当サイトは、Javascriptを使用しています。Javascriptを無効にして閲覧した場合、コンテンツが正常に動作しないおそれやページが表示されない場合があります。当サイトをご利用の際には、Javascriptを有効にして閲覧下さい。

革新知能統合研究センターデータ駆動型生物医科学チーム

チームリーダー竹内一郎（D.Eng.）

English Page

研究概要

生物科学や医療科学の分野では、計測機器が飛躍的に発展したことで研究対象に関する大規模データを取得できるようになりました。このような大規模データを利用して科学的発見を目指す試みは、理論、実験、計算に次ぐ第4の科学的アプローチと呼ばれ、有望視されています。人工知能や機械学習を用いて科学研究のデータを分析することで、研究者の知識や経験のみからは想起できないような仮説を生成することができます。私達のチームでは、人工知能による科学的発見を行うための情報数理的な基盤技術を研究し、その成果を生物科学と医療科学において実証していきます。

研究主分野

コンピューター科学

研究関連分野

材料科学
生物学 & 生化学
分子生物 & 遺伝学
臨床医学
数学

研究テーマ

データ科学

主要論文

「*」は、理研外のみでの成果です。

1.*Toyoura K., Hirano D., Seko A., Shiga M., Kuwabara A., Karasuyama M., Shitara K., and Takeuchi I.:
"Machine-learning-based selective sampling procedure for identifying the low-energy region in a potential energy surface: A case study on proton conduction in oxides"
Physical Review B, 93 054112 (2016).
2.*Nakagawa K., Suzumura S., Karasuyama M., Tsuda K., and Takeuchi I.:
"Safe Pattern Pruning: An Efficient Approach for Predictive Pattern Mining"
Proceedings of The 22nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD2016) (2016).
3.*Shibagaki A., Karasuyama M., Hatano K., and Takeuchi I.:
"Simultaneous Safe Screening of Features and Samples in Doubly Sparse Modeling"
Proceedings of The 33rd International Conference on Machine Learning (ICML2016) (2016).
4.*Takeuchi I., Hongo T., Sugiyama M., and Nakajima S.:
"Parametric Task Learning"
Proceedings of The 27th Annual Conference on Neural Information Processing Systems (NIPS2013) (2013).
5.*Karasuyama M., Harada N., Sugiyama M., and Takeuchi I.:
"Multi-parametric solution-path algorithm for instance-weighted support vector machines"
Machine Learning, 88, 297-330 (2012).
6.*Takeuchi I., and Sugiyama M.:
"Target neighbor consistent feature weighting for nearest neighbor classification"
Proceedings of The 25th Annual Conference on Neural Information Processing Systems (NIPS2011) (2011).
7.*Karasuyama M., and Takeuchi I.:
"Multiple incremental decremental learning of support vector machines",
IEEE Transactions on Neural Networks, 21, 1048-1059 (2010).
8.*Takeuchi I., Tagawa H., Tsujikawa A., Nakagawa M., Katayama M., Guo Y., and Seto M:
"The potential of copy number gains and losses, detected by array-based comparative genomic hybridization, for computational differential diagnosis of B-cell lymphomas and genetic regions involved in lymphomagenesis"
Haematologica-The Hematology Journal, 94, 61-69 (2009).
9.*Takeuchi I., Nomura K., and Kanamori T.:
"Nonparametric conditional density estimation using piecewise-linear solution path of kernel quantile regression"
Neural Computation, 21, 2, 533-559 (2009).
10.*Takeuchi I., Le QV., Sears TD., and Smola AJ:
"Nonparametric quantile estimation",
Journal of Machine Learning Research, 7, 1231-1264 (2006).