背景紹介 原発不明癌（Cancer of Unknown Primary, CUP）は、組織病理学的に悪性転移が確認されるものの、通常の基線診断方法では原発部位が特定できない悪性疾患の一種です。CUPは診断が非常に難しく、治療も困難であり、全ての癌症例の3〜5％を占めるとされています。最も一般的な病理タイプは腺癌で、次いで扁平上皮癌および未分化癌が報告されています。複数の化学療法を試みても、患者の全体的な予後は非常に悪く、10か月の中央値生存期間に達する患者はわずか20％です。CUPの顕著な特徴は、その早期の転移と強い侵襲性、多臓器にわたる影響です。 免疫組織化学染色（Immunohistochemistry, IHC）は、CUPの原発部位を予測するための重要な手段として一般的に使用されます...
医療記録を使用した広範な病気の発生予測と新たな健康脅威への迅速な対応支援 研究背景と動機 新型コロナウイルス感染症の流行は、グローバルなシステムの欠陥やデータ駆動型の指針の欠如を露呈し、高リスク群の識別およびパンデミックの準備に重大な影響を与えました。個々の未来の病気リスク評価は、予防介入、早期疾患検出、および治療開始において重要です。しかし、共通する疾患については、特定のリスクスコアがあるのは一部に過ぎず、多くの関連疾患に対する医療提供者や個人の指針は不足しています。定められたリスクスコアが存在する場合でも、どのスコアを使用するかや関連する生理学的あるいは実験室測定についてのコンセンサスが欠如しており、日常的な医療実践が高度に断片化しています。特に新型コロナウイルス感染症の初期段階では、利...
Dimond: 深層学習による拡散モデルの最適化に関する研究 学術的背景 脳科学および臨床応用において、拡散磁気共鳴イメージング（Diffusion Magnetic Resonance Imaging, dMRI）は、非侵襲的に脳組織の微細構造や神経連結性を描くための重要なツールです。しかし、拡散信号モデルのパラメーターを正確に推定する計算コストは高く、画像ノイズの影響を受けやすいです。既存の多くの深層学習に基づく教師あり推定法は、効率と性能の向上の可能性を示していますが、これらの方法は通常追加のトレーニングデータを必要とし、汎化性が不足しているという問題があります。 論文の出典 この研究はZihan Li、Ziyu Li、Berkin Bilgic、Hong-Hsi Lee、Kui Yi...
DeepDTI：ディープラーニングを用いた高忠実度六方向拡散テンソルイメージングの実現 研究背景と動機 拡散テンソル磁気共鳴イメージング（Diffusion Tensor Imaging, DTI）は、生体内の脳組織の微細構造と構造的接続性をマッピングする上で比類のない優位性を持っています。しかし、従来のDTI技術は角度サンプリングの要求によりスキャン時間が長くなり、通常の臨床実践や大規模研究での応用に制約があります。このボトルネックを克服するために、研究者たちはDeepDTIという新しいDTI処理フレームワークを開発しました。これはデータ駆動の監督ディープラーニングにより、DTIのデータ要求を最小限に抑えることを目的としています。本研究の目的は、DeepDTIを使用してDTIのサンプリング...
この研究は、機械学習フレームワークを用いて、軟部組織肉腫を構成する基礎的な細胞状態とそのセル生態系を探索し、患者の予後と免疫療法への反応性との関連性を分析しました。 研究背景:軟部組織肉腫は、まれで異質性の高い結合組織の悪性腫瘍です。現在、転移性患者に対する全身治療の選択肢は限られています。最近の研究では、一部の転移性腫瘤患者において免疫チェックポイント阻害剤(ICI)が持続的緩解をもたらすことが示されていますが、大半の患者は恩恵を受けていません。従来の生物学的マーカー(腫瘤変異負荷やPD-L1発現など)では、肉腫患者のICI反応性を正確に予測できません。研究者らは、独自の腫瘍微小環境がこの現象の主要な原因である可能性を示唆しています。 研究過程:研究者らは、299例の局所肉腫患者のRNA-...
原子間相互作用力の幾何強化事前トレーニング はじめに 分子動力学(MD)シミュレーションは、物理学、化学、生物学、材料科学などの分野で重要な役割を果たし、原子レベルのプロセスの洞察を提供しています。MDシミュレーションの精度と効率は、分子系の原子間相互作用を記述する原子間ポテンシャル関数に依存しています。古典的MDでは経験式を使用し、パラメータを当てはめる必要がありますが、計算コストは低いものの精度が不十分です。一方、第一原理MDでは、シュレーディンガー方程式を解くことで精密な相互作用を得ることができますが、計算量が非常に大きくなります。そこで、機械学習による原子間ポテンシャル(MLIPs)が、第一原理計算から得られるエネルギーと力をフィッティングすることで、ab initio精度に近づきつ...
神経科学研究で重大な突破:深層学習技術を用いて脳波信号から自然言語を復号化する ニューヨーク大学の学際的研究チームが最近、神経科学と人工知能の分野で重大な突破を遂げました。彼らは深層学習に基づく新しいフレームワークを開発し、人間の脳の神経信号から直接自然な人間の声を復号化して合成することができます。この革新的な成果は、失語症や失音症の患者のための新世代の音声脳機械インターフェースの開発につながる可能性があります。 研究の動機 音声障害は患者の社会生活と生活の質に深刻な影響を与えます。過去数十年にわたり、研究者たちは、脳から音声を復号化し合成する神経インプラントを開発することで、これらの患者のコミュニケーション能力を回復させようと努力してきました。しかし、トレーニングに必要な脳と音声データの希...
早期の医薬品発見に従事する研究者は、およそ10の60乗の可能な分子構造の中から、薬理活性を持つ候補分子を見つけるという大きな課題に直面しています。この問題を解決する1つの有効な方法は、より小さな「フラグメント」分子から始めることで、この戦略はフラグメントベースの医薬品設計(FBDD)と呼ばれています。FBDDプロセスでは、まず計算機を使ってターゲットタンパク質の結合ポケットに結合するフラグメントを選別し、次にそれらのフラグメントを1つの化合物に接続します。フラグメントを接続する際には、フラグメントの幾何学的な構造とタンパク質ポケットの構造を考慮して、高い親和性を持つ潜在的な医薬品分子を設計する必要があります。 この論文では、DiffLinkerという新しいリンカー(linker)分子設計手法...
この論文は質量分析分子予測のためのグラフトランスフォーマーモデル(MassFormer)に関するものです。この研究は、質量分析データにおける分子同定問題に対して、小分子の質量分析スペクトルを予測するための新しい深層学習手法を提案しています。 背景紹介: 質量分析(MS)はタンパク質体学、代謝体学、環境化学など、様々な分野で広く使用される分析手法で、サンプル中の化学物質を同定および定量するために用いられます。しかしながら、小分子の多くについては、その断片化過程の複雑さゆえに、質量分析スペクトルを正確にシミュレートすることが常にこの分野での重要な課題となっています。従来のルールベースの手法(CFMなど)には性能と適用範囲の制限があります。近年、深層学習手法が質量分析予測に応用されるようになりまし...
現在、乱流中の流体によって運ばれる微粒子の統計的および幾何学的性質の研究には大きな課題があります。過去30年にわたり、理論、数値シミュレーション、実験の分野で優れた努力が払われてきましたが、乱流微粒子軌跡の統計と位相的特性を実際に再現できるモデルは未だに不足しています。本研究では、最新の拡散モデル(diffusion model)に基づく機械学習手法を提案し、三次元の高レイノルズ数乱流中の単一微粒子軌跡を生成することで、直接数値シミュレーションや実験によって信頼できるラグランジュデータを取得する必要性を回避しました。 論文情報: 本論文の著者はローマ大学など複数の機関に所属しており、2024年4月の「Nature Machine Intelligence」誌に掲載されました。 研究方法: (...