はてなブックマーク

Google colab, pyscf 2.6.2, py3Dmol, PubChemPy 1.0.4., rdkit 2024.3.5, Avogadro 1.2.0 1. 量子化学計算用のソフトウェア: PySCFとは 参考文献[1]から引用 PySCF（Python Simulations of Chemistry Framework）は、Pythonベースのオープンソースの量子化学計算フレームワークです。PySCFは、高度な電子構造計算をシンプルかつ効率的に実行するためのツールを提供し、研究者や学生が量子化学の計算を容易に行えるように設計されています。 PySCFの主な特徴は以下の通りです： モジュラー設計：PySCFは、計算の各ステップ（分子の構造定義、基底状態の計算、励起状態の計算など）をモジュールとして提供しており、必要な部分だけを組み合わせて使用することができます。 高性能

4. TD-DFTとは？ TD-DFT（Time-Dependent Density Functional Theory、時間依存密度汎関数理論）は、分子の励起状態の性質を研究するための計算手法です。通常の密度汎関数理論（DFT）は基底状態のエネルギーと電子分布を求めるのに対し、TD-DFTは時間依存する系の応答を解析し、分子の光学的性質を評価するために使用されます。 TD-DFTの基本概念 TD-DFTは、電子密度の時間発展を追跡することで、分子の励起状態を解析します。これにより、電子遷移エネルギー（吸収波長）や振動子強度（吸収強度）を計算し、UV-Visスペクトルを予測することができます。TD-DFTは、以下のような特徴を持っています： 効率性：従来の励起状態計算手法（例えば、配置間相互作用法や多配置自己無撞着場法）に比べて計算コストが低く、大規模な分子系に対しても適用可能です。 精度

細胞アノテーション(注釈付け)とは？ 細胞アノテーションとは、細胞が発現しているRNA量(発現遺伝子)に基づき、細胞名を決定することです。これにより、試料の中にどんな細胞が存在していたのかを同定する事が出来ます。 以下でもう少し詳しく説明します。 細胞アノテーションは遺伝子の発現情報に基づき、データベースの細胞タイプの中から最も類似した細胞タイプを割り当てます。これには様々な方法があり、今回はdecouplerとCellTypistについて解説します。 decoupler decouplerは、クラスタリングした後のデータに対して、それぞれのクラスターの遺伝子の発現量と、データベースの細胞の発現量を比較します。そこで統計的な検定を行い、データベースの中でもっとも類似した細胞タイプを割り当てます(加えて、他のグループよりも有意に類似度が高い細胞タイプを選ぶ)。RのSingleRとほぼ同じ手順

擬似バルク RNA-seq 解析（pseudo bulk RNA-seq analysis）とは？ 疑似バルク解析（pseudo bulk analysis）とは、シングルセルRNA-seqデータを用いて、bulk RNA-seqの解析手法を適用できるようにすることです。以下でもう少し詳しく説明します。 バルクRNA-seqとは バルクRNA-seqは、多数の細胞から抽出されたRNAをまとめて解析します。比較的安価で、広く利用されています。scRNA-seqと違って全体のRNA発現プロファイルを提供しますが、個々の細胞の違いは反映されません。そのため大規模な発現変動の解析、遺伝子発現のパターンの特定、疾患関連遺伝子の発見などに適しています。 疑似バルク解析とは 疑似バルク解析（pseudo-bulk analysis）は、シングルセルRNA-seq（scRNA-seq）データを用いて、バル

この記事では、Pythonで量子化学計算ができるPySCFを用いて、分子の分子軌道を取得・可視化する方法を解説します。特に、DFT計算による構造最適化、振動数計算、分子軌道の可視化手順について詳述します。これにより、PySCFを使用して簡単に対象分子の分子軌道を得ることができ、分子軌道の解析を通じて化学反応性の予測が可能になります。 量子化学計算用のソフトウェア: PySCFとは PySCF（Python Simulations of Chemistry Framework）は、Pythonで書かれた無料・商用利用が可能なオープンソースの量子化学計算Pythonライブラリです。PySCFは特に電子構造計算に対応しており、密度汎関数理論（DFT）、ハートリー・フォック法、ポストハートリー・フォック法など多様な計算手法をサポートしています。利用者はPythonを用いて容易に計算セットアップを行

量子化学計算用のソフトウェア: PySCFとは PySCF（Python Simulations of Chemistry Framework）は、Pythonで書かれた無料・商用利用が可能なオープンソースの量子化学計算Pythonライブラリです。PySCFは特に電子構造計算に対応しており、密度汎関数理論（DFT）、ハートリー・フォック法、ポストハートリー・フォック法など多様な計算手法をサポートしています。利用者はPythonを用いて容易に計算セットアップを行うことができ、拡張性とカスタマイズの自由度が高いため、研究開発に適しています。[1]。 参考文献[1]から引用 IRスペクトルと調和近似 1. 調和近似と振動数解析の役割 振動数解析は、構造最適化計算における構造が極小であるかどうかを確認するために行われます。具体的には、振動数解析では実際のポテンシャルを調和振動子による二次関数的なポ

本記事は低分子化合物の毒性予測について書かれた記事です。2024年に公開された最新のVenomPred 2.0というツールを用いて、QSARによる毒性予測と毒性になりうる構造（Toxicophore）の予測を行います。こちらの内容が理解できると、望みの化合物の毒性、それを引き起こす可能性のある官能基を簡単にわかることができるようになります。ぜひ皆さんもトライしてみて下さい！

今回使用するPyscf, Avogadro, py3Dmolは以下の目的で利用しています。 Pyscf : 構造最適化計算・振動数計算の実行 Avogadro : 分子構造座標作成 py3Dmol：Google colab上で分子の可視化 量子化学計算用のソフトウェア: PySCFとは PySCF（Python Simulations of Chemistry Framework）は、Pythonで書かれた無料・商用利用が可能なオープンソースの量子化学計算Pythonライブラリです。PySCFは特に電子構造計算に対応しており、密度汎関数理論（DFT）、ハートリー・フォック法、ポストハートリー・フォック法など多様な計算手法をサポートしています。利用者はPythonを用いて容易に計算セットアップを行うことができ、拡張性とカスタマイズの自由度が高いため、研究開発に適しています。[1]。 参考文献

ゲノム解析とは？ ゲノム解析は、生物のゲノム、つまり遺伝情報全体の構造、機能、進化を理解するために行われる一連の方法です。この解析はDNAシーケンスの決定から始まり、そのデータを使って遺伝子の位置、遺伝子間の関係、遺伝子の変異などを特定し、これらの遺伝情報がどのように生物の形質や疾患に関連しているかを解明することを目的としています。 ゲノム解析には以下のような種類があります。 全ゲノムシーケンシング（WGS）：生物の完全なゲノム配列を決定するプロセス。これにより、疾患関連遺伝子の同定、進化的研究、種間の比較などが可能になります。 全エクソームシーケンシング（WES）：ゲノム中のすべてのエクソン（タンパク質をコードする遺伝子領域）を対象としたシーケンシング。遺伝性疾患の原因となる変異を探索するのに特に有用です。 ターゲットシーケンシング（target sequence）：、特定の興味のあるD

CASTpとは CASTpは「Computationally Automated Sites of Topological Pockets」と呼ばれるシステムで、タンパク質のポケット(タンパク質の表面にあるくぼみや穴のこと)やキャビティ(ンパク質の内部にある閉じた空間で、外部の溶媒がアクセスできない部分)を計算し、識別するためのツールです。 CASTpは、タンパク質の3D構造から特定の部分を抽出し、科学者がタンパク質の機能や反応の仕組みを理解するのを助けます。 詳しい説明についてはこちらをご覧ください。 タンパク質の下準備 今回の扱うタンパク質はsodium glucose transporter 2（SGLT2)(PDB:7VSI)になります。 SGLT2（ナトリウム-グルコース共輸送体2）は、糖尿病治療における魅力的な薬物標的です。この輸送体は、腎臓の尿細管でグルコースの再吸収を促進す

注釈: ※1 AO: 原子軌道、MO: 分子軌道 ※2 サポートされているが、特定の機能に限定される ※3 アクティブ軌道：シミュレーションにおいて電子相関が考慮される軌道の範囲であり、pyscfではDMRG、SHCI、またはFCIQMCプログラムをアクティブ空間ソルバーとして使用します ※4 18e, 18o: 18電子系、18軌道系 CISD: シングルとダブルを持つ構成間相互作用、DFT: 密度汎関数理論、ECP: 有効コアポテンシャル、FCI: 完全構成相互作用、HF: Hartree-Fock、IAO: 固有原子軌道、MCSCF: 多配置自己無撞着場、MP2: Møller-Plesset二次摂動理論、NAO: 自然原子軌道、TDDFT: 時間依存DFT。 2.2 Gaussianとの比較 Gaussianは量子化学計算の分野で最も用いられているソフトウエアです。Gaussian

土地被覆分類とは？ 衛星画像や航空写真などのリモートセンシングデータを分析し、地表のさまざまなカバータイプ（例えば、森林、農地、水域、都市地域など）を識別するプロセスです。土地被覆分類は地球環境のモニタリング、土地利用計画、生態系の管理、気候変動の研究など、多くの応用分野で利用されます。 以前の記事で利用した環境省生物多様性センターの植生図をはじめ、国土地理院の地理院地図、産総研のシームレス地質図などが作成され公開されています。 GEEには土地被覆分類を行うためのオブジェクトとして**ee.Classifier**というものが用意されています。これを利用することで機械学習を利用した土地被覆分類を行うことができます。 今回は、CARTを利用して、ローカルな土地被覆分類を行ってみます。 CARTとは？ CART（Classification And Regression Trees）は、教師あ

本記事はligand-based screeningについての記事です。ligand-based screeningでは一つの化合物を元に他の治療薬としての可能性を探ることができます。本記事では話題のプベルル酸を例として、腎毒性を抑えつつ、他の病気の薬としての可能性を見出していきます。本記事を読むと、Ligand-based screeningのやり方を習得することができます。

スケールの設定 次の画像のように画像内にスケールバーがあるものは、次に紹介する操作で画像内のピクセルと対応させることができます。 まず、File>Open Samples>Embryosで同じ画像を開きます。次にツールバーのStraightを選択します。 embryos.jpgの画像が開ければ、画像右下のスケールに沿うように線を伸ばします。 Analyze>Set Scale…を選択すると、以下のようなウィンドウが開くので、各パラメータを設定していきます。 Distance in Pixels: 画像上で測定した距離（ピクセル単位）を入力します。ここで設定する数値によって、その長さが画像内の何ピクセルに相当するかが決まります。先ほど直線ツールでスケールの上に重ねた直線の長さがあらかじめ入力されていると思います。今回の例では470ピクセルあたりになっているかと思います。 Known Dist

この記事では、Gaussianソフトウェアを使用した一点計算（Single Point Calculation）の実践方法とその応用について解説します! Gaussianを用いた一点計算の基本から始め、具体的な計算手順、そしてエネルギーと電子密度計算のoutputファイルの確認方法までを網羅しています。この記事を身につけることで、分子の電子的性質や反応性に関する理解を得られるようになります。 1. 一点計算とは 一点計算の重要性と応用分野 一点計算は、特定の分子や材料のエネルギーや他の特性を出すための計算手法です。この方法を使って、分子がどれだけ安定かや、化学反応でどう変化するかなどを調べることができます。新しい薬を開発する時や、新しい材料を作る時に、どんな性質を持つかを予測するのに役立ちます。つまり、分子設計、材料科学、薬剤開発などの多くの分野で、事前に物質の振る舞いを知るために重要なツ

毒性評価とは 創薬分野における毒性評価は、新しい医薬品の安全性を確認するために不可欠なプロセスです。この評価は、薬が人間に与える潜在的な害を理解し、回避することを目的としています。毒性評価は、通常、薬の開発初期段階で行われ、細胞培養、動物実験、そして最終的には臨床試験を通じて、薬の安全性プロファイルを確立します。このプロセスでは、急性毒性、慢性毒性、遺伝毒性、発がん性、生殖・発生毒性など、さまざまな種類の毒性が評価されます。近年では、in silico（コンピュータ上でのシミュレーション）や代替的なin vitro（試験管内での実験）方法が、動物実験の補完または代替として利用されるようになり、倫理的な懸念の軽減や、評価プロセスの高速化、コスト削減に貢献しています。毒性評価の結果は、薬の開発進捗、用量設定、投与スケジュールの決定に重要な役割を果たし、患者の安全と薬の効果的な使用を保証するため

新薬探索を試したい方必読！ ITエンジニアである著者の視点から、wetな研究者からもdryの創薬研究をわかりやすく身近に感じられるように解説しています 物性評価とは 薬物化合物の物性評価とADME（吸収、分布、代謝、排泄）は、医薬品開発において重要な要素です。物性評価では、化合物の溶解性、安定性、リポフィリシティ（脂溶性）、分子サイズなどの基本的な化学的特性を調査します。これらの物理化学的特性は、薬物の生体内での挙動、すなわちADMEプロセスに直接影響を及ぼします。吸収は薬物が体内に入る方法を指し、分布は薬物が体内でどのように移動し組織に分配されるかを示します。代謝は薬物が体内でどのように変化し、活性を変えるかを、排泄は薬物が体外にどのように排出されるかを表します。これらの過程は、薬物の有効性、安全性、および投与量を決定する上で不可欠です。 SwissADMEとは SwissADMEは、こ

本記事を進むにあたって、UCSF Chimeraのダウンロードをお願いします。 分子ドッキングとは？ 分子ドッキングは薬物開発において重要な手法です。これは、タンパク質などの大きな分子と小さな分子（潜在的な薬物）との相互作用をコンピュータ上でシミュレートする過程です。分子ドッキングは、薬物がターゲットとなるタンパク質にどのように結合するかを予測し、その結合の強さや特性を評価します。これにより、新しい薬物候補の効果や副作用を理解し、薬物開発の初期段階でのスクリーニングを効率化することができます。分子ドッキングは、候補となる化合物の広範なライブラリから有望な薬物を特定するのに役立ちます。 Swiss-Dockとは Swiss-Dockは、分子ドッキングを実行するための無料でアクセス可能なウェブベースのツールです。このツールは、特にタンパク質-リガンド相互作用のモデリングに焦点を当てています。ユ

AI創薬とは？ AI創薬は、人工知能（AI）技術を利用して新しい薬物を発見、開発するプロセスです。AIは大量のデータを高速に処理し、薬物の候補を予測したり、薬物相互作用を評価したりします。また、AIは薬物の効果や安全性をシミュレートすることも可能で、臨床試験の前の段階でリスクを評価することができます。これにより、薬物開発のコストと時間を大幅に削減することが期待されています。AI創薬は、薬物開発の新しいパラダイムとして注目を集め、製薬企業や研究機関で積極的に研究、導入が進められています。また、バイオインフォマティクス、ケモインフォマティクス、機械学習、ディープラーニングなどの技術が組み合わされ、薬物開発のプロセスを革新しています。さらに、AI創薬は個人化医療の推進にも寄与し、患者にとって最適な治療法を提供する可能性を秘めています。 今回はAI創薬の中でも、in silico screeeni

本記事はAI創薬の一つである機械学習を用いたin silico screeningについて書かれた記事です。第5章まであり、すべての内容が理解できると、目的の標的にあった薬物候補化合物を発見することができます。こちらの記事は第4章で第3章で整形したデータ機械学習モデルを行います！AI創薬っぽくなってきました。ぜひ皆さんもトライしてみて下さい！ AI創薬とは？ AI創薬は、人工知能（AI）技術を利用して新しい薬物を発見、開発するプロセスです。AIは大量のデータを高速に処理し、薬物の候補を予測したり、薬物相互作用を評価したりします。また、AIは薬物の効果や安全性をシミュレートすることも可能で、臨床試験の前の段階でリスクを評価することができます。これにより、薬物開発のコストと時間を大幅に削減することが期待されています。AI創薬は、薬物開発の新しいパラダイムとして注目を集め、製薬企業や研究機関で積