SlideShare ist ein Scribd-Unternehmen logo
1 von 60
Downloaden Sie, um offline zu lesen
2019年12月11日
横浜市立大学 生命医科学研究科
理化学研究所 MIH
池口 満徳
•
–
–
•
–
• (AI)
– LINC
– AI
ü MD
1 2 fs 10-15s)
ü 1 1
86,400 =86 ps
ü 1 1
86,400,000 =86 ns
ü 1 MD
12
History of Molecular Dynamics Simulations of
Proteins
BPTI (3000 atoms)
Nature, 267, 585, 1977
in vacuum, 10 ps
Lysozyme
(20,000 atoms)
1990s
in water,
several ns
Ca2+-ATPase (more than 270,000 atoms including water)
2005 Sugita, Ikeguchi, Kidera, Toyoshima, JACS, 127,6150
Flagship Supercomputer “K”
Ranking of K-Computer Top500スパコンの世界順位
1
3
5
7
9
11
13
15
17
19
21
20116
201111
20126
201211
20136
201311
20146
201411
20156
201511
20166
201611
20176
201711
20186
201811
20196
K-computer
663,552 cores
1.327 PB memory
11.28 PFLOPS Rpeak
10.51 PFLOPS Rmax
Shutdown in Aug. 2019
Fugaku
MD
DB
QM/MM Free Energy
MD
-
https://postk-web.r-ccs.riken.jp/perf.html
RIKEN Sugita Group: GENESIS
100ns μs ms
aggregation
125
1
MP-CAFEE1 MD
MD
Folding, Ligand Binding,
Conformational Changes
汎用スパコンでの動的機能解析
数十μs/day計算可能な専用計算機(ANTON2等)と違って、
我々が使用可能なのは汎用スパコンである
一つの計算では、汎用計算機だと、現状からの飛躍的向上は、
非常に困難である
しかし、汎用スパコンでは、ノード or CPUコアは沢山ある
レプリカを沢山用意して、統計的に計算を行うことで、
実質的に、長時間ダイナミクス情報を得る
汎用スパコンでの動的機能解析
方法① 熱力学的方法
自由エネルギー分布を得る
(取りやすい複数の状態と頻度比を得る)
e.g. レプリカ交換、アンブレラサンプリング等
方法② 速度論的方法
キネティックス(速度論)を得る
(取りやすい複数の状態間遷移を得る)
e.g. マルコフ状態遷移モデル(MSM)
Weighted Ensemble
レプリカ系のMD計算
Hierarchy of Protein Dynamics
10-15 10-12 10-9 10-6 10-3 100 103 106
femto pico nano micro milli second hour day
bond
vibration
methyl
rotation
loop
motion
domain
motion
protein folding
slow dynamics
side chain rotamers
drug binding
Conventional MD Simulations
Enhanced Sampling, Ensemble Simulations, etc.
MD
•
–
•
–
•
–
•
–
•
–
•
–
•
– NMR SAXS
MD
•
–
MD : RMSD, RMSF
Root Mean Square Deviation (RMSD)
ü
ü
ü
ü
RMSD % =
∑( )((%) − )-./,(
1
2
RMSD from crystal structure)
Time (ns)
RMSD(Å)
domain A
domain B
MD RMSD
RCBRCA
Oroguchi, MI et al., Biophys. J., 96, 2808 (2009)
Root Mean Square Deviation (RMSD)
RMSD =
( i xi − xref i)
2
N
ü
ü MD
ü
RMSD
RMSD
MD : RMSD, RMSF
Root Mean Square Deviation (RMSD)
ü
ü
ü
ü
RMSD % =
∑( )((%) − )-./,(
1
2
Root Mean Square Fluctuation (RMSF)
ü
ü
ü
ü
ü
RMSF 4 =
∑5 )((%) − )67.,(
1
8
Conformational Changes of β subunit
upon ATP binding
βTPβE βE βTP
γ γ
Protein Fluctuation (RMSF)
ü Fluctuation of C-terminal domain: βE>βTP>βDP
ü Despite fairly similar conformations of βTP and βDP,
fluctuations of C-terminal domain are different.
Y. Ito & M. Ikeguchi, J. Comp. Chem. 31, 2175 (2010)
βE βTP
Empty; Open)
ATP bound; Closed)
ADP bound; Closed)
MD
•
–
•
–
MD : , PCA
Correlation Matrix
Cij =
Δri ⋅ Δrj
Δri
2
Δrj
2
Cij = 1 Cij = 0 Cij = −1
ü
ü
ü
Correlated Motion in Protein
Y. Ito & M. Ikeguchi, J. Comp. Chem. 31, 2175 (2010)
Cij = 1 Cij = 0 Cij = −1
MD : , PCA
Correlation Matrix
Cij =
Δri ⋅ Δrj
Δri
2
Δrj
2
Cij = 1 Cij = 0 Cij = −1
ü
ü
ü
Principal Component Analysis (PCA)
∆"#∆"$
% = 1 ⋯ 3*
ü
ü
ü
PCA
MD PCA
ü PCA
ü
Computational Biochemistry and Biophysics, Becker et al. eds., 2001.
Principal Component Analysis (PCA)
PCA F1-ATPase β
ü Top mode 30 %
ü Top ten modes 70 %
ü 4 ATP
Y. Ito & M. Ikeguchi, Chem. Phys. Lett. 490, 80 (2010)
Principal Component Analysis: Mode 1-4
Mode 1: magenta
Mode 2: yellow
Mode 3: cyan
Mode 4: green
βE→βDP: red
üRelaxation from interactions with
adjacent subunits
üIntrinsic flexibility is well correlated
with structural transition
Y. Ito & M. Ikeguchi, Chem. Phys. Lett. 490, 80 (2010)
MD
•
–
•
–
•
–
Interaction between ligand and protein
Isobe, YI, MI, Arita, Sci. Rep. 8: 7951 (2018)
Interaction between CYP1A2 and EPA
MD
•
–
•
–
•
–
•
–
MD
A B
λ=0 λ=1
A B
i=0 i=N
λ=0.01 λ=0.02
i=1 i=2
∆" = −%&' (
)
*+,
ln exp −
2)3, − 2)
%&' )
= 4
5
,
62
67 8
97
Free Energy Perturbation
Thermodynamic Integration
Bennett Acceptance Ratio (BAR)
ΔGbind
ΔGligandΔGcomplex MD FEP, TI, BAR
ΔGbind ΔGligandΔGcomplex= −
= =
ΔGcomplexΔGligand
MD
MD MD
Replica 1
Replica 2
Replica 3
Replica 0
Replica 0
Replica 3
Replica 2
Replica 1
Replica 3
Replica 0
Replica 2
Replica 1
…
…
…
…
Temperature
High
Low
MD
Temperature
High
Low
17.2
17.6
18
18.4
0 50 100 150 200
MD(REMD)
MD:
REMD:
ΔSClausius[cal/mol/K]
Time [ns]
Torsionangle[θ]
Torsionangle[]
Time [ns]Time [ns]
MD REMD
: Oseltamivir
MD
Hikiri, MI, et al. J Chem Theory Comput. 2016 12: 5990.
UnfoldFold
ΔSc
Folding/Unfolding MD(REMD)
0
20
40
60
80
100
250 280 310 340 370 400
Temperature [K]
PFold(T)[%]
Tm( )
Tm(REMD)
• REMD Folding/Unfolding
• Folding/Unfolding
• REMD (Tm=305K) (315K)
RMSD(Å)
Simulation time [ns] RMSD (Å)
(T=305K) Fold/Unfold
(10 )
< >
0
4000
8000
12000
16000
0 1 2 3 4 5 6 7
FoldUnfold :
Fold :
Unfold
REMD
(255K-400K)
UnfoldFold
ΔSc
-30.0
-25.0
-20.0
-15.0
-10.0
-5.0
0.0
250 280 310 340 370 400
Folding ΔSc(T)
Temperature [K]
-1.0
-0.5
0.0
0.5
1.0
1.5
2.0
250 280 310 340 370 400
Temperature [K]
ΔGUnfold(T)[kcal/mol]Fold
ΔSUnfold(T)[cal/mol/K]Fold
:ΔS
:ΔSUnfold
Fold
Temperature [K]
ΔSc(T)[cal/mol/K]
-40
-30
-20
-10
0
285 295 305 315 325 335
Hikiri, MI, et al. J Chem Theory Comput. 2016 12: 5990.
MD
•
–
•
–
•
–
•
–
•
–
(Generalized) Replica Exchange with Solute Tempering (REST / gREST)
gREST: M.Kamiya and Y.Sugita, JCP, 149, 072304 (2018).
replica3
time(t)
high
lowTemperature(T)
300K
450K
600K replica3
replica3
replica3
replica2
replica2 replica2
replica2
replica1
replica1
replica1 replica1
Energy
MD
(600K)
MD
(450K)
MD
(300K)
replica3
replica3
replica2 replica2
replica1
replica1
Solute region
Charge
LJ
Bond
Angle
Dihedral
CMAP
Conventional REST
Solute region
Charge
LJ
Bond
Angle
Dihedral
CMAP
gREST
REST: Liu et al. PNAS, 102, 13749 (2005).
D1
T1
D2
T1
DN
TM
D3
T1
D1
T1
D2
T1
D3
T1
DN-1
TM
D1
T1
D2
T1
D3
T1
DN-1
TM
1-1
2-1
3-1
N-M
D
ü
ü 2
ü
MD
→
MD
•
–
•
–
•
–
•
–
•
–
•
–
Basin around
open structure
eq. MD eq. MD
Umbrella Sampling MD
µs - ms
Method: umbrella sampling simulations
Conformations
Free energy
Basin around
closed structure
Method: umbrella sampling simulations
Conformations
Free energy
MD
MD
Replica Exchange Umbrella
Sampling (REUS )
Reaction Coordinate
Method: umbrella sampling simulations
Conformations
Free energy
Reaction Coordinate
Free Energy Simulations
open close
1. Initial Path
2. Umbrella Sampling Simulations
For each intermediates along path, simulations
with restraint,
3. WHAM
Weighted Histogram
Analysis Method was used
for removing restraints and
calculating free energy
profiles along structural
transition between open
and closed conformations.
C.L. Brooks PNAS (2007)B. Roux JACS (2005)
w j = Krmsd (ΔDrmsd − ΔDmin )2
ΔDrmsd = rmsd(X,Xopen ) − rmsd(X,Xclosed )
was carried out.
Restraint potential is applied to both main chains
and side chains.
Nudged Elastic Band
Free Energy Profiles for Open-Close Transition
open close
blue: open
yellow: closed
green: ATP
ü Meta-stable state is found:
ATP-bound open conformation.
encounter complex
open close
Ito, Oroguchi, Ikeguchi, JACS, 133, 3372 (2011)
transition: H-bond in P-loop
Open Closed
H-bond partner of Asp256 is changed
from Lys162 to Thr163 (P-loop).
Mutation of Asp256, Lys162, or Thr163 results in
remaining open conformation even with ATP bound.
Simulation time
…
A lot of short MDs
…
…
…
…
Simulation time
…
…
…
…
…
Markov state modelDefinition of‘State’
Transition matrix
Population
Network
マルコフ状態遷移モデルによるダイナミクス解析
MD
All atom (MM)
Slow motion
High precision
Coarse-grained (CG)
Fast motion
Low precision
Coupling force
MM CG
MM
MD
MM-CG
MD
K. Moritsugu, T. Terada, A. Kidera, 2017
Open
Closed
Moritsugu et al., JCP 2018
MSES
weighted ensemble
MSES
weighted ensemble
PC2
open
closed
energy barrier
PC 1
conformational switch
open/
helical
open/
coiled
closed/
helical
4.6 kJ/mol 3.1 kJ/mol
0.30 ms-1
0.0062 ms-1
WE1 0.047 ms-1
0.011 ms-1WE2
k = 1.1 ms-1
3-basin kinetic model:
DG+- = -kBT ln (k+ / k- )
MSES
weighted ensemble
MD
•
–
•
–
•
–
•
–
•
–
•
–
•
– NMR SAXS
ライフ系
企業
IT企業
人工知能(AI)技術の活用
89 IT
キックオフミーティングの様子
アカデミック
理化学研究所
医薬プロセス最適化プラットフォーム推進グループ
医薬基盤・健康・栄養研究所
10
1.
2.
3.
4.
5. ADMET
6.
7.
8.
9. NLP
10. AI
LINCパンフレットより
池口満徳
WG4代表
本間光貴
WG5代表 LINC
ターゲット探索
・検証
スクリーニング
ヒット to リード リード最適化 前臨床試験
疾病関連遺伝子
創薬標的タンパク質
化合物ライブラリ
X線結晶解析
NMR
電子顕微鏡
タンパク質立体構造
スクリーニング
ヒット化合物
HTS
候補化合物
in silico
化合物
最適化
疾病動物モデル
薬物動態
毒性
(ADMET)
メドケム
薬効
立体構造
PPJJ1111
PPJJ1122
PPJJ1133
PPJJ1144
PPJJ1155 PPJJ1166
PPJJ1177
PPJJ1188
WWGG44 WWGG55
熟練した技能が必要
X線結晶構造解析
NMR
(核磁気共鳴)
電子顕微鏡
コンピュータ
実験データ
タンパク質立体構造
人工知能
A. I.
PPJJ1111
AI化することで、
これまで、熟練者のみが
可能であった高度な解析が
可能に
立体構造決定法
PJ12:AIによるドッキング計算高度化
これまでの問題点:精度の低さ(1~2%のヒット率)
正解ポーズ、活性化合物群 不正解ポーズ、非活性化合物群
J. Chem. Inf. Model. 2017, 57, 942–957.
学習
AIは、画像認識の
ように、正しい結
合を間違った結合
から見出すことが
できるか?
画画像像認認識識 結結合合計計算算
2次元 3次元
色(RGB) 原子種
対象(猫等) 結合ポーズ
黄:実験、緑:計算 黄:実験、緑:計算
PJ13:分子動力学計算におけるAI活用
これまでの問題点
時間軸を含む大量のデータ
(静止画像 → 動画)
膜タンパク質アクアポリンのMD
全原子数~16万
数千万~数十億ステップの計算
熟練した技術者が長時間かけて解析
AIによって、重要な箇所を発見
動的なタンパク質の制御による
創薬のブレークスルーを目指す
PJ14:AIを用いた高精度分子力場
分子力場 分子軌道
分分子子運運動動 電電子子状状態態
◯ ☓
分分子子運運動動 電電子子状状態態
☓ ◯
MDでよく使われる 反応解析でよく
使われる
分分子子運運動動 電電子子状状態態
◯ ◯
人工知能
A.I. 電子状態を学習電子状態を加味した
高精度力場を高速計算
まとめ
• 分子動力学シミュレーションの新展開
‒ スパコン「京」から「富岳」へ
‒ アンサンブル シミュレーションの有効性
• 分子動力学シミュレーションの解析・応用
‒ 分子動力学シミュレーションの活用例
• 分子シミュレーションと人工知能(AI)の連携
‒ LINCコンソーシアム:WG4
‒ 分子子ミューレヨン分野でのAIの活用

Weitere ähnliche Inhalte

Was ist angesagt?

相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心takehikoihayashi
 
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性西岡 賢一郎
 
さらば!データサイエンティスト
さらば!データサイエンティストさらば!データサイエンティスト
さらば!データサイエンティストShohei Hido
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」Ken'ichi Matsui
 
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門グラフニューラルネットワーク入門
グラフニューラルネットワーク入門ryosuke-kojima
 
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜諒介 荒木
 
論文の図表レイアウト例
論文の図表レイアウト例論文の図表レイアウト例
論文の図表レイアウト例Sunao Hara
 
第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchi第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchiAkira Taniguchi
 
[part 2]ナレッジグラフ推論チャレンジ・Tech Live!
[part 2]ナレッジグラフ推論チャレンジ・Tech Live![part 2]ナレッジグラフ推論チャレンジ・Tech Live!
[part 2]ナレッジグラフ推論チャレンジ・Tech Live!KnowledgeGraph
 
最適化計算の概要まとめ
最適化計算の概要まとめ最適化計算の概要まとめ
最適化計算の概要まとめYuichiro MInato
 
【輪読会】Learning Continuous Image Representation with Local Implicit Image Funct...
【輪読会】Learning Continuous Image Representation with Local Implicit Image Funct...【輪読会】Learning Continuous Image Representation with Local Implicit Image Funct...
【輪読会】Learning Continuous Image Representation with Local Implicit Image Funct...Deep Learning JP
 
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacodeHirotaka Matsumoto
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有Naoaki Okazaki
 
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15Yoichi Ochiai
 
語の分散表現と上位下位関係―研究動向と今後への試案―
語の分散表現と上位下位関係―研究動向と今後への試案―語の分散表現と上位下位関係―研究動向と今後への試案―
語の分散表現と上位下位関係―研究動向と今後への試案―Washio Koki
 

Was ist angesagt? (20)

相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
 
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
 
主成分分析
主成分分析主成分分析
主成分分析
 
さらば!データサイエンティスト
さらば!データサイエンティストさらば!データサイエンティスト
さらば!データサイエンティスト
 
画像処理応用
画像処理応用画像処理応用
画像処理応用
 
画像処理基礎
画像処理基礎画像処理基礎
画像処理基礎
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
 
一般向けのDeep Learning
一般向けのDeep Learning一般向けのDeep Learning
一般向けのDeep Learning
 
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
 
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
 
論文の図表レイアウト例
論文の図表レイアウト例論文の図表レイアウト例
論文の図表レイアウト例
 
第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchi第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchi
 
[part 2]ナレッジグラフ推論チャレンジ・Tech Live!
[part 2]ナレッジグラフ推論チャレンジ・Tech Live![part 2]ナレッジグラフ推論チャレンジ・Tech Live!
[part 2]ナレッジグラフ推論チャレンジ・Tech Live!
 
最適化計算の概要まとめ
最適化計算の概要まとめ最適化計算の概要まとめ
最適化計算の概要まとめ
 
【輪読会】Learning Continuous Image Representation with Local Implicit Image Funct...
【輪読会】Learning Continuous Image Representation with Local Implicit Image Funct...【輪読会】Learning Continuous Image Representation with Local Implicit Image Funct...
【輪読会】Learning Continuous Image Representation with Local Implicit Image Funct...
 
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode
次元圧縮周りでの気付き&1細胞発現データにおける次元圧縮の利用例@第3回wacode
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
 
機械学習と主成分分析
機械学習と主成分分析機械学習と主成分分析
機械学習と主成分分析
 
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15
 
語の分散表現と上位下位関係―研究動向と今後への試案―
語の分散表現と上位下位関係―研究動向と今後への試案―語の分散表現と上位下位関係―研究動向と今後への試案―
語の分散表現と上位下位関係―研究動向と今後への試案―
 

Ähnlich wie El text.life science6.ikeguchi1911211.

El text.tokuron a(2019).ishimura190718
El text.tokuron a(2019).ishimura190718El text.tokuron a(2019).ishimura190718
El text.tokuron a(2019).ishimura190718RCCSRENKEI
 
量子アニーリングを用いたクラスタ分析 (QIT32)
量子アニーリングを用いたクラスタ分析 (QIT32)量子アニーリングを用いたクラスタ分析 (QIT32)
量子アニーリングを用いたクラスタ分析 (QIT32)Shu Tanaka
 
ベイズ統計によるデータ解析
ベイズ統計によるデータ解析ベイズ統計によるデータ解析
ベイズ統計によるデータ解析Kunihiro Hisatsune
 
【高エネルギー加速器研究機構】平成21年環境報告書
【高エネルギー加速器研究機構】平成21年環境報告書【高エネルギー加速器研究機構】平成21年環境報告書
【高エネルギー加速器研究機構】平成21年環境報告書env86
 
Protein-RNA Interaction Prediction
Protein-RNA Interaction PredictionProtein-RNA Interaction Prediction
Protein-RNA Interaction PredictionMasahito Ohue
 
有機ソフトクリスタルの弾性・光応答機構の解明
有機ソフトクリスタルの弾性・光応答機構の解明有機ソフトクリスタルの弾性・光応答機構の解明
有機ソフトクリスタルの弾性・光応答機構の解明Michio Katouda
 
有機ソフトクリスタルの弾性・光応答機構の解明
有機ソフトクリスタルの弾性・光応答機構の解明有機ソフトクリスタルの弾性・光応答機構の解明
有機ソフトクリスタルの弾性・光応答機構の解明Michio Katouda
 
Model seminar koba_and_student_100710_ch2
Model seminar koba_and_student_100710_ch2Model seminar koba_and_student_100710_ch2
Model seminar koba_and_student_100710_ch2Kazuya Nishina
 
FiberDock: Flexible Protein Docking with Normal Mode
FiberDock: Flexible Protein Docking with Normal ModeFiberDock: Flexible Protein Docking with Normal Mode
FiberDock: Flexible Protein Docking with Normal ModeMasahito Ohue
 
【国立大学法人電気通信大学】平成18年環境報告書
【国立大学法人電気通信大学】平成18年環境報告書【国立大学法人電気通信大学】平成18年環境報告書
【国立大学法人電気通信大学】平成18年環境報告書env56
 
The Innovations accelerated by Computational Study コンピュータサイエンスにより加速する新しい産業創出
The Innovations accelerated by Computational Study コンピュータサイエンスにより加速する新しい産業創出The Innovations accelerated by Computational Study コンピュータサイエンスにより加速する新しい産業創出
The Innovations accelerated by Computational Study コンピュータサイエンスにより加速する新しい産業創出SATOH daisuke, Ph.D.
 
畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開 畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開 Shogo Muramatsu
 
Hayashi tutorial ne2017
Hayashi tutorial ne2017Hayashi tutorial ne2017
Hayashi tutorial ne2017yukisachi
 
AJACS advanced: NGSデータベース検索
AJACS advanced: NGSデータベース検索AJACS advanced: NGSデータベース検索
AJACS advanced: NGSデータベース検索Takeru Nakazato
 
03 「重回帰分析」の入門
03 「重回帰分析」の入門03 「重回帰分析」の入門
03 「重回帰分析」の入門Shuhei Ichikawa
 
Cluster Analysis at REQUIRE 26, 2016/10/01
Cluster Analysis at REQUIRE 26, 2016/10/01Cluster Analysis at REQUIRE 26, 2016/10/01
Cluster Analysis at REQUIRE 26, 2016/10/01Shuhei Ichikawa
 
Scan Registration for Autonomous Mining Vehicles Using 3D-NDT
Scan Registration for Autonomous Mining Vehicles Using 3D-NDTScan Registration for Autonomous Mining Vehicles Using 3D-NDT
Scan Registration for Autonomous Mining Vehicles Using 3D-NDTKitsukawa Yuki
 
大気環境研究における機械学習の活用について
大気環境研究における機械学習の活用について大気環境研究における機械学習の活用について
大気環境研究における機械学習の活用についてKunihiro Hisatsune
 

Ähnlich wie El text.life science6.ikeguchi1911211. (19)

El text.tokuron a(2019).ishimura190718
El text.tokuron a(2019).ishimura190718El text.tokuron a(2019).ishimura190718
El text.tokuron a(2019).ishimura190718
 
量子アニーリングを用いたクラスタ分析 (QIT32)
量子アニーリングを用いたクラスタ分析 (QIT32)量子アニーリングを用いたクラスタ分析 (QIT32)
量子アニーリングを用いたクラスタ分析 (QIT32)
 
ベイズ統計によるデータ解析
ベイズ統計によるデータ解析ベイズ統計によるデータ解析
ベイズ統計によるデータ解析
 
【高エネルギー加速器研究機構】平成21年環境報告書
【高エネルギー加速器研究機構】平成21年環境報告書【高エネルギー加速器研究機構】平成21年環境報告書
【高エネルギー加速器研究機構】平成21年環境報告書
 
Protein-RNA Interaction Prediction
Protein-RNA Interaction PredictionProtein-RNA Interaction Prediction
Protein-RNA Interaction Prediction
 
有機ソフトクリスタルの弾性・光応答機構の解明
有機ソフトクリスタルの弾性・光応答機構の解明有機ソフトクリスタルの弾性・光応答機構の解明
有機ソフトクリスタルの弾性・光応答機構の解明
 
有機ソフトクリスタルの弾性・光応答機構の解明
有機ソフトクリスタルの弾性・光応答機構の解明有機ソフトクリスタルの弾性・光応答機構の解明
有機ソフトクリスタルの弾性・光応答機構の解明
 
Model seminar koba_and_student_100710_ch2
Model seminar koba_and_student_100710_ch2Model seminar koba_and_student_100710_ch2
Model seminar koba_and_student_100710_ch2
 
FiberDock: Flexible Protein Docking with Normal Mode
FiberDock: Flexible Protein Docking with Normal ModeFiberDock: Flexible Protein Docking with Normal Mode
FiberDock: Flexible Protein Docking with Normal Mode
 
【国立大学法人電気通信大学】平成18年環境報告書
【国立大学法人電気通信大学】平成18年環境報告書【国立大学法人電気通信大学】平成18年環境報告書
【国立大学法人電気通信大学】平成18年環境報告書
 
The Innovations accelerated by Computational Study コンピュータサイエンスにより加速する新しい産業創出
The Innovations accelerated by Computational Study コンピュータサイエンスにより加速する新しい産業創出The Innovations accelerated by Computational Study コンピュータサイエンスにより加速する新しい産業創出
The Innovations accelerated by Computational Study コンピュータサイエンスにより加速する新しい産業創出
 
R seminar on igraph
R seminar on igraphR seminar on igraph
R seminar on igraph
 
畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開 畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開
 
Hayashi tutorial ne2017
Hayashi tutorial ne2017Hayashi tutorial ne2017
Hayashi tutorial ne2017
 
AJACS advanced: NGSデータベース検索
AJACS advanced: NGSデータベース検索AJACS advanced: NGSデータベース検索
AJACS advanced: NGSデータベース検索
 
03 「重回帰分析」の入門
03 「重回帰分析」の入門03 「重回帰分析」の入門
03 「重回帰分析」の入門
 
Cluster Analysis at REQUIRE 26, 2016/10/01
Cluster Analysis at REQUIRE 26, 2016/10/01Cluster Analysis at REQUIRE 26, 2016/10/01
Cluster Analysis at REQUIRE 26, 2016/10/01
 
Scan Registration for Autonomous Mining Vehicles Using 3D-NDT
Scan Registration for Autonomous Mining Vehicles Using 3D-NDTScan Registration for Autonomous Mining Vehicles Using 3D-NDT
Scan Registration for Autonomous Mining Vehicles Using 3D-NDT
 
大気環境研究における機械学習の活用について
大気環境研究における機械学習の活用について大気環境研究における機械学習の活用について
大気環境研究における機械学習の活用について
 

Mehr von RCCSRENKEI

第15回 配信講義 計算科学技術特論B(2022)
第15回 配信講義 計算科学技術特論B(2022)第15回 配信講義 計算科学技術特論B(2022)
第15回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第14回 配信講義 計算科学技術特論B(2022)
第14回 配信講義 計算科学技術特論B(2022)第14回 配信講義 計算科学技術特論B(2022)
第14回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第12回 配信講義 計算科学技術特論B(2022)
第12回 配信講義 計算科学技術特論B(2022)第12回 配信講義 計算科学技術特論B(2022)
第12回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第13回 配信講義 計算科学技術特論B(2022)
第13回 配信講義 計算科学技術特論B(2022)第13回 配信講義 計算科学技術特論B(2022)
第13回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第11回 配信講義 計算科学技術特論B(2022)
第11回 配信講義 計算科学技術特論B(2022)第11回 配信講義 計算科学技術特論B(2022)
第11回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第10回 配信講義 計算科学技術特論B(2022)
第10回 配信講義 計算科学技術特論B(2022)第10回 配信講義 計算科学技術特論B(2022)
第10回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第9回 配信講義 計算科学技術特論B(2022)
 第9回 配信講義 計算科学技術特論B(2022) 第9回 配信講義 計算科学技術特論B(2022)
第9回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第8回 配信講義 計算科学技術特論B(2022)
第8回 配信講義 計算科学技術特論B(2022)第8回 配信講義 計算科学技術特論B(2022)
第8回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第7回 配信講義 計算科学技術特論B(2022)
第7回 配信講義 計算科学技術特論B(2022)第7回 配信講義 計算科学技術特論B(2022)
第7回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第6回 配信講義 計算科学技術特論B(2022)
第6回 配信講義 計算科学技術特論B(2022)第6回 配信講義 計算科学技術特論B(2022)
第6回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第5回 配信講義 計算科学技術特論B(2022)
第5回 配信講義 計算科学技術特論B(2022)第5回 配信講義 計算科学技術特論B(2022)
第5回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
Realization of Innovative Light Energy Conversion Materials utilizing the Sup...
Realization of Innovative Light Energy Conversion Materials utilizing the Sup...Realization of Innovative Light Energy Conversion Materials utilizing the Sup...
Realization of Innovative Light Energy Conversion Materials utilizing the Sup...RCCSRENKEI
 
Current status of the project "Toward a unified view of the universe: from la...
Current status of the project "Toward a unified view of the universe: from la...Current status of the project "Toward a unified view of the universe: from la...
Current status of the project "Toward a unified view of the universe: from la...RCCSRENKEI
 
Fugaku, the Successes and the Lessons Learned
Fugaku, the Successes and the Lessons LearnedFugaku, the Successes and the Lessons Learned
Fugaku, the Successes and the Lessons LearnedRCCSRENKEI
 
第4回 配信講義 計算科学技術特論B(2022)
第4回 配信講義 計算科学技術特論B(2022)第4回 配信講義 計算科学技術特論B(2022)
第4回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第3回 配信講義 計算科学技術特論B(2022)
第3回 配信講義 計算科学技術特論B(2022)第3回 配信講義 計算科学技術特論B(2022)
第3回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第2回 配信講義 計算科学技術特論B(2022)
第2回 配信講義 計算科学技術特論B(2022)第2回 配信講義 計算科学技術特論B(2022)
第2回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
第1回 配信講義 計算科学技術特論B(2022)
第1回 配信講義 計算科学技術特論B(2022)第1回 配信講義 計算科学技術特論B(2022)
第1回 配信講義 計算科学技術特論B(2022)RCCSRENKEI
 
210603 yamamoto
210603 yamamoto210603 yamamoto
210603 yamamotoRCCSRENKEI
 
第15回 配信講義 計算科学技術特論A(2021)
第15回 配信講義 計算科学技術特論A(2021)第15回 配信講義 計算科学技術特論A(2021)
第15回 配信講義 計算科学技術特論A(2021)RCCSRENKEI
 

Mehr von RCCSRENKEI (20)

第15回 配信講義 計算科学技術特論B(2022)
第15回 配信講義 計算科学技術特論B(2022)第15回 配信講義 計算科学技術特論B(2022)
第15回 配信講義 計算科学技術特論B(2022)
 
第14回 配信講義 計算科学技術特論B(2022)
第14回 配信講義 計算科学技術特論B(2022)第14回 配信講義 計算科学技術特論B(2022)
第14回 配信講義 計算科学技術特論B(2022)
 
第12回 配信講義 計算科学技術特論B(2022)
第12回 配信講義 計算科学技術特論B(2022)第12回 配信講義 計算科学技術特論B(2022)
第12回 配信講義 計算科学技術特論B(2022)
 
第13回 配信講義 計算科学技術特論B(2022)
第13回 配信講義 計算科学技術特論B(2022)第13回 配信講義 計算科学技術特論B(2022)
第13回 配信講義 計算科学技術特論B(2022)
 
第11回 配信講義 計算科学技術特論B(2022)
第11回 配信講義 計算科学技術特論B(2022)第11回 配信講義 計算科学技術特論B(2022)
第11回 配信講義 計算科学技術特論B(2022)
 
第10回 配信講義 計算科学技術特論B(2022)
第10回 配信講義 計算科学技術特論B(2022)第10回 配信講義 計算科学技術特論B(2022)
第10回 配信講義 計算科学技術特論B(2022)
 
第9回 配信講義 計算科学技術特論B(2022)
 第9回 配信講義 計算科学技術特論B(2022) 第9回 配信講義 計算科学技術特論B(2022)
第9回 配信講義 計算科学技術特論B(2022)
 
第8回 配信講義 計算科学技術特論B(2022)
第8回 配信講義 計算科学技術特論B(2022)第8回 配信講義 計算科学技術特論B(2022)
第8回 配信講義 計算科学技術特論B(2022)
 
第7回 配信講義 計算科学技術特論B(2022)
第7回 配信講義 計算科学技術特論B(2022)第7回 配信講義 計算科学技術特論B(2022)
第7回 配信講義 計算科学技術特論B(2022)
 
第6回 配信講義 計算科学技術特論B(2022)
第6回 配信講義 計算科学技術特論B(2022)第6回 配信講義 計算科学技術特論B(2022)
第6回 配信講義 計算科学技術特論B(2022)
 
第5回 配信講義 計算科学技術特論B(2022)
第5回 配信講義 計算科学技術特論B(2022)第5回 配信講義 計算科学技術特論B(2022)
第5回 配信講義 計算科学技術特論B(2022)
 
Realization of Innovative Light Energy Conversion Materials utilizing the Sup...
Realization of Innovative Light Energy Conversion Materials utilizing the Sup...Realization of Innovative Light Energy Conversion Materials utilizing the Sup...
Realization of Innovative Light Energy Conversion Materials utilizing the Sup...
 
Current status of the project "Toward a unified view of the universe: from la...
Current status of the project "Toward a unified view of the universe: from la...Current status of the project "Toward a unified view of the universe: from la...
Current status of the project "Toward a unified view of the universe: from la...
 
Fugaku, the Successes and the Lessons Learned
Fugaku, the Successes and the Lessons LearnedFugaku, the Successes and the Lessons Learned
Fugaku, the Successes and the Lessons Learned
 
第4回 配信講義 計算科学技術特論B(2022)
第4回 配信講義 計算科学技術特論B(2022)第4回 配信講義 計算科学技術特論B(2022)
第4回 配信講義 計算科学技術特論B(2022)
 
第3回 配信講義 計算科学技術特論B(2022)
第3回 配信講義 計算科学技術特論B(2022)第3回 配信講義 計算科学技術特論B(2022)
第3回 配信講義 計算科学技術特論B(2022)
 
第2回 配信講義 計算科学技術特論B(2022)
第2回 配信講義 計算科学技術特論B(2022)第2回 配信講義 計算科学技術特論B(2022)
第2回 配信講義 計算科学技術特論B(2022)
 
第1回 配信講義 計算科学技術特論B(2022)
第1回 配信講義 計算科学技術特論B(2022)第1回 配信講義 計算科学技術特論B(2022)
第1回 配信講義 計算科学技術特論B(2022)
 
210603 yamamoto
210603 yamamoto210603 yamamoto
210603 yamamoto
 
第15回 配信講義 計算科学技術特論A(2021)
第15回 配信講義 計算科学技術特論A(2021)第15回 配信講義 計算科学技術特論A(2021)
第15回 配信講義 計算科学技術特論A(2021)
 

El text.life science6.ikeguchi1911211.