところも見ることができ、「その通りついていけていない」のか、「聴き逃している」のか、「単語の意味さえわかれば通じる」のかといったことが自分に理解できました。
　かなり初心者状態で参加したので、私なんかが行って大丈夫かなあと思っていたのですが、ビデオのおかげでさらにこの講習を役立てることができたと思います。

セミナー内容

★本セミナーはより要望に合わせたセミナーにするべく、皆様が重点的に聞きたいポイントやプログラムにはないが聞きたいことなどの、事前アンケートを行っております。

なぜインフォマティクスなのか？
　１）ゲノム科学は量子力学だが
　　　物理学は量子力学を使ってゲノム科学を議論できるほど量子力学をわかっていない。
　２）すべてのゲノム科学の基礎は化学反応であり、化学反応は量子力学である。
　３）量子力学が使えないので機械学習・統計学習でおきかえることの利点と欠点

※　以下、計算機の環境については極力、WEBページで実行できるようなものにかぎります。
　　一部、統計計算言語Rを使用します。共にクロスプラットフォームでOSの制限はありません。

目的１：疾患原因遺伝子を推定したい
　１）方法１：変異解析から行う場合
　　　a) 変異解析に使えるデータ：
　　　　 スニップ（1塩基変異）アレイ
　　　　 次世代シーケンサ（NGS：Next generation sequencing）
　　　b) 変異解析に使えるデータを処理する方法：
　　　　 スニップアレイ
　　　　 有意差解析
　　　 　NGS
　　　　　ゲノムへのマッピング
　　　　　GWAS(genome-wide association study,全ゲノム変異解析)
　２）方法２：発現差解析から行う場合
　　　a) 発現差解析に使えるデータ：
　　　　 遺伝子発現量（マイクロアレイ・NGS）
　　　　 プロテオーム（タンパクの発現量）
　　　　 メタボローム（化合物発現量）
　　　b) 発現差解析に使えるデータを処理する方法：
　　　　 発現差解析
　３）特定した遺伝子の機能推定
　　　a) エンリッチメント（有意に重なりが多いこと）解析（パスウェイ・GOターム）
　　　b) 塩基配列からのたんぱく質機能予測
　　　c) 塩基配列からの相同遺伝子解析

目的２：バイオマーカーを見つけたい
　１）方法１：目的１で見つけた遺伝子・タンパク・化合物をつかう
　２）バイオマーカーの評価
　　　a) 機械学習による判別機による性能評価
　　　b) 生存時間解析による性能評価
　３）方法２：判別性能のよいバイオマーカーを機械学習・統計学習で見つける
　　　a) 疎性モデリング（少ない変数で説明することを目指す解析）
　　　b) ベイズ統計

目的３：インシリコ（＝コンピュータの中の）創薬を行いたい
　１）方法１：目的１で見つけた遺伝子・タンパクをつかう
　　　a) 遺伝子・タンパクに結合する低分子化合物をデータベースから探す
　　　b) タンパクの構造をプロテインデータバンク（PDB）からダウンロードする
　　　c) タンパクの立体構造をコンピュータで予測する（ホモロジー（相同性）モデリング）
　　　d) 予測した構造に結合する低分子化合物をコンピュータでテストする
　２）方法２：既知の化合物から類似化合物を探す
　　　a) 既知の化合物から類似化合物をデータベースで検索する

目的４：マルチオミックスデータを解析したい
　１）マルチオミックスデータに使えるデータ：マイクロアレイ、NGS
　　　a) マイクロアレイ：
　　　　 メチル化アレイ
　　　　 ChIP（DNAへの結合タンパクの検出）-on-chip
　　　b) NGS:
　　　　 バイサルファイト（亜硫酸水素塩処理＝塩基をCからUに変換）シーケンシング
　　　 　ChIP-seq
　２）方法１：マルチ（複数）オミックスデータを別々に解析してから統合する
　３）方法２：マルチオミックスデータセットを統合的に解析する
　　　a) 混合線形モデル
　　　b) テンソル分解を用いる

さらなる情報を得る方法
　１）TogoTV（togotv.dbcls.jp）
　２）書籍