タイトルの通りシンプルなメッセージですが、採用にちょろっと噛んでいる側の視点からちょっと書いてみたいと思います。 社内で激昂したり、同僚や上司部下に暴言を吐いたり、傍若無人な振る舞いをしたりするのは本人の自由だと思います。 まぁ嫌がられるでしょうし、居場所が狭まるでしょうけど。 で、居場所がなくなったら転職して人間関係をリセットできると考えがちなのですが、最近はそういうハックは非常に難しくなっていると思います。人の流動性が高まっているせいで、仲のいい元同僚はだいたいどの製薬会社にいますし、その結果、人物像に関する情報が回りやすくなっています。実際トキシックな人の情報は飲み会でも入ってくるし、なんかあると直接情報を仕入れたりしてるので裏履歴書的についてまわるようになっています。 「経歴は優秀だけどトキシックな人物は結局トキシック」ということなので、特に優秀だと自認（自称？）しているけど他人に

タイトルの通りで、他のチームのメンバーの人と話すと「上司が楽しそうに仕事をしているように見えないから管理職になりたくない/出世したくない」という意見をくれる人がちらほらいます。 まぁたしかにと思う一方、「楽しそうに仕事をしているようにみえる管理職っていうのはどういう状態を指すのだろうか？」という疑問が浮かびました。実際にそういうことを言う人に「仮に自分が管理職になったとしてどういう状態が楽しくしている管理職なの？」って訪ねてみたいですね。さらには、「自分が上司と同じくらいの社歴を積んだときに楽しく非管理職で働いている自分を想像できるのだろうか？その時は今の自分と何が変化しているのでしょうか？」とも。 自分が思うに、もしチームに問題がなくてマイクロマネジメントの必要がなければチームリーダーはそういった煩わしい雑務から開放されて、チームをどうするかとかのもっと大きい課題に集中できると思うんです

CBIでも「いつやるの？」と言われていたので、ちょっと皆さんで集まって打ち合わせという名目の忘年会をしました。 次回は1月の後半にオンサイトで予定しているので、参加を予定されている方は沼津に来るつもりで予定の調整をお願いします。私もなんか技術ブッパのトークをしたいなぁと考えています。 今回の打ち合わせは久しぶりに、立ち上げスタッフのNさん（前職での私の後輩）が参加したため、私の黒歴史を結構いじられましたが、おかげで自分が何を大切に生きているのか、何を軽んじているのかをかなり理解できてよかったです。 ちょうど社内で行われていた360度評価の結果が戻ってきていて自分の改善ポイントに悩んでいたところだったので大いに参考になりました。私はサイエンスに誠実にありたいと思う派らしく、そのあたり強い物言いをすることが多いよなぁと。しかし、そういう物言いされる事自体サイエンティストとして失格なんじゃないの

「私は正しい」と思うから怒る 職場で怒りを覚える状況というのは、部下が自分の期待通りの結果を出さなかったという「期待と現実の不一致」に対してが多いかと思います。このあたり仏教法話から拝借してます。 そんなトラブルは日常茶飯事ですが、私の場合はサイエンティフィックな仕事でそういう怒りを覚えることが多いみたいです。そもそもマネジメントスキルはそんなに高くないことを認識しているので、なんか素直に受け入れていますが、サイエンティフィックなレポートに論理性がなかったりすると、「この程度のことも？」ってイラッとします。まぁ局所的には論理的だけどいくつかの事象をつなげると破綻するっていう人は結構多くて、全体に一貫性をもたせられるっていう人ってほんの一握りだなぁとは理解しているので、自分勝手な期待感を相手に押し付けた結果の怒りであることは認識しているのであとから反省しています。さすがにそれをそのままぶつけ

AdeleのHometown Glory (High Contrast Remix)を聴いていたらなにか書きたい欲求が高まってきたので今夜もまた駄文を投下しようと思います。 Hometown Glory (High Contrast Remix) https://t.co/SJrtRie3y9 @YouTubeより — kzfm (@fmkz___) March 9, 2022 先週くらいに企業を超えてオンライン飲み会したときに「良さげな論文教えあってお互いプッシュしあってるかどうか？」みたいな話題がちょっと出たので、そのあたりの自分の考えをちょっとかいておこうかなぁと。このブログは誰に読まれていてどこまでリーチしているのかもはやわからんけど、みなさんの参考になればと。 まず、論文は読みましょう。論文は複利で効いてきて且つ効率がいいので、毎日1%でも人より多く論文を読めばいずれ自分への返礼

今の会社に転職して今日から6年目です。ちなみにバイオインフォのチームを引き継いで1年くらい経ちました。 先日社内の大きな会議でバイオインフォの成果発表をしたのですが、1年半前に前任者がかかげた「知のめぐりのよいファーマを目指して」というスローガンをうまく引き継いだ成果を幾つも出せたかなと思ってます。まぁ�資料作るのに非常に難儀して、土日を2度ほどぶっ潰してしまったのだけど、良いtakeawayが残せたと満足しています。余談ですが、社長も聞いてるプレゼンでアニメ（スラムダンク）ネタをぶっこんだのは私くらいのものでしょう( ｰ`дｰ´)ｷﾘｯ その反動もあって先週末は抜け殻と化していたのですが、東富士山荘でキノコ鍋を食べることは忘れずに実行しました。ちなみに、上にのっている白いのは松茸スライスです。今年は11/3に小屋を閉めるそうなのでギリギリセーフでした。

シングルセル解析をPythonでやりたい人には色々と役に立つことが書いてあると思います。私にとっては7, 10-12章が良かったです。1章から6章はPythonとかPandasの使い方なのでスキップしました。 scanpyの使い方が気になっていたのですが、付録Bに10ページくらいの解説だったけど、もう少しページを割いてもらえると嬉しかったかも。まぁオフィシャルドキュメント読めばいいんだろうけど。 全体的に満足な内容でしたが、 リードのトリミング ゲノム配列のマッピング マッピングされたリード数の数え上げ といった部分は割愛されているのでRNA-Seqデータ解析の内容くらいは理解してある必要があるかもしれません。 独習と銘打ってありますが、Pythonにある程度なれていないとハマるかもしれないなぁと思いました。本書で動作確認したPythonやCondaのバージョンとか各ライブラリのバージョン

献本ありがとうございます。 初版のサイン入り(#11)本も持っているので変更箇所を見比べながら読んでました。 著者のサイトを見てもらえれば良いと思うが、色々と更新されていました。 個人的には第5章にCHIP-seqの事例が追加されていて参考になりました。 あとはコード書いてるときにフォーマットのスペシフィケーションをすぐに参照できると嬉しいことが多いので重宝しています。

製薬企業でDryのポストを狙っている学生の方々は、おそらくバイオインフォマティクスやケモインフォマティクスの研究室に在籍しているか、ウェットの研究室の担当でDry解析も掛け持ちしているとかだと思います。なので、NGS解析用の既存のコードをモディファイするなり、研究室でメンテされているコードをちょいちょい書き換えたりして、研究成果を出しているのだと思います。就職活動で製薬企業でDryのポストを得るためには研究成果以外にも解析能力やコーディング能力をアピールできると良いと思いますので、損にはならない（と私が思っている）方法を2つほど紹介したいと思います。 GitHubは使えるようにしておこう DRY解析教本にも「GitHubアカウントはあなたの履歴書そのもの」と書かれているのでDryのジョブを探している人は意識しておくと良いと思います。 — kzfm (@fmkz___) February 1

バイオインフォマティクスの書籍というとだいたい３つに分類されるかと思いますが、本書は３のカテゴリに入るかなと思います。 アルゴリズムに関して記述してある本、情報科学系の人向け ユーザーとして解析方法を知りたい人向け インフラ寄りの立ち位置で、生命科学データベースやウェブサーバーなどを扱いたい人向け 本書の初版に寄せての1文を借りると 本書の主目的は生 物学の問題と解かんとするこれら研究者を助け，プログラミングの初歩をてほどきすることにある. つまり本書の特徴はBioPythonを通してPythonプログラミングの基本を覚えられるような構成になっています。目次を見ればわかりますが、8章までPythonの説明に当てられており、9章でBioPythonのいろいろな機能が紹介されます。二部ではDB操作(RDB, NoSQL)やWebアプリケーションの構築に触れられています。ただし、NGS解析につい

去年の振り返りはこちら。今年は色々あった気がする。特に後半は常にいいことと悪いことがセットでやってきて トータルちょっといい みたいな感じがデフォルトになってしまったので、まぁそういうもんかなと思うことにした。 仕事関連 組織とチームが大きく変わった。今まではcomputer chemistryのチームとして合成部門の中で適当に成果を追求していれば良かった、つまり、メディシナルケミストとしてプロジェクトにどう関わっていけばいいかを考えていれば良かったのだけど、上司も変わって、bioinformaticsのチームもマージされて幅広くマネジメントしなければいけなくなり苦労した。特に、Lead FindingとかLead Optimizationだけでなく5RでいうところのRight Target, Right Patientも担当範囲になったのでなかなか大変な一年であった。とはいえ、compu

この記事は創薬 (dry) Advent Calendar 2020の24日目の記事です。 ラブライブサンシャインとKNIMEに関してはみなさんご存知だと思うので詳しい説明は省きますが、 もしKNIMEについてよく知らない方はt_kahi’s blogをチェックして、ラブライブサンシャインを知らない人は、今すぐNetflixを購読して呪術廻戦と魔女の旅々を見てください。 今回は、KNIMEのワークフローを一元管理して共有するWebアプリケーションを作ったときの経緯を書いておきます。 そもそも、Mishima.syk #14で@t_kahiがKNIMEの話をしたときにうちの会社は共有システム作ったよっていう話をしていて、それを聞いた他社の人が「うちの会社にも欲しいわ」って言ったから「じゃぁ、OSSの作るわ」っていう流れで始まった気がします。 そんで、2週間後くらいにSpotfireのユーザー

「弱い紐帯の強さ」信者の私は強連結でない関係性というのを大切にしているし、twitterみたいなゆるいつながりのSNSもまたアイデアの源泉として重宝している。 さて、在宅勤務がデフォルトになってすでに半年が過ぎたわけであるが、たまに会社に行かないと色々と不都合を感じることが多くなった。最初の頃は、単にはんこを押すため出社であったのだが、最近は定期的に雑談という名のどうでもいい情報のやり取りをしに行くことが増えたのである。 在宅勤務しまくって得た教訓は「会社に雑談しにいかないと仕事が円滑にまわらない」という謎過ぎるものであった。 — kzfm (@fmkz___) October 29, 2020 まぁ、色々考えてみるに、つながりの強弱が新しいアイデアに重要なのでなく、つながりのなかでどの程度の質の情報をやり取りするかが重要なんだろうなーという結論に至った。雑談って強連結ネットワークの中で無

台風で自宅警備していたのと、久しぶりに読書をする時間があったのでほぼ一日かけてバリアントデータ解析の本を読んだ。 結論から言うと、大変良いので皆さんもとっとと購入して読みましょう。実験医学の別冊は値段のお高さで定評があるけど、旬の情報（日本語での）への自分への投資と考えると費用対効果は高いと思います。 自分のニーズとしてはAZの5RフレームワークでいうところのRight Targetにあるので、やはりChapter1が一番面白かったし、時間も割いて読んだ。Chapter2はどっちかというとRight Patientに対応するのかな？このあたりは弱いので他の人に任せたい。Chapter3のがんはちょっと興味があるけど、免疫の章があるとより嬉しかった。 あとCOLUMNが読み物としては一番面白かった。 Chapter1は特にClinVarとGWAS Catalogの使い方が丁寧に説明されていて

顧客が本当に必要だったものという風刺画はだれでも一度は目にしたことがあるだろう。 顧客はそもそも自分が欲しい物をきちんと理解していないことが多いため、自分の理解の範囲で要望を伝えることに問題があるし、それを字面通りに受け取るプロジェクトリーダーが要求の本質を理解していないということも同様に問題かと思う。解析という仕事においても同じことはあてはまる。特にケモインフォやバイオインフォの解析において、顧客はメディシナルケミストだったり、薬理の研究者だったりするわけだが、かれらの要求（知りたいこと）を彼ら自身がきちんと認識していないことは往々にしてある。 もし、こうい解析タスクが割り当てられて、その評価に労働時間が考慮されているのであれば、間違ったことを繰り返すことになんの問題もない、むしろ沢山の間違いを繰り返して、顧客から労働対価をぶんどるのは正しい戦略かと思う。社内においても「依頼されたタスク

瀬々先生の機械学習関連の話題をまとめた章が一番参考になったので、関連論文を落としてきて読んでいる。 それから沖先生、太田さんのChip-Atlasの解説がしてあるクローズアップ実験法も参考になった。TogoTVだとこのへん。 ChIP-Atlasを使って既報のChIP-seqデータをまとめて閲覧する 〜Peak Browserの使い方〜 ChIP-Atlasを使って興味ある遺伝子リストを制御する可能性の高い転写因子を調べる 〜Enrichment Analysisの使い方〜 ChIP-Atlasを使って興味のある転写因子を選択しその標的遺伝子候補を検索する 〜Target Genesの使い方〜 WGCNAでモジュール分割してから　ChIP-Atlasでエンリッチメント解析するとどうなるんだろう？と疑問に思ったので今度試してみる。 紙だと結構場所を取るので、Kindleでしかもさっとダウンロ

昔からTBPってよくわからんわと思っていたのだけど、構造見たらなるほどねーと思った。それにしてもTATAだからベンドするのだろうか？ それからエクソンってオーソログ間でかなり保存されていて(だから、配列アライメントでエクソンイントロン境界を決定するのが簡単)、昔はヒトのcDNAからマウスのオーソログをデータベースから探してきてプライマー設計、KOマウス作成のしごとをよく手伝っていたんだけど、あれって文字列操作ばっかりで、なんとなくリアリティがなかったのだけど、snRNPの構造結構解かれていておもしろそう。あとで論文追いかけてみよう。

生物学の説明一般に言えるんだけど、抽象的すぎてよくわからんことが多い。 例えばリン酸基についても2章で述べられているように水溶液中ではイオン結合や水素結合力って急激に減衰するはずなのに、リン酸基が溶媒側の残基に付加することでコンフォメーション変化が起こるとかそういう説明に持っていくのに違和感がある。「リン酸基は2価の陰イオンだから違うんやで」っていう理屈でもいいんだけど、その場合はどのくらいのエネルギー変化が期待できるとかそういう説明ほしかった。 あとちょっとの変化がとか書いてあるけど、ダイナミズムに対してどうなんかな？という疑問はつきまとってしまう。 LYSとメチル化が相性いいのはここで理解したからいいけど、アセチル化ってどういうエネルギー成分が支配的になってくるのか興味がある。 構造探すか。

この記事は、創薬 (dry) Advent Calendar 2019 の4日目の記事です。 分生に来ていますが図書コーナーのbono関連図書のモテ期襲来が圧巻でした。 chemoinformaticsなみなさんもこれを期に購入してbioinformaticsも勉強しましょう。これからは両方できてなんぼですよ。 ところで、標題の通り我々(@iwatobipenと私)はpy4chemoinformaticsを書きました。そのきっかけがちょうど去年の分生で、ある出版社の方につないでもらいchemoinformaticsの書籍を検討してもらう機会をいただいたのですがボツになってしまいました。その際に目次を書いて提出したのですが、まぁ折角章立てしたんだしGitHubに残そうぜってことになった次第です。 私としてはMishima.sykとしてなんとなく何かを残しておきたかったのと謝辞を書きたかったと

プログラミングまたは機械学習の高速道路は学習の高速道路に関しての話ですが、ライブラリとかツールキットでブースト問題ってのもあります。 ライブラリを使って出来る程度は高速道路を走るように解決出来ても、数学たち帰らないといけない問題になると、なかなか進まなくなるという感じでしょうか？ — Masakazu Sekijima (@m_sekijima) July 28, 2019 大体どの言語でもライブラリが充実していて、エコシステムを形成していて生産性が上がるんですが行き過ぎたプログラミング環境はどうなんかなーと思っていました。 つまりノンプログラマーのためのプログラミング環境(Pipeline Pilot/KNIME)とかRobot Process Automation(RPA)ってやつです。 ある程度の処理がコンポーネントという単位にまとめられていて、ユーザーはブロックを組み合わせる感覚で