TOP セミナー 書籍 社内研修 セミナーQ&A 書籍Q&A お問い合せ 会社概要


ご購入は、画面下の「書籍購入」ボタンから
 
AI導入によるバイオテクノロジーの発展    
Development of Biotechnology by The Introduction of AI
[コードNo.2018T065]

※ 本書籍はご試読頂けません ※

■監修/ 植田充美
■体裁/ B5判 234ページ
■発行/ 2018年2月9日 (株)シーエムシー出版
■定価/ 79,920円(税・送料込価格)
■ISBNコード/ 978-4-7813-1315-3

 
★現在、多方面で注目を集めるAI(人工知能)!そのAIのバイオテクノロジーへの応用について、様々な切り口からまとめた一冊!
★機械学習や深層学習の解説から、医療・創薬・ヘルスケア・ものづくりへの展開までを網羅!
★AIを利用して増え続けるビッグデータを分析し、知識を生成する!

キーワード

AI(人工知能)/生命科学/機械学習/データマイニング/システム生物学/合成生物学/サポートベクターマシン/知識共有/データベース/コンピュータ支援診断(CAD)/バイオメディカル/IoT /予防医療/遺伝子解析/Deep Learning/ニューラルネットワーク/ビッグデータ/創薬/ドラッグリポジショニング/画像解析/細胞培養/ヘルスケア/感染症スクリーニング/トランスオミクス/微生物利用/農業


刊行にあたって

コンピュータの記憶容量の高度化やクラウドシステムの進化によって、生命や生物現象の解析は、次世代シークエンサーによる研究対象生物のゲノム配列既読状態からのスタートが可能になってきている。ゲノム解析技術の進歩に加えて、モノリスなどの新材料を用いた高性能ナノ分離やイメージングを取り込んだ高度な質量分析など、多くの高度機器分析の進化もあり、生命を構成する分子を網羅的に解析する、いわゆるゲノミクス、トランスクリプトミクス、プロテオミクス、メタボロミクスを統合した「トランスオミクス」時代を迎えている。ゲノム編集技術、ライブ・イメージング、エピジェネティック解析、インターラクトーム解析やsnRNA 解析も加わり、集積データは膨大になり、「ビッグデータ」解析時代の真っ只中である。これらの解析に加えて、社会では、多くの現況解析が数値データ化し、「空間」とともに、「時間」という要素の取り込みにより、これまでの「スナップショット」研究から「動態のデジタル」解析へのシフトが一段と進みつつある。まさに、このデータとあのデータを結びつけて、種々の社会現象や生命現象などを結びつけて解析できる、いわゆる「IoT」研究とそのアウトプットが検討できるデータサイエンスの世の中が出現しつつある。これまで漠然として捉えどころのなかった人間の精神的な領域として分類されていた領域にまで、分子レベルでの研究領域も広がってくると考えられる。その先には、ヒト脳機能の分子レベルでの詳細研究へとつながる。すべての分子の動態をまさに、時々刻々と「心電図」のように捉えて、AI を導入して個人個人の「ありのまま」の状態を総合解析してセルフでヘルスケアしていくことも視野に入ってきた。
生命のビッグデータの情報を、積極的に、かつ、論理的にもしっかりと整理し、それから導き出す新しい成果や概念を、産学官の医療・創薬・モノづくり・環境などの研究領域の新しい展開研究や実用的な製品にしていく時代がきていることを早く認識していくことがAI導入などを伴う新しい時代のバイオサイエンスの革新的基盤の確立に重要と考えている。

京都大学 大学院農学研究科
植田充美

著者一覧

植田充美京都大学
北野宏明特定非営利活動法人システム・バイオロジー研究機構
馬見塚拓京都大学
花井泰三九州大学
山本泰智大学共同利用機関法人 情報・システム研究機構
藤田広志岐阜大学
桜田一洋(国研)理化学研究所
城戸隆(株)Preferred Networks
三浦夏子京都大学
田中博東京医科歯科大学;東北大学
徳久淳師(国研)理化学研究所
種石慶(国研)理化学研究所
奥野恭史京都大学
富井健太郎(国研)産業技術総合研究所
関嶋政和東京工業大学
澤芳樹大阪大学
徳増有治大阪大学
三宅淳大阪大学
田川聖一大阪大学
新岡宏彦大阪大学
山本修也大阪大学
大東寛典大阪大学
浅谷学嗣大阪大学
孫光鎬電気通信大学
加藤竜司名古屋大学
松田史生大阪大学
油屋駿介京都大学
青木裕一東北大学
細川正人早稲田大学
竹山春子早稲田大学
五條堀孝アブドラ国王科学技術大学
山本佳宏(地独)京都市産業技術研究所
青木航京都大学
本田直樹京都大学
高野敏行京都工芸繊維大学
飯間等京都工芸繊維大学
寶珍輝尚京都工芸繊維大学

目 次

第1章AIと生命科学
1人工知能駆動生命科学の始まりからノーベル・チューリング・チャレンジまで
1.1生命科学と人間の認知限界
1.2ノーベル・チューリング・チャレンジ
1.3科学的発見のエンジンを作る
1.4プラットフォームの構築
1.5科学的発見のもたらす革命:人類の能力の拡張と能力のコモディティー化
2機械学習・データマイニングの生命科学への応用
2.1はじめに
2.2行列の学習
2.2.1教師なし学習(クラスタリング)
2.2.2教師あり学習(分類・回帰)
2.2.3特徴量選択
2.3バスケットデータ、文字列、時系列データの学習
2.3.1頻出パタンマイニング
2.3.2確率モデル
2.4グラフ/ネットワーク/相同性の学習
2.4.1ノードクラスタリング
2.4.2半教師あり学習
2.4.3複数グラフからの頻出サブグラフマイニング
2.5データ統合型機械学習
2.6能動学習:実験計画
2.7おわりに
3システム生物学と合成生物学へのAIの利用と展開
3.1はじめに
3.2トランスクリプトームデータに対するクラスタリング解析
3.3Fuzzy k-meansクラスタリングによるトランスクリプトームデータのクラスタリング解析
3.4トランスクリプトームの時系列データに対する微分方程式を用いた前処理法
3.5トランスクリプトームデータに対する判別分析
3.6サポートベクターマシンによるトランスクリプトームデータの判別分析
4生命科学におけるLinked Open Data(LOD)を用いた知識共有
4.1生物学と知識共有
4.2関連知識の取得とオントロジーによる解決策
4.3効果的な知識共有を実現するための技術基盤
4.4Linked Open Data(LOD)の構築
4.5データベースのRDF化
第2章医療への展開
1AIのコンピュータ支援診断(CAD)への展開
1.1はじめに
1.2これまでのCAD
1.2.1黎明期(1960年代〜1970年代)
1.2.2成長期(1980年代〜1990年代)
1.2.3実用期(1998年:CAD元年〜2010年代前半)
1.3第3次AIブーム時代のCAD
1.4次世代型CADの開発に向けて
1.5おわりに
2情報革命とバイオメディカル革命の融合〜IoTとAIを利用した予測と予防の医療〜
2.1はじめに
2.2バイオメディカル分野の課題
2.3X-Tec
2.4生命医科学のパラダイム転換
2.5ライフコースモデル
2.6動力学モデルによる生命医科学の推論
2.6.1状態の概念の導入
2.6.2次元の圧縮
2.6.3状態変数の粒度
2.6.4経時変化の離散化
2.6.5データ同化
2.6.6自由度と自由度の縮約
2.7日本発のヘルステックの実現
3遺伝子解析とAI技術を用いたパーソナルゲノム情報環境
3.1はじめに
3.2パーソナルゲノムを用いた疾患リスク予測
3.2.1疾患リスク予測の信頼性と数理モデル
3.2.2「失われた遺伝率」(Missing Heritability)の問題
3.2.3パーソナルゲノム情報の社会心理学的評価
3.3MyFinder構想
3.3.1MyFinderのデザインフィロソフィー
3.4パーソナルゲノムによる自己発見
3.5機械学習技術への期待と課題
3.5.1Deep Learning
3.5.2解釈可能性
3.5.3機械学習工学(Machine Learning Engineering)
3.6おわりに
4非侵襲的代謝診断の臨床応用(実用化)に向けたビッグデータ活用への期待
4.1はじめに
4.2がん治療における非侵襲的代謝診断の位置づけ
4.3超偏極13CMRIによる代謝イメージング
4.3.1概要
4.3.2In vivoモデルによる診断および治療効果検証
4.3.3臨床への展開と実例
4.3.4In vitro三次元細胞培養系による検証
4.3.5多様な代謝経路可視化の取り組み
4.3.6代謝応答モデル化・シミュレーションの試み
4.4今後の展望と期待
第3章医薬への展開
1AIを用いたビッグデータからの創薬
1.1はじめに―創薬を巡る状況と計算論的アプローチへの期待
1.2ビッグデータやAIを活用した計算創薬/DRの「基本枠組み」
1.2.1「生体分子プロファイル型計算創薬・DR」における疾患と薬剤の相互作用の捉え方
1.2.2生体分子ネットワーク準拠の計算創薬/DRの「3層ネットワークモデル」
1.2.3生体分子プロファイル型創薬・DRの方法の分類
1.3ビッグデータからAIを用いて創薬を行う
1.3.1AIバーチャルスクリーニング法
1.3.2タンパク質相互作用ネットワークでの標的分子AI探索法
1.4おわりに
2創薬におけるビッグデータの可能性
2.1はじめに
2.2生体高分子の構造を計測する手法
2.3バーチャルスクリーニング
2.4リアルワールドデータとシミュレーションワールドデータの融合
2.5おわりに
3医療創薬へのAI応用の可能性
3.1医療創薬へのAI応用の現状と可能性
3.2標的タンパク質の同定及びリード化合物探索と最適化
3.3早期ADMET
3.4既存薬再開発などに向けたアプローチ
3.5包括的取り組み
3.6AI活用の鍵:データの量、質、利用可能性
3.7結語
4スマート創薬による、スーパーコンピュータ、AIと生化学実験の連携が拓く創薬
4.1はじめに
4.2AI(機械学習)
4.2.1創薬分野におけるAI利用の背景
4.2.2IT創薬コンテストの実施によるIT創薬の普及とSBDD及びLBDDで活用可能なデータセットの整備
4.3スーパーコンピュータ
4.3.1スーパーコンピュータの背景
4.3.2スーパーコンピュータを用いた創薬
4.4まとめ
第4章大阪大学医学部・病院における人工知能応用の取り組み
1「大阪大学 大学院医学系研究科・医学部附属病院 産学連携・クロスイノベーションイニシアティブ」「AIメディカルヘルスケアプラットフォーム」設立の背景
1.1緒言:基盤となる産学連携・クロスイノベーションイニシアティブ
1.2AIメディカルヘルスケアプラットフォームの目的
2AIメディカルの重要性と方向―大阪大学医学部におけるAIメディカル研究の取り組みを中心に―
2.1はじめに
2.2人工知能応用型医療技術開発内容について
2.3産業応用の視点
2.3.1医学と人工知能の組み合わせは必須の産業プラットフォームとなる
2.3.2人工知能の経済への影響
2.3.3日本の国際競争力のシフト:ものつくりから新領域へ
2.4メディカル・人工知能領域の教育体制
2.5まとめ
3人工知能Deep Learningの医学応用
3.1緒言:技術概観
3.1.1画像解析・病理診断
3.1.2診断・カルテ解析
3.1.3在宅医療
3.1.4創薬
3.1.5ウイルス・病原菌解析
3.1.6実用・医療経済との関連
3.2オートエンコーダーによるウイルス遺伝子解析
3.3必要なコンピューターとプログラム
3.4ディープラーニングと科学と複雑系
3.5医療と社会的な視点からの議論
4人工知能の医療画像解析への応用
4.1はじめに
4.2畳み込みニューラルネットワークによる細胞画像判別
4.2.1細胞画像の準備
4.2.2CNNの構造
4.2.3細胞分化の識別
4.2.4細胞画像識別について今後の展望
4.3おわりに
第5章ヘルスケアへの展開
1機械学習クラスタ解析を応用した感染症スクリーニングシステムの研究開発
1.1はじめに
1.2機械学習の概要と感染症スクリーニングへの応用
1.3感染症スクリーニングシステムの紹介と自己組織化マップを用いた感染症判別
1.3.1バイタルサイン計測に基づく感染症スクリーニングシステムの開発
1.3.2自己組織化マップとk-means法を併用した感染症の判別
1.4季節性インフルエンザ患者を対象とした感染症スクリーニングの検出精度評価
1.5おわりに
2細胞培養におけるAI関連技術の応用―画像解析による細胞品質管理
2.1はじめに
2.2細胞培養の発展と現状
2.3細胞培養における新しいフロンティア
2.4細胞培養の実用化における課題
2.5細胞培養におけるAI関連技術の応用事例
2.5.1間葉系幹細胞の分化予測
2.5.2iPS細胞の培養状況モニタリング評価
2.6画像を用いた細胞品質管理に期待されるAI関連技術
2.6.1イメージング計測技術に求められるAI関連技術
2.6.2画像認識に求められるAI関連技術
2.6.3データ解析技術に求められるAI関連技術
2.7まとめ
第6章ものづくりへの展開
1微生物によるモノづくりのためのトランスオミクスデータ解読をめぐって
1.1はじめに
1.2学習(learn)段階の役割
1.3データ処理の課題 ピークピッキング
1.4データの可視化
1.5データ解読の実際
1.6エンリッチメント解析
1.7因果関係のグラフ表示
1.8まとめ
2環境問題解決への微生物利用最適化に向けた展開
2.1はじめに
2.2微生物Clostridium cellulovoransの特徴
2.3環境問題解決を目指したC. cellulovoransの定量プロテオーム解析
2.4今後の展開
3人工知能技術の代謝工学および農業への応用
3.1はじめに
3.2深層学習を用いたタンパク質細胞内局在の予測
3.3深層学習を用いた遺伝子間相互作用の予測
3.4植物の表現型解析における機械学習の活用
3.5おわりに
4微生物のゲノム情報のビッグデータ化とAI
4.1はじめに
4.2国内外のメタゲノム解析の研究動向―海洋メタゲノム解析を例として
4.3メタゲノミクス・シングルセルゲノミクスの課題
4.4シングルセルゲノミクスの課題を打破する液滴反応技術とバイオインフォマティクス技術の統合
4.5メタゲノム・シングルセルゲノムデータ解析へのAI導入による未来展望
4.6おわりに
5先端バイオ計測技術の醸造現場への導入と機械学習によるイノベーションへの期待
5.1はじめに
5.2清酒生産における品質管理の現状
5.3課題解決のためには…清酒製造のための工程管理指標の探索
5.4現場で使えるポジショニングシステムを目指して
5.5醸造分野におけるIT技術の導入
第7章今後の期待する展開
1脳機能の解明を目指した個体レベルのdata-driven scienceの実装
1.1はじめに
1.2機能的セロミクスの戦略
1.3機能的セロミクスの実証
1.4神経ネットワークの動作原理の理解に向けて
2定量データに基づく生体情報処理の同定
2.1背景
2.2細胞移動における細胞内情報処理の同定
2.3成長円錐走化性の細胞内情報処理
2.4精子幹細胞ダイナミクスの同定
3生物種を横断した情報の整備
3.1生物横断研究の流れ
3.2統一化に向かうモデル生物データベースの現状
3.3オーソログによる生物横断検索
3.4生物横断を柱として進む希少疾患研究
3.5表現型で横断できるか:フェノログの試み
3.6生物横断を容易にするための情報整備:データベース化を容易にする論文形式の導入
3.7サイバーから実研究を加速するためのインフラ整備
3.8最後に
4粒子群最適化法によるニューラルネットワークの柔軟な学習
4.1はじめに
4.2ニューラルネットワークにおける最適化問題
4.3従来の最適化法とその問題点
4.4粒子群最適化法
4.5柔軟な学習の実行例
4.6おわりに
5個人と社会のためのAIとIoT基盤
5.1はじめに
5.2個人と社会のための枠組み
5.2.1枠組み
5.2.2解決すべき課題
5.3応用例
5.4関連研究
5.5おわりに
6バイオテクノロジーにおいて期待されるAIの姿
6.1はじめに
6.2データサイエンスの現況と問題点
6.3次世代に向けた生命現象解析
6.4今後の展開



※ 本書籍はご試読頂けません ※

SSL グローバルサインのサイトシール
FAXでもお申し込みいただけます。FAXお申し込み用紙(PDF)を印刷いただき、必要事項をご記入のうえ
 弊社までご送信ください。(FAX番号は、お申込用紙に印刷されています)
※PDF形式のファイルをご覧頂くための Adobe Reader は、アドビ システムズ社から無償提供されています。
                Adobe Reader 最新版ダウンロードはこちらから
■ お問い合わせの前に『よくあるご質問(書籍)』をご一読下さいませ ■
■ セミナー・講習会のご案内はこちらでございます ■