実験医学　Ｖｏｌ．３８－Ｎｏ．２０（２０２０増刊）「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？」

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

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。