Tetsuya Sakurai 研究室
主宰者：Tetsuya Sakurai
筑波大学
AI 要約（直近 5 年の研究成果）
Sakurai研究室では、機械学習と深層学習の手法を用いて、医学・生物学・材料科学などの複雑なデータから有用な知見を引き出す研究を展開しています。特にペプチドや医薬分子の物性予測、遺伝子発現データの解析、がん亜型の分類といった多岐にわたるテーマに取り組んでいます。ペプチド医薬の開発において、膜透過性や毒性の予測、抗菌活性の設計最適化といった課題に対し、画像情報と化学構造の両面から特徴を抽出するマルチモーダルモデルや、複数の目的特性を同時に最適化する生成モデルを開発しています。
一方で、複数の医療機関から得られる機密性の高い患者データを扱う場合、元データそのものではなく次元削減処理を施した中間表現を共有する「データコラボレーション」という枠組みを提案・応用しています。この方法により、プライバシーを保護しながら複数機関のデータから因果効果やリスク因子を推定することが可能になります。さらに、組織学的画像解析や多層オミクスデータの統合解析にも深層学習を適用し、放射線療法の効果判定やがん副型の自動同定といった臨床応用を目指しています。量子機械学習やスペクトル法など、古典的・非古典的な計算手法の融合にも取り組んでおり、大規模データの効率的な処理を実現しています。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 医学Shinji Tanaka 研究室東京大学論文 149 件·共通: 深層学習, 応用数学, AI・機械学習, 機械学習 +12
- 生化学・分子生物学・遺伝学Masahito Ohue 研究室東京工業大学論文 100 件·共通: 応用数学, AI・機械学習, 機械学習, 応用・計算数学 +11
- 医学Masateru Takigawa 研究室University of Tokyo Hospital論文 188 件·共通: AI・機械学習, 機械学習, 応用・計算数学, 最適化 +11
- 計算機科学Takahiro Ogawa 研究室北海道大学論文 100 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +11
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 132 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +10
- 環境科学Yoshitaka Nishikawa 研究室Kyoto University Hospital論文 100 件·共通: AI・機械学習, 機械学習, 機械, 学習 +12
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: 深層学習, AI・機械学習, 機械学習, 機械 +8
- 医学Masashi Yamazaki 研究室筑波大学論文 100 件·共通: 深層学習, AI・機械学習, 機械学習, 最適化 +8
研究成果（66 件）
- DOI: https://doi.org/10.1093/bib/bbaf376
- DOI: https://doi.org/10.1038/s41598-025-26120-y
- DOI: https://doi.org/10.1038/s41598-025-13417-1
- DOI: https://doi.org/10.1016/j.eswa.2025.129066
- DOI: https://doi.org/10.1109/ijcnn64981.2025.11227970
- DOI: https://doi.org/10.1109/jbhi.2025.3561846
- DOI: https://doi.org/10.1016/j.ymeth.2025.03.017
- DOI: https://doi.org/10.1038/s41598-025-93509-0
- DOI: https://doi.org/10.1093/jrr/rraf004
- DOI: https://doi.org/10.1186/s12915-025-02166-2
続きを表示（残り 56 件）閉じる
- DOI: https://doi.org/10.47852/bonviewmedin42022049
- DOI: https://doi.org/10.2174/0115748936278884240102094058
- DOI: https://doi.org/10.47852/medin42022049
- DOI: https://doi.org/10.1016/j.ymeth.2024.11.013
- DOI: https://doi.org/10.1039/d3cp06298h
- DOI: https://doi.org/10.1016/j.ymeth.2024.09.014
- DOI: https://doi.org/10.1007/s10994-024-06586-z
- DOI: https://doi.org/10.1002/advs.202470129
- DOI: https://doi.org/10.1109/bibm62325.2024.10821783
- DOI: https://doi.org/10.1093/bioinformatics/btae297
- DOI: https://doi.org/10.1002/advs.202400009
- DOI: https://doi.org/10.1109/bibm62325.2024.10822462
- DOI: https://doi.org/10.2174/0115748936285493240307071916
- DOI: https://doi.org/10.1016/j.compbiomed.2024.108181
- DOI: https://doi.org/10.1016/j.ymeth.2023.02.005
- DOI: https://doi.org/10.1016/j.eswa.2023.123024
- [2023] Multi-omics clustering based on interpretable and discriminative features for cancer subtypingDOI: https://doi.org/10.1109/bibm58861.2023.10386005
- DOI: https://doi.org/10.1016/j.compbiomed.2023.107762
- DOI: https://doi.org/10.1093/bioinformatics/btad627
- DOI: https://doi.org/10.1016/j.ijrobp.2023.06.1671
- DOI: https://doi.org/10.1016/j.ymeth.2023.09.001
- [2023] Data collaboration analysis in predicting diabetes from a small amount of health checkup dataDOI: https://doi.org/10.1038/s41598-023-38932-x
- DOI: https://doi.org/10.1016/j.dam.2023.06.037
- [2023] DC-SHAP Method for Consistent Explainability in Privacy-Preserving Distributed Machine LearningDOI: https://doi.org/10.1007/s44230-023-00032-4
- DOI: https://doi.org/10.1016/j.compbiomed.2023.107223
- DOI: https://doi.org/10.1109/icme55011.2023.00154
- DOI: https://doi.org/10.1007/s10994-023-06350-9
- DOI: https://doi.org/10.1109/ijcnn54540.2023.10191682
- DOI: https://doi.org/10.1016/j.eswa.2023.120385
- DOI: https://doi.org/10.1016/j.inffus.2023.101826
- DOI: https://doi.org/10.1016/j.cam.2023.115283
- DOI: https://doi.org/10.1145/3587716.3587718
- DOI: https://doi.org/10.3233/ida-216240
- DOI: https://doi.org/10.1039/d3cp01922e
- DOI: https://doi.org/10.1093/bib/bbac545
- DOI: https://doi.org/10.1016/j.jbi.2022.104264
- DOI: https://doi.org/10.1016/j.neucom.2022.06.006
- DOI: https://doi.org/10.1145/3538641.3561482
- [2022] Distortion-free PCA on sample space for highly variable gene detection from single-cell RNA-seq dataDOI: https://doi.org/10.1007/s11704-022-1172-z
- DOI: https://doi.org/10.1016/j.cpc.2022.108423
- [2022] Flexible subspace iteration with moments for an effective contour integration‐based eigensolverDOI: https://doi.org/10.1002/nla.2447
- DOI: https://doi.org/10.1145/3529836.3529904
- DOI: https://doi.org/10.1093/bib/bbac059
- DOI: https://doi.org/10.1103/physrevb.105.075107
- DOI: https://doi.org/10.1093/bioinformatics/btac048
- [2022] ToxIBTL: prediction of peptide toxicity based on information bottleneck and transfer learningDOI: https://doi.org/10.1093/bioinformatics/btac006
- [2021] The tropical scaling for the polynomial eigenvalue problem solved by a contour integral methodDOI: https://doi.org/10.1002/nla.2413
- [2021] Better Performance with Transformer: CPPFormer in the PrecisePrediction of Cell-penetrating PeptidesDOI: https://doi.org/10.2174/0929867328666210920103140
- DOI: https://doi.org/10.1109/hpec49654.2021.9622831
- DOI: https://doi.org/10.1109/ijcnn52387.2021.9533825
- DOI: https://doi.org/10.1145/3472813.3472830
- DOI: https://doi.org/10.1007/s42979-021-00564-1
- DOI: https://doi.org/10.1016/j.eswa.2021.114891
- DOI: https://doi.org/10.1093/bib/bbab041
- DOI: https://doi.org/10.1145/3432261.3432269
- [2021] Efficient Implementation of a Dimensionality Reduction Method Using a Complex Moment-Based SubspaceDOI: https://doi.org/10.1145/3432261.3432267
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。