ダウンロード 実験医学増刊 Vol.38 No.20 機械学習を生命科学に使う! 〜シークエンスや画像データをどう解析し、新たな生物学的発見につなげるか? pdf 本

生命科学研究に機械学習のアプローチをどのように使うのか,それによって何ができるのかを解説します.初心者にも取り組みやすいGoogle ColaboratoryやImageJの入門記事もおすすめです. 【目次】 第1章 機械学習入門 1.Google Colaboratory入門―機械学習を体験しよう 2.ImageJを使った機械学習による生物画像解析入門 第2章 バイオインフォマティクス I.遺伝子発現機構・発生・分化 1.1細胞RNA-seqを用いた細胞タイプの同定技術 2.scRNA-seqを用いた細胞系譜の軌跡推定―データの背後の流れを読みとる技術 3.scRNA-seqデータから空間的遺伝子発現パターンを再構成する機械学習 4.ラマン分光を用いた細胞内の遺伝子発現の推定 II.免疫・微生物・化学・創薬 5.機械学習を応用したT細胞受容体レパトア解析 6.メタゲノム解析における機械学習的手法 7.テンソル分解による薬物応答トランスクリプトームの予測と創薬応用 8.医薬品開発におけるIT技術 第3章 画像解析 I.画像の分類・特徴化 1.クラシフィケーションの原理と生物・医療への応用 2.細胞画像のわずかな違いをとらえて分類するAI―細胞画像の見分け方をAIに教えてもらおう 3.機械学習のさまざまな問題設定と解法―正しくラベルが付いたサンプルが少ない場合の機械学習 II.画像からの細胞・運動情報抽出 4.機械学習によるバイオイメージセグメンテーション 5.細胞トラッキングの機械学習および数理最適化技術―多物体トラッキングの課題とアプローチ 6.行動追跡とDeepLabCut―アニマルポーズトラッキング技術 第4章 統計解析 I.形態・物性解析 1.深層学習による細胞形状解析 2.多細胞集団の力学への機械学習アプローチ II.動態・状態解析 3.1分子計測データの隠れ状態を推定する統計的解析法―隠れマルコフモデルと最大エントロピー-クラスタリング 4.分子シミュレーションと実験データを統合する機械学習手法 5.細胞の内部状態を探り出す系譜木解析 III.運動・行動解析 6.機械学習による移動行動解析の考え方 7.強化学習・逆強化学習に基づく動物行動のモデリングとデータ解析