創薬・DR成功のためのビッグデータ・人工知能(ディープラーニング)の活用法

講師

東北大学 東北メディカル・メガバンク機構 機構長特別補佐
       特任教授 医学博士・工学博士 田中 博 氏

《ご専門》
 ゲノム・オミックス医療 
《ご略歴》
 1981年 東京大学医学系大学院博士課程修了 医学博士
 1982年 東京大学 医学部 講師
 1983年 東京大学工学系大学院より 工学博士(論文)を授かる
 1982年~1983年 スウェーデンウプサラ大学・リンシェーピング大学客員研究員
 1987年 浜松医科大学 医学部附属病院 医療情報部 助教授
 1990年 米国マサチューセッツ工科大学(MIT)計算科学・人工知能研究所 客員研究員
 1991年 東京医科歯科大学 難治疾患研究所 生命情報学 教授
 1995年 東京医科歯科大学 情報医科学センター センター長 併任(〜2009)
 2006年~2010年 東京医科歯科大学大学院 生命情報科学教育部教育部長・大学評議員併任
 2015年 東京医科歯科大学名誉教授
      東北大学東北メディカル・メガバンク機構 機構長特別補佐・特任教授
《ご活動等》
 2002年~2006年 日本医学会幹事
 2003年~2007年 日本医療情報学会 理事長 兼 学会長
 2006年~2011年 医療IT推進協議会会長
 2011年~2017年 CBI(情報計算化学生物学会)学会長
 2011年~ 地域医療福祉情報連携協議会会長
 2014年~ 日本オミックス医療学会 理事長
 文部科学省、厚生労働省、経済産業省、総務省などの医療情報やゲノム医療に関する委員会、
 審議会の多くの委員長や委員をつとめる。

開催情報

query_builder : 2017/11/16 (木) 10:30 〜 16:30

location_on : 商工情報センター(カメリアプラザ) 9F 会議室

navigation : 東京都江東区亀戸2-19-1

受講料

49,980 円 (税込)

このセミナーは定員に達したため申し込みを締め切りました。

セミナー詳細

 1.生体分子プロファイル型の計算創薬/DR の基本概念
  (1)創薬を巡る状況とこれからの展望
  (2)疾患・薬剤・生体ネットワークの基本枠組み
 2.ビッグデータ創薬/DR(非学習型方法)
  (1)遺伝子発現プロファイル比較型の創薬/DR
  (2)疾患ネットワーク準拠の創薬/DR
  (3)計算創薬・DRの理論的な枠組み
    a.疾患関連遺伝子、薬剤標的分子、生体分子ネットワークの関係
    b.タンパク質相互作用ネットワークの3環構造と薬剤標的分子の分布
    c.タンパク質相互作用ネットワークにおける薬剤標的分子、疾患関連分子の関係
    d.様々な距離の定義(Wang, Sun, Barabasi ら)による有効薬剤の評価
 3.AI 創薬/DR(学習型方法)の実際と将来の方向
  (1)ビッグデータの特性と医療・創薬のパラダイム変革
    a.新 NP 問題とビッグデータの「構成性原理」
    b.層別化医療と Real World Data
  (2)人工知能の分類と歴史
    a.知識型人工知能とニューラルネットワーク
    b.医療分野での2つの人工知能のアプローチの展開
  (3)ニューラルネットワークの発展と ディープラーニング(DL)の革命性
    a.ニューラルネットワークの発展と従来の方式の限界
    b.ディープラーニング(DL)の革命性:「教師なし学習」による特徴表現学習
    c.多層自己符号化(deep autoencoder)による超多次元ネットワークの次元縮約
  (4)超多次元複雑ネットワークの革新的縮約法としての DL
    a.医療・創薬ビッグデータの縮約としての DL
    b.タンパク質相互作用ネットワーク(PPIN)の DL による縮約
    c.DLと従来の統計的縮約法との比較
  (5)AI 創薬―- DLによる薬剤標的分子の探索
    a.人工知能(DL)と機械学習による薬剤標的分子の(PPINの縮約準拠型)探索
    b.Pharm-AI の創薬:薬剤標的分子の探索方法の評価:
    c.Pharm-AI の DR:アルツハイマー症での探索結果とこれまでの結果との比較
  (6)AI 創薬発展の将来的方向と国際的研究状況
  4.質疑応答

このセミナーは定員に達したため申し込みを締め切りました。