【生物、農学研究者向け】おもろそうなやつ

Hi

「これ、すごいな」と思った生物系のpythonコードを紹介していこうと思います。備忘録なので、ジャンル等の偏りは許してください。面白いプロジェクトがありましたら、コメントで教えて下さると嬉しいです‼

DeepLabCut

　教授も「これ、すごいよね～」と言っていたトラッキングの技術です。GUIでの操作ができるので、環境構築さえ上手くいけば、かなりいろいろなことが出来ます。引くレベルで色々出来るので、一回は[ドキュメント](https://deeplabcut.github.io/DeepLabCut/docs/README.html)を読んでほしいです。詳しくは[こちらのGithubをご覧ください](https://github.com/DeepLabCut/DeepLabCut)。 　難点は、環境構築がむずかしいという点です。Linux向けで開発されているので、Windows、Macでのインストールでは上手くいかないことがしばしば。その際はDockerでのインストールを試みるのも悪くないかも([参照](https://dendenblog.xyz/deeplabcut-docker/))。Dockerが上手くいかなかった場合、このサイトを見てください([参照](https://krhb.hatenablog.com/entry/2019/05/06/214914))。[Colab](https://github.com/DeepLabCut/DeepLabCut/blob/master/examples/COLAB_DEMO_mouse_openfield.ipynb)もある公開されているので、「インストールできねえ！」と思ったら、使ってみて下さい。

RaspberryPiと組み合わせて、面白いことをしちゃってるので、よかったら見てみてください!(https://www.jove.com/t/61409?language=Japanese)
DeepLabStream(DeepLabCutのストリーミング版)

細胞画像のわずかな特徴の違いの見分け方を教えてくれるAI

東京大学、理化学研究所、国立遺伝学研究所発の技術 一言でいえば、「画像のどこに着目すれば目的の情報が得られるのかAIが教えてくれるもの」です。これによって、研究者が「なんとなく」「経験的に」とらえていた現象や、そもそも見過ごされていた情報を、AIの手助けにより発掘・定量化できるようになります。転移学習でモデルをカスタマイズも出来そうなので、汎用性、応用性が高いものとなっています。 論文は[こちら](https://www.molbiolcell.org/doi/10.1091/mbc.E20-03-0187)。 Githubは[こちら](https://github.com/dtakao-lab/Nagao2020)。

3DeeCellTracker

名古屋市立大学院など発。 三次元ビデオ中の細胞集団を自動的に追跡する世界初の人工知能技術です。二次元画像を読みこみ、学習させ、細胞がどのように移動しているのか観測します。親切にも、Youtubeにデモ動画が載っています。詳しくは[デモ動画](https://www.youtube.com/watch?v=ctt6o3DY2bA)を見れば雰囲気が分かると思います。

2021年11/25日においては、Githubにファイルがないようです。また、いつかアップロードされると思うので、記事に残しておきます。

YOLACT

画像検出で言わずと知れたYOLOのインスタンスセグメンテーションバージョンのようなものです。インスタンスセグメンテーションとは、オブジェクトの検出されたインスタンスごとにセグメンテーション マップを生成する拡張タイプのオブジェクト検出です (Cf:インスタンス セグメンテーションの Mask R-CNN 入門)。オブジェクト検出の上位互換のようなものです。

日本の方で、面白いことをしていることをしていたので、リンクを張っておきます。
【YOLACT】たくさん実ったトマトのインスタンスセグメンテーションをやってみる

DeepHL

　大阪大学が開発した動物の特徴的な行動を自動で抽出する人工知能です。

　位置情報(xy座標orGPS)をAIに入力することで、Attention機構を用いて動物の特徴的な生態を出力してくれます。動物の行動解析は、生物科学者にとって、非常に難しいものです。DeepLabCut、SLEAPといったツールの登場で、動物の位置情報を得ることは難しくない時代になりました。しかし、そのデータは数字の羅列であり、なにを示しているのか、よくわからないという問題がありました。

　このDeepHLは、自動でAIが特徴的な行動を科学者に示してくれるので、手間、研究の敷居が下がることが期待出来ます。位置情報以外にも、DeepHLに入力できるので(化学物質や温度など)、汎用性の高い技術ではないでしょうか。工学分野でも活用が期待できると思うツールです。

ArcGIS Pro

　引くほど色々できる位置情報解析ツールです。

　有料あって、チュートリアルが豊富です。このチュートリアル通りやるだけで、「論文なるんじゃないかな」と思わせるほど、充実しています。

WORMPOSE

線虫をトラッキングすることだけを考えて開発されたトラッキングツールです。なかなかコアでニッチなところが好きです。上のDeepHLと組み合わせたら、面白いかもです。線虫は、モデル生物なので、このツールは結構いいものだと思います。Colabも提供されているのも良き。合成画像を用いて、線虫のトラッキングを可能にしている(線虫はどちらが頭かよくわからないため)と論文に書いてあったような。。。技術としても面白いと思います。

TrackMate-CellPose

　細胞のトラッキングを行うツールです。Cellposeでセグメンテーションを実行し、TarckMateでトラッキングを行うようです。

引用；imageJ documentから

　ImageJ のFijiのプラグインのひとつです。ImageJは、生命科学で非常に有名な画像解析ソフトです。GUIで色々なことが出来そうという印象です。

　Cellposeに関しては2021年にnature methodsに掲載されました。また、2022/04にバージョン２がリリースされ、パワーアップしました。

成田悠輔がつくったAI

ZOZOtownとの共同研究で、開発したAIです。Colabも提供されており、成田さんの優しさを感じます。

参考文献

https://www.nig.ac.jp/nig/ja/2020/04/research-highlights_ja/pr20200423.html https://www.nips.ac.jp/release/2021/03/post_434.html