本blogに書かれている内容は、記事を書いた時点での僕の知識や調査によるものです。そのため、僕の不勉強による間違いや勘違いがか書かれていることもあり得ます。記事の内容の真偽について、ご自身できちんと確かめて下さいますようよろしくお願いいたします。また、不適切な表現や間違えについては、ご指摘頂けると助かります。

Python関係のアップデート

僕は、Python関連はHomebrewでpyenvをインストールし、pyenvでanaconda3をインストールすることで、ライブラリを含め一式インストールしています。 今日、anaconda3とそれに含まれているspyderをアップデートしたので、その方法をメモしておきます。

  • anaconda3のアップデートは、次の2つのコマンドで実行しました。

    conda update conda
    conda update –all

  • spyderのアップデートは、次のコマンドで実行しました。

    pip install -U spyder

最近アップデートを怠っていたので、結構いろいろなものがアップデートされました。

TOEIC受験

今日、職場でTOEICを受けました。前回TOEICを受けたのは、2015年9月だったので1年半振りくらいです。

手応えとしては、全然ダメでした。。過去最低点を記録するかもしれません。。 今回は特に集中力が持ちませんでした。

Listeningでも途中ぼーっとしてしまうときがありましたし、Readingについても(本文中に知らない単語は少ないレベルになってきたけれども、)ストーリーが頭に全然入ってこなかったです。

論文以外の易しめの英語をすらすら読む、ということを習慣づけた方が良いと強く思いました。

次回の英語テストは、来年度予定されている職場でのTOEICを受験するか、それとも6、7月の英検を受験するかちょっと考えてみようと思います。

【論文】Liu J et al. Chemical Research in Toxicology (2015) [2016-001]

たまに、読んだ論文を紹介したいと思います。タイトルにある [2016-001] は、僕の文献管理番号なので、気にしないでください。

Liu J, Mansouri K, Judson R, Martin M, Hong H, Chen M, Xu X, Thomas R, and Shah I, "Predicting hepatotoxicity using ToxCast in vitro bioactivity and chemical structure", Chemical Research in Toxicology, (2015) 28 no.4, pp.738-751.

667化合物をトレーニングデータとして、長期のインビボ肝毒性について、ToXCastの711のインビトロアッセイデータと4376の分子記述子から判別モデルを構築することを試みた論文です。 インビボデータはToxRefDBから集め、分子記述子はQikPropというソフトウェアで計算したものとOpenBabel, PaDEL, PubChemから集めたとのことです。 インビボ肝毒性については、具体的には病理検査で観察された「肥大」「損傷」「増殖病変」の3つに着目しています。 また、判別モデルには6つの機械学習アルゴリズムが用いられており、どのアルゴリズムの予測精度が高いかについて議論しています。

結論としては、以下のようなことが書かれていました。

  • 判別モデルのパラメータには、分子記述子のみ用いるよりもインビトロアッセイも用いた方が予測精度があがること。
  • トレーニングデータが不均衡データ(着目しているエンドポイントで「陽性」の化合物が「陰性」の化合物より少ないこと。)なので、「陰性」化合物を減らして均衡データにした方が予測精度があがること。
  • クロスバリデーションで予測精度を定量化したところ、3つのエンドポイントいずれについても、80%程度の予測精度が達成されたこと。

いずれも「まあ、そうだろうな。」という感じの結論ですが、長期のインビボ肝毒性をターゲットにしている論文は少ない気がしたので、紹介することにしました。 また、僕もデータベースを用いた研究をしているのでよくわかりますが、これだけのデータを整理するのは大変だっただろうなと思います。

Alfred3にアップデート

ご存知の方も多いかもしれませんが、「Alfred」はMacのランチャーアプリです。 いままで「Alfred2」を使っていたのですが、「Alfred3」が公開されていたので、下記サイトからダウンロードしてアップデートしました。

www.alfredapp.com

しかし、キーバインドで設定している「alt + space」で検索窓を表示させアプリを検索しても、検索に出てくるアプリと出てこないアプリがありました。 解決方法をネットで調べたのですが、情報源は見つかりませんでした。

でも、次の方法で解決しましたので、メモを残しておこうと思います。

  1. 「Alfred3」を起動して、「Preferences」を開き、「Advanced」タブを開く。

  2. 「Files / Apps」の横の「Clear Application Cache」をクリックする。

たったのこれだけで解決しました。 「Alfred2」のキャッシュが残っていることが、「Alfred3」の動作に何らかの影響を与えたのでしょうか? 原因の詳細は全くわかりませんが、ひとまず解決して良かったです。

Google日本語

パソコンにインストールしていた日本語入力システムATOK*1がサポート切れだったので、アンインストールしました。 そしてその代わりに、Google日本語入力をインストールしました。 しかし、下記のサイトからMac版をダウンロードしてインストールしようとしたのですが、ややハマりましたのでメモしておきます。 なお、僕の環境はMac OS X EI Caption (10.11.6) です。

www.google.co.jp

起きた問題は次の通りです。

  • まず、上記サイトからダウンロードされた「GoogleJapaneseInput.dmg」を解凍すると、「GoogleJapaneseInput.pkg」が出来上がります。

  • 次に、「GoogleJapaneseInput.pkg」をクリックすれば通常はインストール出来るはずなのですが、「検証中」で止まってしまい先に進まないという現象です。

ネットを探したりして、次の手順で解決しました。

  1. ターミナルを開き、下記を実行します。

    sudo installer -package /Volumes/GoogleJapaneseInput/GoogleJapaneseInput.pkg -target /

  2. 管理者パスワードを聞かれるので、それを入力します。

  3. コンピュータを再起動します。

なお、この解決方法は下記サイトを参考にしました。ありがとうございました。

qiita.com

*1:2011版から全くアップデートしていませんでした。

searchとsearch for

僕は英語学習者ですが、英語を学習している中で「なるほど!」と思ったトピックをたまに紹介したいと思います。

今日は、「search」と「search for」の違いについてです。

辞書で「search」を調べると、

  • 目的語を伴う「他動詞」の用法として、「捜す」

  • 目的語を伴わない「自動詞」の用法として、「search for」で「捜す」

という2つの「捜す」の用法が載っています。

この違いを理解するためには「for」の意味合いに着目すると良いと思います。 「for」には「〜を求めて」という意味合いがあります。そのため「serach for」の場合は「〜を求めて捜す」という意味になります。よって、

We searched for the house.

の場合には、「私達は、その家を求めて捜した。」という意味になります。 すなわち、「その家」がどこにあるかわからず「捜す」という際には、「search for」を使うことになります。 一方で、

We searched the house.

の場合には、「私達は、その家の中を捜した(調べた)。」という意味になります。 このことから

I searched the house for my wallet.

という言い方で出来ることが自然に思えます。 この場合は、「私の財布」が行方不明になっていて、「私の財布を求めて、家の中を捜した(調べた)。」という意味になります。

2017年

明けましておめでとうございます。 今日から始動の方も、結構多いのではないでしょうか? 僕も、今日から始動でした。 僕の年末年始休暇は、2016年末にひいた風邪が長引き、2日まではほぼ寝込んでいました。。 でも、2017年始動に合わせて回復したので、全快でスタートできました!

さて、本blog最初の記事かつ2017年最初の記事なので、今年の目標をつらつら書いてみたいと思います。

  • Blogを書く。何につけてもインプットしたものをアウトプットすることで、身になると思います。そこで、本blogを始めてみました。*1
  • 小説を読む。池井戸潤さんの小説にはまりつつあります。時間を見つけて少しずつでも毎日読めればと思っています。
  • 分子生物学」「生化学」「有機化学」について勉強を始め、初心者から初級者になる。僕は数学出身なので学生時代(大学、大学院)は、生物学・化学には全く触れていませんでした。でも、いまの研究テーマにおいて、生物学・化学の知識は必須なものです。そのため、特にいまの研究テーマに関連する「分子生物学」「生化学」「有機化学」について入門したいと思います。
  • MathematicaPythonについて初級者から中級者になり、より使いこなせるようになる。Mathematicaについては、Ver10から「Dataset」が使えるようになり、データの読み書きが楽になったと思いますし、統計学機械学習にも強くなって来ているので、ハードユーザになれればと思っています。
  • 2015年7月頃から継続している毎日の英語学習を引き続き継続する。今年は特に、発音に磨きをかけることと、語彙を増やすこととに注力したいと思います。また、英語ドラマ・映画をこまめに観る習慣もつけたいです。

*1:以前に少しblogをやっていたことはあるのですが、目的もあまり無くすぐに止めてしまいました。。