生命科学研究に機械学習のアプローチをどのように使うのか，それによって何ができるのかを解説します．初心者にも取り組みやすいGoogle ColaboratoryやImageJの入門記事もおすすめです． 第1章 機械学習入門 1．Google Colaboratory入門ー機械学習を体験しよう 2．ImageJを使った機械学習による生物画像解析入門 第2章 バイオインフォマティクス I．遺伝子発現機構・発生・分化 1．1細胞RNA-seqを用いた細胞タイプの同定技術 2．scRNA-seqを用いた細胞系譜の軌跡推定ーデータの背後の流れを読みとる技術 3．scRNA-seqデータから空間的遺伝子発現パターンを再構成する機械学習 4．ラマン分光を用いた細胞内の遺伝子発現の推定 II．免疫・微生物・化学・創薬 5．機械学習を応用したT細胞受容体レパトア解析 6．メタゲノム解析における機械学習的手法 7．テンソル分解による薬物応答トランスクリプトームの予測と創薬応用 8．医薬品開発におけるIT技術 第3章 画像解析 I．画像の分類・特徴化 1．クラシフィケーションの原理と生物・医療への応用 2．細胞画像のわずかな違いをとらえて分類するAI-細胞画像の見分け方をAIに教えてもらおう 3．機械学習のさまざまな問題設定と解法ー正しくラベルが付いたサンプルが少ない場合の機械学習 II．画像からの細胞・運動情報抽出 4．機械学習によるバイオイメージセグメンテーション 5．細胞トラッキングの機械学習および数理最適化技術ー多物体トラッキングの課題とアプローチ 6．行動追跡とDeepLabCut-アニマルポーズトラッキング技術 第4章 統計解析 I．形態・物性解析 1．深層学習による細胞形状解析 2．多細胞集団の力学への機械学習アプローチ II．動態・状態解析 3．1分子計測データの隠れ状態を推定する統計的解析法ー隠れマルコフモデルと最大エントロピーークラスタリング 4．分子シミュレーションと実験データを統合する機械学習手法 5．細胞の内部状態を探り出す系譜木解析 III．運動・行動解析 6．機械学習による移動行動解析の考え方 7．強化学習・逆強化学習に基づく動物行動のモデリングとデータ解析