AD研究についての準備

目的

AD患者およびその親族の負担を軽減し、一人でも多くの人を救済

ゴール

ADのメカニズム解明

手順

全体像

フェーズ	目的	主ツール
① 知識統合	既知メカニズムの構造化	PubTator / BEL / Neo4j
② 仮説生成	病態ネットワークから新規経路抽出	Knowledge Graph + GNN
③ 標的探索	有望ターゲット抽出	PyTorch Geometric
④ 分子設計	リード化合物生成	MolBERT / Diffusion Models
⑤ in silico評価	結合予測	AlphaFold2 / DiffDock
⑥ 再学習	実験結果でモデル改善	Active Learning

病態知識のAI化

ツール

用途	ツール
文献構造化	PubTator / BioBERT
因果関係抽出	INDRA / BEL
知識格納	Neo4j

やること ① 知識統合

1.PubMedからAD論文を自動収集
2.BioBERTでGene – Protein – Pathway – Phenotypeを自動抽出
3.Neo4jでアルツハイマー病態Knowledge Graph を構築

Phase 1｜アルツハイマー病態 Knowledge Graph 構築

🔧環境構築

pip install biopython transformers torch torch-geometric neo4j spacy scispacy
pip install indra pybel

📄 論文自動収集

thesis.py

from Bio import Entrez
Entrez.email = "your@mail.com"```

handle = Entrez.esearch(db="pubmed", term="Alzheimer's disease", retmax=2000)
ids = Entrez.read(handle)["IdList"]

🧬 因果関係抽出（INDRA）

INDRA.py

from indra.sources import pubmed

stmts = []
for pmid in ids[:100]:
    try:
        stmts += pubmed.process_pmid(pmid).statements
    except:
        pass

🧠 Knowledge Graph化

graph.py

from neo4j import GraphDatabase

driver = GraphDatabase.driver("bolt://localhost:7687", auth=("neo4j","password"))

with driver.session() as s:
    for st in stmts:
        if hasattr(st, "subj") and hasattr(st, "obj"):
            s.run("""
            MERGE (a:Entity {name:$a})
            MERGE (b:Entity {name:$b})
            MERGE (a)-[:CAUSES]->(b)
            """, a=str(st.subj), b=str(st.obj))

これにはconda環境とJupyterLabへの接続が必要。

これ以降は次回に書く。以上。