01 Challenges
研究現場の
こんな課題に。
実験は進んでいるのに、解析や実装に時間が取られている。そんな状況を、研究の目的とデータに合わせた仕組みづくりで支えます。
-
C—01同じ解析を、データが増えるたびに手作業で繰り返している
前処理から統計検定、作図、CSVへの集約までを一連の処理にまとめ、コマンド1つで再実行できるようにします。
-
C—02試したい手法はあるが、実装と比較に手が回らない
複数の機械学習・深層学習の手法を同じ条件で学習・評価できる形で実装し、結果を比べられるようにします。
-
C—03候補が多く、実験だけでは絞り込みきれない
予測モデルやドッキングシミュレーションで候補を同じ条件でスコア化し、次に試す候補の検討に役立てます。
-
C—04作ったコードを、研究室の中で引き継げない
処理の流れやパラメータの意味を解説し、研究室の皆さまが修正・再実行できる状態を目指します。
02 Services
依頼できること。
研究テーマとデータに合わせて、必要な範囲だけをご依頼いただけます。
-
S—01
解析処理の自動化・パイプライン構築
実験データの前処理、統計解析、可視化、結果の集約を自動化します。解析条件は設定ファイルで管理し、同じ条件での再解析や条件を変えた比較を行えるようにします。
- RNA発現量の2群間比較
- ホモロジー検索
- ハイパースペクトル画像の可視化
- 画像からの数値読み取り
-
S—02
予測・分類モデルの開発
画像、スペクトル、配列、化合物構造などから、活性の予測や分類、異常検知を行うモデルを開発します。交差検証・ROC評価に加え、Grad-CAMなどで予測の根拠を確認できるようにします。
- 構造活性相関
- 画像からの活性値予測
- 画像・スペクトルの分類
- 異常検知
-
S—03
シミュレーション・候補探索
ドッキングシミュレーションによる結合評価や、予測モデルを報酬に用いた強化学習による配列生成など、候補の探索を計算で支援します。
- ドッキングシミュレーション
- 強化学習による配列生成
- スーパーコンピューターでの実行
-
S—04
研究室での活用支援
開発したコードの処理の流れ、パラメータの意味、出力の読み方を解説します。実験の目的に合わせた前処理や学習・評価の条件設定も、一緒に検討・調整します。
- コードの解説・レクチャー
- 実験条件の設定補助
- 実行手順の整備
対応範囲
- 対象
- 大学・公的研究機関の研究室、企業の研究開発部門
- 研究分野
- 医学・生命科学・創薬・化学などのライフサイエンス領域を中心に対応します
- 扱うデータ
- 画像、スペクトル・ハイパースペクトル画像、塩基配列・アミノ酸配列、化合物構造、RNAシーケンスのカウントデータ、表形式データ
- 主な技術
- Python、R（edgeR）、scikit-learn、XGBoost、LightGBM、PyTorch、RDKit、Mordred、NCBI BLAST+、LightDock、Stable-Baselines3、OpenCV
- 実行環境
- 研究室のPC（GPU／CPU）、スーパーコンピューター（ジョブスケジューラ）、Docker・condaによる環境構築
想定する成果物
ご依頼の内容に合わせて、ヒアリングの際に範囲を決めます。
- 解析・学習のプログラム前処理から学習・評価、可視化までのソースコード
- 解析結果図（ヒートマップ、ボルケーノプロット、ROC曲線など）と表・CSV
- 学習済みモデル保存したモデルと、読み込んで推論するための処理
- 実行環境と手順環境構築の設定、設定ファイル、実行手順の説明
03 Strengths
研究支援で
大切にしていること。
研究データを扱ってきた
実装経験医学系・微生物系の研究室で、画像・スペクトル・配列・化合物構造を扱うモデルと解析システムを開発してきました。データの特性に合わせて手法を選び、実装します。
再現できる解析
データベースのバージョンや解析条件を設定ファイルで管理し、同じ条件での再解析や、条件を変えた比較を繰り返し行える構成にします。
使いこなせるまで
伴走する納品して終わりではなく、コードの解説・レクチャーや条件設定の補助を通じて、研究室の皆さまが自ら修正・再実行できる状態を目指します。
04 Cases
研究支援の実績。
掲載の許可をいただいた事例です。研究機関名と研究内容の詳細は伏せて掲載しています。
Microbiology Lab — 6 cases微生物系研究室｜活性予測・配列解析
Medical Lab — 5 cases医学系研究室｜画像・スペクトル解析
05 Process
ご相談から納品まで、
伴走しながら進めます。
開発をお任せいただくだけでなく、各ステップで解析の考え方やコードの使い方をお伝えします（ティーチング）。納品のときには、研究室の皆さまが自ら修正・再実行できる状態を目指します。
- STEP 01
ご相談
フォームから、研究の目的や扱うデータの概要をお知らせください。検討段階のご相談でも構いません。
Teaching解析や機械学習で何ができるか、どんなデータが必要かをご説明します。
- STEP 02
ヒアリング
研究テーマ、データの形式と量、現在の解析方法、必要な成果物を伺い、対応方法を整理します。
Teaching考えられる解析手法と、それぞれの考え方・向き不向きをお伝えします。
- STEP 03
お見積り
作業範囲、成果物、スケジュールをまとめ、お見積りをご提示します。まず小さな範囲から始め、結果を見て次の範囲を決めることもできます。
Teaching納品後に研究室で引き継ぐ範囲と、そのために必要な解説の内容を一緒に決めます。
- STEP 04
開発
途中経過を共有しながら実装し、解析結果やモデルの評価を確認いただきます。
Teaching処理の流れや評価結果の読み方を、途中経過とあわせて解説します。
- STEP 05
納品
成果物をお渡しし、研究室で使える状態に整えます。
Teachingコードの使い方、パラメータの意味、設定の変え方をレクチャーします。
06 Estimate
費用・納期について。
小さく始めて、必要に応じて広げられます
いきなり大きな開発をご依頼いただく必要はありません。次のような小規模なご依頼から始め、結果を見て次に取り組む範囲を一緒に検討できます。小規模なご依頼は5万円（税別）からお受けしています。
- 既存の解析スクリプトの整理・修正
- ひとつの解析処理の自動化
- 開発済みのコードの解説・使い方のレクチャー
費用と納期は、研究テーマ、データの量と形式、必要な成果物によって変わるため、ヒアリングのうえ個別にお見積りします。次の情報をお知らせいただくと、検討がスムーズです。
- 01研究の目的と、解析・開発で明らかにしたいこと
- 02扱うデータの種類・形式・おおよその量
- 03現在の解析方法と、困っていること
- 04必要な成果物（プログラム、解析結果、モデルなど）
- 05実行したい環境（研究室のPC、スーパーコンピューターなど）
- 06希望する時期と、ご予算の目安・執行時期
すべてが決まっていなくても問題ありません。分かる範囲でお知らせください。
07 FAQ
よくあるご質問。
研究内容が未公開でも相談できますか？
ご相談いただけます。秘密保持契約（NDA）の締結を希望される場合は、ご相談の際にお知らせください。
研究データはどのように受け渡し・管理しますか？
受け渡しの方法、保管、作業後の削除などの取り扱いは、所属機関の規程やデータの性質に合わせて、ご契約の際に取り決めます。個人情報を含むデータの場合は、事前にご相談ください。
ソースコードは納品されますか？権利はどうなりますか？
納品するソースコードや成果物の範囲、権利の帰属は、ご依頼の内容に合わせてお見積りの段階で確認し、ご契約で取り決めます。
納品後に条件を変えて再解析したい場合は？
これまでの開発では、解析条件を設定ファイルで切り替えられる構成にし、コードの解説や条件設定の補助も行ってきました。納品後の修正や追加開発については、内容を伺ったうえで対応方法をご相談します。
どの程度の規模から依頼できますか？
既存の解析スクリプトの整理や、ひとつの解析処理の自動化、コードの解説・レクチャーといった小規模なご依頼は、5万円（税別）からお受けしています。まずは課題の内容をお聞かせください。
08 Contact
研究データの解析、
まずはご相談ください。
扱うデータと解析したいテーマを伺い、必要なモデルと処理の仕組みをご提案します。小規模なご依頼やお見積りのご依頼も、こちらから受け付けています。
ご入力いただいた情報は、プライバシーポリシーに従って取り扱います。