Generated by All in One SEO v4.9.10, this is an llms.txt file, used by LLMs to index the site.

# LabCode

研究で使えるプログラミングを

## 投稿

- [【ACFIS 2.0】Fragment-Based Drug Discovery Using ACFIS 2.0 【In Silico Drug Discovery】](https://labo-code.com/en/acfis-2-0fragment-based-drug-discovery-using-acfis-2-0-in-silico-drug-discovery/) - This article introduces the in silico drug discovery te
- [How to display SAR satellite image data on a map](https://labo-code.com/en/display-sar-satellite-image/) - In this article, we will introduce SAR satellites, whic
- [How to Numerically Quantize and Manipulate Images Using Python](https://labo-code.com/en/numericall-quantize-image/) - Have you ever wanted to manipulate image data (such as
- [How to Read Specific Rows from a CSV File in Python](https://labo-code.com/en/read-specific-rows/) - Sometimes, when reading a CSV file, you may only want t
- [【プロテオミクス #3】商用利用OKのsage-proteomicsでDIA-MSデータを解析する【バイオマーカー】【LC-MS】](https://labo-code.com/bioinformatics/sage-proteomics-dia-ms-analysis/) - 本記事はプロテミクスでバイオマーカーを見つけるシリーズの第3弾となります。 この記事では、DIA-MSの生デー
- [【プロテオミクス #2】ProteoWizardを使ったRawファイルのmzMLへの変換【バイオマーカー】【LC-MS】](https://labo-code.com/bioinformatics/proteowizard-raw-to-mzml/) - 本記事はプロテミクスでバイオマーカーを見つけるシリーズの第二弾となります。 この記事では、実際のデータファイル
- [【プロテオミクス #1】ProteomeXchangeから大腸がんプロテオミクスデータを取得する【バイオマーカー】【LC-MS】](https://labo-code.com/bioinformatics/proteomics-proteomexchange-colorectal-cancer/) - 本ブログからのシリーズでは、プロテオミクス解析を一から学んでいきます。 プロテオミクス解析とは、ひとことで言う
- [【環状ペプチド】OpenMMによるタンパク質-ペプチド複合体のMDシミュレーション【In silico創薬】](https://labo-code.com/bioinformatics/cyclic-peptide-openmm-md-simulation/) - デザインした環状ペプチドから候補を絞るには、docking評価の他にMDシミュレーションが欠かせません。本記事
- [【ペプチドミメティクス】ペプチド→低分子変換パイプラインの開発【In silicoペプチド創薬】](https://labo-code.com/bioinformatics/peptidomimetics-pipeline-development/) - この記事では、ペプチド-タンパク質複合体の結合を保ちながら、ペプチドを低分子に変換するAI駆動型パイプラインの
- [【量子化学計算】Gaussian の利用を始めよう！料金・長所・短所・運用方法などを解説](https://labo-code.com/general/gaussian-entry/) - 本記事では、量子化学計算で使用されるソフトウェア「Gaussian」の概要、何ができるのか、長所・短所、各種運
- [【Gaussian】構造最適化と振動数計算のやり方を解説！【エラー回避チェックリスト付き】](https://labo-code.com/general/gaussian-opt-freq/) - 本記事では、汎関数・基底関数の選び方から構造最適化（opt）・振動数計算（Freq）を行う際の入力ファイルの注
- [【Avogadro】AvogadroでGaussianの構造最適化入力ファイルを作成しよう！](https://labo-code.com/general/avogadro-gaussian-inputfile/) - 本記事では、Avogadroを使ってGaussianの入力ファイルを簡単に作成する手順を解説します。分子座標の
- [【Gaussian】エラーを解決！ 構造最適化を収束させよう！](https://labo-code.com/general/gaussian-vs-error/) - この記事はGaussianを使った構造最適化計算で出てくるエラーへの対処方法を解説します。エラーに対処する流れ
- [【Gaussian】Avogadroを使ってHOMO-LUMO・静電ポテンシャルを描写しよう①計算結果から簡単解析！](https://labo-code.com/general/gaussian-avogadro-homolumo/) - この記事は、Avogadroを使用してHOMO-LUMO軌道や静電ポテンシャルを描写する方法についてのわかりや
- [【Gaussian】Avogadroを使って分子の振動や相互作用を描写しよう！計算結果から簡単解析②！](https://labo-code.com/general/gaussian-avogadro-ir-qtaim/) - この記事は、Avogadroを使用して分子振動やIRスペクトル、QTAIM法による分子間相互作用を描写する方法
- [【Gaussian】一点計算を用いた分子の電子密度とエネルギー解析実践](https://labo-code.com/general/gaussian-sp/) - この記事では、Gaussianソフトウェアを使用した一点計算（Single Point Calculation
- [Google Colabで実践する機械学習ポテンシャルを用いた金属触媒の構造最適化](https://labo-code.com/materials-informatics/metal-catalyst-cif/) - 本記事は、NiO(100) 表面上の Pt ナノクラスターに CO/CO₂ を吸着させた触媒モデルを例に、CI
- [Colabで分子モデリングからMLPで計算【MOF編】](https://labo-code.com/materials-informatics/mof-cif/) - 本記事は、機械学習ポテンシャルで計算を回すために必要な分子構造を CIF を主軸に整える実践ガイドで、Goog
- [マテリアルズインフォマティクス（MI）入門⑩【MIを届けよう！Streamlitで機械学習Webアプリ開発】](https://labo-code.com/materials-informatics/mi-streamlit/) - これまでの9回にわたるシリーズで、私たちはMIの核心的なワークフローを一気通貫で学んできました。その結果、私た
- [【機械学習ポテンシャル】UMA使い方徹底解説と分子構造最適化](https://labo-code.com/materials-informatics/uma-opt/) - 本記事は、MLポテンシャルUMAでDFT相当の精度を維持しつつ分子構造最適化を100～10,000倍高速化する
- [マテリアルズインフォマティクス（MI）入門⑨【ベイズ最適化による効率的材料探索】](https://labo-code.com/materials-informatics/mi-bayesian-optimization-efficient-material-search/) - 前回の第8回では、予測モデルを「探索エンジン」として利用し、数万件もの仮想実験を行う「ハイスループット・バーチ
- [マテリアルズインフォマティクス（MI）入門⑧【AIは新材料を発見できるか？ｰ HTVSによる仮想材料探索】](https://labo-code.com/materials-informatics/mi-htvs-local-search/) - 前回の第7回では、複数の物性を同時に評価する「多目的最適化」に挑み、性能の限界線である「パレートフロント」を可
- [マテリアルズインフォマティクス（MI）入門⑦【多目的最適化とパレートフロント】](https://labo-code.com/materials-informatics/mi-multi-objective-optimization-pareto-front/) - これまでのシリーズで、私たちはモデルの構築から解釈、最適化、そして「信頼性」の評価まで、MIプロジェクトの核と
- [マテリアルズインフォマティクス（MI）入門⑥【アンサンブル学習を用いた不確実性評価（UQ）】](https://labo-code.com/materials-informatics/mi-uncertainty-quantification/) - これまでのシリーズで、私たちはベースラインの構築から高性能なCatBoostモデルの実装、そしてSHAPやOp
- [マテリアルズインフォマティクス（MI）入門⑤【特徴量エンジニアリング ― 物理記述子と「次元の呪い」】](https://labo-code.com/materials-informatics/mi-feature-engineering/) - これまでの道のりで、私たちはMIプロジェクトの強力なワークフローを一歩ずつ踏み固めてきました。 ①
- [マテリアルズインフォマティクス（MI）入門④【Optunaによるベイズ最適化で実践するハイパーパラメータチューニング】](https://labo-code.com/materials-informatics/mi-optuna-hyperparameter-tuning/) - 第1回でベースラインとなる線形回帰モデルの限界（過学習）を学び、第2回では高性能なCatBoostモデルで予測
- [マテリアルズインフォマティクス（MI）入門③【SHAPによるモデル解釈 - 予測根拠を定量的に説明する】](https://labo-code.com/materials-informatics/mi-shap/) - 第2回では、高性能なCatBoostモデルを構築し、鋼材の降伏強度を高い精度で予測しました。しかし、そのモデル
- [マテリアルズインフォマティクス（MI）入門②【勾配ブースティング（CatBoost）を用いた未知組成からの高精度な物性予測】](https://labo-code.com/materials-informatics/mi-catboost/) - 前回の記事では、基本の線形回帰モデルで鋼材の強度予測に挑み、訓練データではまずまずの性能（R²=0.551）を
- [マテリアルズインフォマティクス（MI）入門①【線形回帰で挑む物性予測と「過学習」の罠】](https://labo-code.com/materials-informatics/linear-regression-overfitting/) - マテリアルズインフォマティクス（MI）の理論を学び、いよいよ現実のデータで予測モデルを作ってみたいと思いません
- [NEB 入門 — UMA × ASE で反応経路を求める【機械学習ポテンシャル】](https://labo-code.com/materials-informatics/neb-uma-ase/) - 本記事は、機械学習ポテンシャル UMA を使って化学反応の最小エネルギー経路（MEP）を探索する方法を、Pyt
- [【機械学習ポテンシャル】分子構造最適化の環境構築](https://labo-code.com/materials-informatics/mlp-opt/) - 機械学習ポテンシャル（MLポテンシャル）を使って、DFT 並みの精度を保ちつつ 100～10,000 倍高速に
- [【PySCF】CCSDとCCSD(T)の徹底ガイド【Pythonで量子化学計算】](https://labo-code.com/python/quantum-chemical-calculation/pyscf-ccsd/) - PySCFを用いたCCSD計算を解説！ 気相だけでなく溶媒を考慮したエネルギー計算を行い、実験データと比較する
- [【PySCF】溶媒効果を取り入れた量子化学計算【Pythonで量子化学計算】](https://labo-code.com/python/quantum-chemical-calculation/pyscf-solvent/) - PySCFを用いた溶媒モデルの計算を解説！ 気相だけでなく溶媒を考慮したエネルギー計算を行い、実験データと比較
- [【PySCF】NMRスペクトルを描写【Pythonで始める量子化学計算】](https://labo-code.com/python/quantum-chemical-calculation/pyscf-nmr/) - この記事では、PySCFを用いたNMRスペクトルの計算と描写について解説します。分子構造の解析や実験データとの
- [PySCFとGPUの連携で中・大規模分子を解析【Pythonで始める量子化学計算】](https://labo-code.com/python/quantum-chemical-calculation/pyscf-gpu/) - この記事は、量子化学計算ライブラリPySCFを使用して中・大規模な分子の計算を効率的に実行する方法を解説したも
- [【PySCF】CASSCF・CASSCIで高度な電子構造解析【Pythonで始める量子化学計算】](https://labo-code.com/python/quantum-chemical-calculation/pyscf-casscf-cassci/) - 本記事では、量子化学計算フレームワークPySCFを使用して、CASSCFおよびCASCIという高度な手法を用い
- [【Pyscf】分子構造を作成しよう！有機分子・金属錯体の量子化学計算](https://labo-code.com/python/quantum-chemical-calculation/pyscf-mol-gen/) - 本記事では、PySCFを用いた量子化学計算のための分子構造の取得・作成方法を紹介します。SMILESやInCh
- [【PySCF】TD-DFT計算を使ってUVスペクトル可視化【Pythonで始める量子化学計算】](https://labo-code.com/python/quantum-chemical-calculation/pyscf-tddft-uv/) - 本記事では、Pythonを用いた量子化学計算ツールであるPySCFを使って分子の励起状態を解析する方法を解説し
- [【PySCF】分子軌道可視化【Pythonで始める量子化学計算】](https://labo-code.com/python/quantum-chemical-calculation/moleculaorbital/) - この記事では、Pythonで量子化学計算ができるPySCFを用いて、分子の分子軌道を取得・可視化する方法を解説
- [【PySCF】IRスペクトル・熱力学的特性の解析【Pythonで始める量子化学計算】](https://labo-code.com/python/quantum-chemical-calculation/pyscf_ir_thermo/) - この記事は、Pythonで量子化学計算ができるPyscfを用いて、分子のIRスペクトルや熱力学的特性を取得する
- [【PySCF】構造最適化・振動数計算のやり方【Pythonで始める量子化学計算】](https://labo-code.com/python/quantum-chemical-calculation/pyscf-opt-freq/) - この記事では、Pythonで利用可能な量子化学計算ライブラリ「Pyscf」を用いた構造最適化と振動数計算につい
- [【PySCF】Pythonで始める量子化学計算【一点計算】](https://labo-code.com/python/quantum-chemical-calculation/pyscf-sp/) - この記事では、Pythonを使って手軽に始められる量子化学計算ツール「PySCF」について解説します。無料で利
- [【GROMACS】タンパク質-ペプチド複合体のMDシミュレーション【In silicoペプチド創薬】](https://labo-code.com/bioinformatics/gromacs-peptide-drug-discovery/) - この記事では、タンパク質-ペプチド複合体（ColabFold等で予測した構造）を用いて、GROMACSでMDシ
- [【環状ペプチド】Bolzgenを使ったDe novo環状ペプチドの生成【In silico創薬】](https://labo-code.com/bioinformatics/bolzgen-de-novo-cyclic-peptide/) - 今回は環状ペプチドの立体構造や配列のデザインから、その構造の評価まで一貫してできるBolzgenについて解説を
- [【In silico創薬】PyRosettaの環境構築方法【PyRosetta】](https://labo-code.com/bioinformatics/pyrosetta-install/) - タンパク質は、生体内で多様な役割を果たしており、医薬品開発においても重要なターゲットとなっています。例えば、疾
- [【In silico 創薬】PyRosettaによるPyMOL上でのタンパク質可視化](https://labo-code.com/bioinformatics/pyrosetta-pymol/) - 本記事はPyRosettaについて書かれた記事です。タンパク質のデザインや可視化、ドッキングなどに使います。こ
- [【RF Diffusion】RF Diffusion、ProteinMPNN、AF2によるタンパク質薬の創出【In silico 創薬】](https://labo-code.com/bioinformatics/rfdiffusion-proteinmpnn-af2/) - 本記事はRF Diffusion、ProteinMPNN、AF2について書かれたIn silico 創薬の記事
- [【in slico 創薬】PyRxによる低分子in silico screening【in silico screening】](https://labo-code.com/bioinformatics/in-silico-screening-pyrx/) - 本記事は創薬分野における低分子のin silico screeningについての記事です。標的化合物に対する薬
- [【GROMACS】GROMACSを用いたMD simulation【in silico創薬】](https://labo-code.com/bioinformatics/gromacs-md-simulation/) - この記事では、自分のパソコンで行えるMDシミュレーションに焦点を当てており、具体的にはGROMACSというソフ
- [【ACFIS2.0】ACFIS2.0を用いたfragment-based 創薬【in silico創薬】](https://labo-code.com/bioinformatics/fbdd-by-acfis2p0/) - この記事は、フラグメントベースの薬剤開発（FBDD）というというin silico創薬技術について紹介していま
- [【分子ドッキング】ClusProを使ったタンパク質-タンパク質ドッキング【in silico創薬】](https://labo-code.com/bioinformatics/molecular-docking-cluspro/) - この記事は、分子ドッキングというコンピュータシミュレーション技術について、特にClusProというツールを用い
- [【分子ドッキング】PatchDockを使ったタンパク質-タンパク質ドッキング【in silico創薬】](https://labo-code.com/bioinformatics/molecular-docking-patchdock/) - この記事では、分子ドッキングというコンピュータシミュレーション手法とその具体例であるPatchDockについて
- [【分子ドッキング】 LZerD pairwise dockingを使ったタンパク質-タンパク質ドッキング【in silico創薬】](https://labo-code.com/bioinformatics/lzerd-pairwise-docking/) - 分子ドッキングは、薬品や生体分子の相互作用を予測するためのコンピュータシミュレーション手法です。この記事では、
- [【分子ドッキング】 HDockを使ったタンパク質-タンパク質ドッキング【in silico創薬】](https://labo-code.com/bioinformatics/molecular-docking-hdock/) - 分子ドッキングは、薬品や生体分子の相互作用を予測するためのコンピュータシミュレーション手法です。この記事では、
- [【GROMACS】GROMACSを用いたタンパク質-低分子リガンドのMD simulation【in silico創薬】【前編】](https://labo-code.com/bioinformatics/gromax-protein-small-molecule-first-part/) - この記事では、自分のパソコンで行えるMDシミュレーションに焦点を当てており、具体的にはGROMACSというソフ
- [【GROMACS】GROMACSを用いたタンパク質-低分子リガンドのMD simulation【in silico創薬】【後編】](https://labo-code.com/bioinformatics/gromax-protein-small-molecule-second-part/) - この記事では、自分のパソコンで行えるMDシミュレーションに焦点を当てており、具体的にはGROMACSというソフ
- [【Autodock Vina】 Autodock Vinaを使ったin silicoスクリーニング【in silico創薬】](https://labo-code.com/bioinformatics/autodock-vina-in-silico-screening/) - 本記事はAutodock Vinaを使ったin silico薬物スクリーニングついて書かれた記事です。in s
- [【機械学習】機械学習を用いたin silico screening【AI創薬】~第1章 公共データベース（ChMBL)からの機械学習の学習データを収集~](https://labo-code.com/bioinformatics/aidrugdiscovery-chembldata/) - 本記事はAI創薬の一つである機械学習を用いたin silico screeningについて書かれた記事です。第
- [【機械学習】機械学習を用いたin silico screening【AI創薬】~第2/5章 スクレイピングによる公共データベース（PDB)からの機械学習データを収集~](https://labo-code.com/bioinformatics/aidrugdiscovery-pdbdata/) - 本記事はAI創薬の一つである機械学習を用いたin silico screeningについて書かれた記事です。第
- [【機械学習】機械学習を用いたin silico screening【AI創薬】~第3/5 章 機械学習データの整形~](https://labo-code.com/bioinformatics/aidrugdiscovery-dataformating/) - 本記事はAI創薬の一つである機械学習を用いたin silico screeningについて書かれた記事です。第
- [【機械学習】機械学習を用いたin silico screening【AI創薬】~第4/5 章 予測モデルの作成~](https://labo-code.com/bioinformatics/create-model/) - 本記事はAI創薬の一つである機械学習を用いたin silico screeningについて書かれた記事です。第
- [【機械学習】機械学習を用いたin silico screening【AI創薬】~第5/5 章 候補化合物のin silico screening~](https://labo-code.com/bioinformatics/aidrugdiscovery-insilicoscreening/) - 本記事はAI創薬の一つである機械学習を用いたin silico screeningについて書かれた記事です。第
- [【分子ドッキング】 SwissDockを使ったタンパク質-低分子ドッキング【in silico創薬】](https://labo-code.com/bioinformatics/moleculardocking-swissdock/) - 本記事は低分子-タンパク質ドッキングソフトウェアであるSwissDockについて書かれた記事です。こちらの内容
- [【物性評価】 SwissADMEを使って物性を予測しよう【in silico創薬】](https://labo-code.com/bioinformatics/swissadme/) - 本記事は物性予測ツールであるSwissADMEについて書かれた記事です。こちらの内容が理解できると、望みの化合
- [【AI創薬】【毒性予測】 Toxicophores、QSARを用いた毒性予測【in silico創薬】](https://labo-code.com/bioinformatics/toxicophores-qsar/) - 本記事は低分子化合物の毒性予測について書かれた記事です。構造から毒性を予測するToxicophoresとQSA
- [プベルル酸の毒性予測と治療薬への可能性の模索【in silico創薬】【ligand-based screening】](https://labo-code.com/bioinformatics/puberulic-acid-ligand-based-screening/) - 本記事はligand-based screeningについての記事です。ligand-based screen
- [【ポケット探索】CASTpを使ったタンパク質結合サイトの探索【in silico創薬】](https://labo-code.com/bioinformatics/castp/) - 本記事はin silico創薬におけるタンパク質のポケット探索の記事です。CASTpと呼ばれるツールを用いて、
- [【毒性予測】 VenomPred 2.0を用いた毒性予測【in silico創薬】](https://labo-code.com/bioinformatics/venompred/) - 本記事は低分子化合物の毒性予測について書かれた記事です。2024年に公開された最新のVenomPred 2.0
- [【in silico 創薬】Dockstringによるコードのみでのin silico screening【in silico screening】](https://labo-code.com/bioinformatics/dockstring/) - 本記事はDockstringを使ったIn silico screeningの記事です。この記事が理解できると、
- [PyRosettaによるエネルギー最小化とロゼッタスコアの出力【タンパク質】【In silico創薬】](https://labo-code.com/bioinformatics/pyrosetta_energy_minimization/) - 本記事では、Pythonからタンパク質設計ツールRosettaを操作できるPyRosettaの使い方を紹介しま
- [ESM3を利用したタンパク質の設計【タンパク質デザイン】](https://labo-code.com/bioinformatics/esm3-dppiv/) - この記事ではESM3を利用したタンパク質の設計を扱います。この記事を理解することでコンピュータ上でタンパク質の
- [機械学習によるタンパク質の変異設計、In Silicoスクリーニング、分子ドッキング【iGEM-Wasedaプロジェクトレポート】](https://labo-code.com/bioinformatics/protein-design-screening-docking-igem-waseda/) - 本記事では、LabCodeがメンターを務めた、学術サークル【iGEM-Waseda】が行ったプロジェクトについ
- [MACEによる機械学習を用いた分子動力学計算【MD simulation】](https://labo-code.com/bioinformatics/mace/) - この記事ではMACEによる簡易的な動力学計算を扱います。この記事を理解すればあなたのPCから手軽に簡易的な分子
- [化合物ライブラリまとめ【in silico創薬】【in silicoスクリーニング】](https://labo-code.com/bioinformatics/summary-compound-library/) - 本記事は化合物ライブラリに関するまとめ記事です。この記事が理解できると、In silicoスクリーニングに必要
- [DGIdbによる変動遺伝子からの薬物候補化合物の探索【Cytoscape】【in silico創薬】【RNA seq】【scRNA seq】](https://labo-code.com/bioinformatics/dgidb-cytoscape/) - 本記事はNetwork pharmacologyという分野のDrug–Gene Interaction Net
- [【タンパク質デザイン】Homology modelingによる構造予測 【in silico創薬】](https://labo-code.com/bioinformatics/homology-modeling-swiss-model/) - 本記事はタンパク質のHomology modelingについて書いた記事です。本記事を理解できると、Prote
- [【化合物スクリーニング】RDkitを使った化合物のフィルタリング【in silico創薬】](https://labo-code.com/bioinformatics/rdkit-filtering/) - この記事は化合物ライブラリにおいて、ある程度薬物になりそうな化合物のフィルタリングを行うやり方を紹介します。具
- [【Autodock Vina】 Sminaを使ったin silicoスクリーニング【in silico創薬】](https://labo-code.com/bioinformatics/smina_screening/) - 本記事はMacでのin silico screeningの方法を書いた記事です。AutoDock Vinaによ
- [Protein-Ligand Interaction Profiler (PLIP)を用いたタンパク質-低分子相互作用解析【in silico創薬】](https://labo-code.com/bioinformatics/protein-ligand-interaction-plip/) - Protein-Ligand Interaction Profiler (PLIP) は、タンパク質
- [【GROMACS】MD simulationを用いたタンパク質の安定化【タンパク質デザイン】【In silico創薬】](https://labo-code.com/bioinformatics/gromacs-protein-stabilization/) - 本記事では、GROMACSを用いてタンパク質の分子動力学（MD）シミュレーションを行い、安定な構造を評価・抽出
- [【タンパク質デザイン】Protein-solによるタンパク質の特性解析【In silico創薬】](https://labo-code.com/bioinformatics/protein-sol-1/) - 本記事はタンパク質の情報（アミノ酸配列や立体構造）からその物性を予測するソフトウェアProtein-Solの使
- [PoseViewを用いたタンパク質-リガンド相互作用の可視化](https://labo-code.com/bioinformatics/poseview/) - 本記事では、PoseViewを使ってタンパク質−化合物間の水素結合、疎水相互作用、π−π相互作用などを2Dで可
- [【抗体デザイン】Protein-solによる抗体の特性解析【In silico創薬】](https://labo-code.com/bioinformatics/protein-sol-antibody/) - 本記事はタンパク質の情報（アミノ酸配列や立体構造）からその物性を予測するソフトウェアProtein-Solの使
- [【タンパク質デザイン】OSPREY 3.0を使ったタンパク質再設計](https://labo-code.com/bioinformatics/osprey-tutorial/) - この記事では、タンパク質デザインのソフトウェアの一つであるOSPREY について紹介します。 OSPREY の
- [【タンパク質モデリング】ABodyBuilder2による抗体のモデリング【in silico創薬】](https://labo-code.com/bioinformatics/sabpred-abodybuilder2/) - 本記事は抗体のアミノ酸配列から構造、各部位のアノテーションや分子特性などを予測するソフトウェアSAbPredの
- [【タンパク質モデリング】NanobodyBuilder2によるVHH抗体のモデリング【in silico創薬】](https://labo-code.com/bioinformatics/sabpred-nanobodybuilder2/) - 本記事は抗体のアミノ酸配列から構造、各部位のアノテーションや分子特性などを予測するソフトウェアSAbPredの
- [Alphafold Analysisによるタンパク質の分析【タンパク質デザイン】【タンパク質モデリング】](https://labo-code.com/bioinformatics/alphafold-analysis/) - この記事ではAlphafold Analysisを利用した立体構造予測結果の分析を扱います。この記事を理解する
- [RNAfold Web Serverによるアプタマー二次構造予測【in silico創薬】](https://labo-code.com/bioinformatics/rnafold-web-server/) - 本記事は、RNAやDNAの二次構造を予測できるRNAfold Web Serverの使い方を紹介します。Web
- [【GROMACS】Umbrella samplingによるMD simulation 【In silico創薬】【SMD】](https://labo-code.com/bioinformatics/gromacs-umbrella-sampling/) - この記事では、GROMACSを用いて、外部から特定の力を加えて、分子の動きを意図的に誘導するSteered M
- [【GROMACS】金属イオンを含む標的へタンパク質へのMD設定 【in silico創薬】](https://labo-code.com/bioinformatics/metalloprotein-gromacs/) - ここではGROMACSのMD simulationにおける金属イオンの設定を行います。使用する力場によっては、
- [【in silico 創薬】Autodock CrankPepによる環状ペプチドの分子ドッキング【in silico screening】](https://labo-code.com/bioinformatics/autodock-crankpep/) - 本記事は分子ドッキングに使用するAutodock CrankPep(ADCP)について書かれた記事です。今回は
- [【Network pharmacology】PubChemを用いた漢方成分の抽出【In silico創薬】](https://labo-code.com/bioinformatics/pubchem-extract/) - Network pharmacologyとは、薬物、標的、疾患の相互関係をネットワークとして捉え、複雑な生体シ
- [【Network pharmacology】化合物からの標的タンパク質予測【in silico 創薬】](https://labo-code.com/bioinformatics/target-prediction-chembl-multitask-neural-network/) - この記事では、ネットワーク薬理学の具体的な手法として、ChEMBL Multitask Neural Netw
- [【Network pharmacology】Open Targetsを用いた疾患からの標的タンパク質の予測【In silico創薬】](https://labo-code.com/bioinformatics/open-targets/) - 本記事はNetwork phrmacologyの内容の一つで、疾患から標的タンパク質の特定を行います。Open
- [【Network pharmacology】Interveneを用いた漢方成分と疾患の共通標的の発見【in silico創薬】](https://labo-code.com/bioinformatics/intervene/) - 本記事はNetwork pharmacologyに関する記事で、漢方成分から予測した標的と疾患から予測した標的
- [【Network pharmacology】タンパク質相互作用ネットワークの構築と重要タンパク質の発見【in silico 創薬】【Cytoscape】](https://labo-code.com/bioinformatics/cytoscape-important-protein/) - この記事はNetwork pharmacologyに関する記事で、複数あるタンパク質相互作用ネットワークを可視
- [【タンパク質準備】OpenMMを使ったタンパク質のエネルギー最小化とPymolを使ったGrid boxの決定方法【In silico創薬】](https://labo-code.com/bioinformatics/openmm-gridbox/) - 本記事はin silico screeningにおけるタンパク質準備について書かれた記事です。OpenMMを使
- [PRODIGYを用いた環状ペプチド-タンパク質結合エネルギーの予測【In silico創薬】](https://labo-code.com/bioinformatics/prodigy/) - 本記事は、タンパク質複合体におけるタンパク質間相互作用の結合親和性を予測するPRODIGYについての記事です。
- [Pharmitを使ったファーママコフォア類似検索による新薬候補の発見【In silico創薬】](https://labo-code.com/bioinformatics/pharmit/) - 本記事は、ファーマコフォアを用いて化合物を効率的に探索するツール、Pharmitについての解説です。創薬におい
- [Boltzを使ったタンパク質構造とリガンド複合体の予測【タンパク質デザイン】【分子ドッキング】](https://labo-code.com/bioinformatics/boltz-psp/) - 本記事は、タンパク質の構造予測、タンパク質-小分子の複合体構造を高精度に予測するAIツール Boltz につい
- [FEgrowを用いたアクティブラーニングによる化合物スクリーニングの高速化【In silico創薬】](https://labo-code.com/bioinformatics/insilico-screening-with-fegrow/) - 本記事では、FEgrowというインシリコ創薬ツールとアクティブラーニング（Active Learning, A
- [【環状ペプチド】In silico screeningのためのin silico環状ペプチドライブラリの構築【in silico創薬】](https://labo-code.com/bioinformatics/insilico-cyclic-peptide-library/) - 本記事は環状ペプチドのin silicoスクリーニングの前段階の環状ペプチドライブラリを構築する記事です。HE
- [【画像処理】ImageJの使い方【ImageJ】](https://labo-code.com/imagej/how-to-use-imagej/) - 研究に利用する画像の画像処理や統計解析が気軽に行いたいと思ったことはありませんか。 ImageJというソフトを
- [【ImageJ】レコーダー（マクロ）の使い方【画像解析】](https://labo-code.com/imagej/macros/) - ImageJのマクロを作りたいと思ったことはありませんか？ ImageJに用意されたレコーダー機能を利用するこ
- [【画像解析】ImageJをPythonで利用する【Python】](https://labo-code.com/imagej/imagej-analysis-python/) - これまでの記事では、ImageJのレコーダー機能を使いマクロで動かす方法を紹介しましたが、ImageJではPy
- [【画像解析】画像データ内の粒子の形状分類・検出【ImageJ】](https://labo-code.com/imagej/imagej-shape-classification/) - 科学的研究や工業分野で、精密な画像解析が必要とされる場面は多々あります。ImageJはそのようなニーズに応える
- [【ImageJ】GUI操作で画像解析を行う【画像解析】](https://labo-code.com/imagej/imagej-gui-fiji/) - 本記事は画像解析ソフトであるImageJおよびFijiのGUIについて解説する記事です。これまで紹介してきたI
- [【ImageJ】画像内のスケールを利用したサイズの計測【画像解析】](https://labo-code.com/imagej/imagej-scale-size/) - 科学的研究や工業分野で、精密な画像解析が必要とされる場面は多々あります。ImageJはそのようなニーズに応える
- [【AstroImageJ】天文観測にImageJを利用する【天文観測】](https://labo-code.com/imagej/astroimagej-abst/) - フリー画像解析ソフトのImageJには天文学用途にカスタマイズされたAstroImageJがあります。特に天文
- [【AstroImageJ】AstroImageJでのトランジット観測【天文解析】](https://labo-code.com/imagej/astroimagej-transit/) - 今回の記事では天文画像解析ソフトのAstroImageJ（AIJ）を用いた、トランジット法を用いた太陽系外惑星
- [【環状ペプチド】機械学習と強化学習を使ったIn silico環状ペプチドスクリーニングの開発【In silico創薬】](https://labo-code.com/bioinformatics/ml-rl-cyclic-peptide-screening/) - この記事は機械学習と強化学習を使用して、さらに結合力の高い環状ペプチドを発見するin silicoペプチドスク
- [【環状ペプチド】ProteinMPNNを利用した環状ペプチド配列の創出](https://labo-code.com/bioinformatics/proteinmpnn-cyclic-peptide-design/) - 今回は前回の記事でRFPeptideで作成した環状ペプチド骨格に対して、その骨格に一致するアミノ酸配列をPro
- [RFPeptideを用いたDe novo環状ペプチドの創出【In silico創薬】](https://labo-code.com/bioinformatics/rfpeptide-denovo-cyclic-peptide/) - 今回は注目の環状ペプチド探索・生成法であるRFPeptideについて解説をしていきます。RFPeptideの概
- [mobiusによるベイジアン最適化を用いたペプチドin silicoスクリーニング【In silico創薬】](https://labo-code.com/bioinformatics/insilico-screening-with-mobius/) - 本記事では、mobiusというペプチド最適化ツールとベイズ最適化（Bayesian Optimization,
- [MOF吸着エネルギー計算の新手法：DFT精度を瞬時に再現【機械学習ポテンシャル】](https://labo-code.com/materials-informatics/mof-mlp-uma/) - 機械学習ポテンシャル UMA を用いることで、MOF の吸着エネルギーを DFT 並みの精度で、100～10,
- [【データ分析】BIツールを使ってデータ分析基盤を構築する方法【Redash】](https://labo-code.com/data-platform/redash-entry/) - データ分析基盤がほしいと思ったことはありませんか？データ分析はデータサイエンティストの方がやるんでしょ..?自
- [【データ分析】データ分析基盤にデータソースを接続する【Redash】](https://labo-code.com/data-platform/redash-datasource/) - 前回、【データ分析】BIツールを使ってデータ分析基盤を構築する方法【Redash】を解説しました。 Redas
- [【R】edgeRを用いたRNA-seqデータの発現変動遺伝子抽出【RNA-seq】](https://labo-code.com/bioinformatics/r-rnaseq-edger-deg/) - 今回は、遺伝子発現データから差次的発現遺伝子（DEG）を見つけるための強力なツール「edgeR」について解説し
- [Rを使った生存時間解析【バイオインフォマティクス】](https://labo-code.com/bioinformatics/r-survival-analysis/) - 本記事では、プログラミング言語Rを利用した生存時間解析のやり方を紹介しています。 特に利用実績のあるRパッケー
- [Rを使ったTCGAデータ解析【バイオインフォマティクス】](https://labo-code.com/bioinformatics/r-tcga-data-analysis/) - 本記事では、プログラミング言語Rを利用した、大規模がんゲノムプロジェクト The Cancer Genome
- [【metafor】メタ解析におけるフォレストプロット解析のやり方【メタ解析】](https://labo-code.com/bioinformatics/forestplot-metafor/) - 「メタ解析」と聞いてもどんなことをするかわからない人は多いと思います。この記事では、メタ解析のライブラリである
- [【バイオインフォマティクス】公共データを用いて最速でRNA−seq解析を行う方法 【ikra】](https://labo-code.com/bioinformatics/ikra_introduction/) - RNA-seqを用いた全ゲノム解析のやり方を知りたいと思いませんか？RNA−seq解析はドライ系のバイオインフ
- [【バイオインフォマティクス】公共のRNA−seqデータを一括で探す方法【AOE】](https://labo-code.com/bioinformatics/aoe-api/) - 皆さん公共のRNA-seqデータを探すときに、どのようにして探してますか？公共のRNA−seqデータを探したい
- [【バイオインフォマティクス】公共データを用いて最速でRNA−seq解析を行う方法 (可視化編)【Ikra】](https://labo-code.com/bioinformatics/rnaseq-visualization/) - 前回の記事で、公共データを用いて最速でRNA−seq解析を行う方法について書きました。その際に、ikraという
- [【バイオインフォマティクス】コマンドライン操作の基本【RNA-seq】](https://labo-code.com/bioinformatics/rna-seq-command-line/) - 皆さんは、バイオインフォマティクスやRNA-seq解析したいとなったとき何から始めますか？多くの方が、「バイオ
- [【バイオインフォマティクス】ikraを用いたメタ解析のやり方【RNA-seq】](https://labo-code.com/bioinformatics/ikra-meta-analysis/) - RNA-seq解析の手法の一つにメタ解析と呼ばれる手法があることを聞いたことがありますでしょうか。メタ解析はN
- [【ikra】Metascapeを用いたエンリッチメント解析のやり方【バイオインフォマティクス】](https://labo-code.com/bioinformatics/enrichment-analysis/) - RNA−seq解析で明らかとなった発現変動遺伝子について、どのような性質の遺伝子が集まっているのか可視化させる
- [【scRNA-seq】Seuratを用いてscRNA-seq解析を始める方法（前編）【Seurat】](https://labo-code.com/bioinformatics/seurat-1/) - single cell RNA-seq解析（scRNA-seq）とはRNA-seq解析を個々の細胞集団ごとに行
- [【scRNA-seq】Seuratを用いてscRNA-seq解析を始める方法（後編）【Seurat】](https://labo-code.com/bioinformatics/seurat-2/) - 本記事はSeuratのハンズオンの後編になります。前編を取り組んでいない方は先にそちらの方からやるようにしてく
- [【バイオインフォマティクス】Seuratを用いて各クラスターに自動で細胞種を割り当てる【scRNA-seq】 ](https://labo-code.com/bioinformatics/seurat-auto-cell-type-labeling/) - 前回、Seuratのハンズオンを用いてSeuratObjectの作り方から、セルのクラスタリングまでを解説いた
- [【Cell Ranger】NCBI SRA データをCell Ranger用に準備する方法【scRNA-seq】](https://labo-code.com/bioinformatics/ncbi-sra-cellranger/) - NCBI（National Center for Biotechnology Information）が提供す
- [【scRNA-seq】Seuratで複数のscRNA-seqデータを統合してコントロール群と刺激群を比較する【Seurat】](https://labo-code.com/bioinformatics/scrna-seq-seurat-integrated-stim-ctrl/) - scRNA-seqデータ解析である程度の可視化はできたけど、複数のサンプルを比較して解析する場合がわからないか
- [【scRNA-seq】SeuratでscRNA-seqデータのマーカー遺伝子を特定する方法【Seurat】](https://labo-code.com/bioinformatics/scrna-seq-seurat-find-marker-gene/) - scRNA-seqデータ解析である程度の可視化はできたけど、各クラスターに特徴的な遺伝子発現はなんだろうと気に
- [【scRNA-seq】scRNA-seqデータセットを結合する方法【Seurat】](https://labo-code.com/bioinformatics/scrna-seq-seurat-data-combined/) - single cell RNA-seq解析はある程度できるようになったけど、複数のデータセットを扱った解析はま
- [【シングルセル】Single Cell RNA-seqデータを用いた疑似バルクRNA-seq解析を行う方法【pseudo bulk analysis】](https://labo-code.com/bioinformatics/scrna-seq-pseudo-bulk-rna-seq/) - scRNA-seqデータで擬似バルク解析（pseudo bulk analysis）を行う方法をご存知でしょう
- [【シングルセル】Scanpyを用いて各クラスターに自動で細胞種を割り当てる【scRNA-seq】 ](https://labo-code.com/bioinformatics/scanpy-cell-annotation/) - Pythonを使って細胞アノテーションをしたくありませんか？今回はPythonだけを用いてクオリティコントロー
- [【シングルセル】Harmonyを使ったSingle Cell RNA-seqデータのバッチエフェクトの補正【Single Cell RNA-seq】](https://labo-code.com/bioinformatics/singlecell-harmony/) - シングルセルのバッチエフェクトの補正のやり方はご存知でしょうか？ この記事では、シングルセルRNA-seqデー
- [【シングルセル】Signacを用いたsingle-cell ATAC-Seq 解析のやり方【Seurat】 ](https://labo-code.com/bioinformatics/scatacseq-signac/) - Rを用いたsingle-cell ATAC-Seq data解析の方法をご存じでしょうか。single-cel
- [【シングルセル】空間トランスクリプトーム解析の始め方【Scanpy】](https://labo-code.com/bioinformatics/singlecell-spatial-transcriptome/) - 空間トランスクリプトームの解析手法について行えるようになりたくありませんか？組織内の遺伝子発現を空間情報と関連
- [【Monocle3】Rのパッケージ管理renvとバージョン管理rigを入れてTrajectory解析環境を構築する【シングルセル】](https://labo-code.com/bioinformatics/rig-renv-monocle3/) - Trajectory解析をやってみたくないでしょうか。Trajectory解析ができれば、細胞の分化経路や遷移
- [【シングルセル】scVeloを用いたRNA Velocity解析のやり方【細胞状態遷移】](https://labo-code.com/bioinformatics/scvelo-rna-velocity-handson/) - RNA Velocity解析をやってみたくないでしょうか。RNA Velocity解析はシングルセルデータから
- [【シングルセル】Monocle3を用いたTrajectory解析のやり方【擬似時間解析】](https://labo-code.com/bioinformatics/monocle3-trajectory-handson/) - 前回の記事によりTrajectory解析に必要なMonocle3の環境ができました。いよいよこちらの環境を使っ
- [【シングルセル】10x Genomics Cell Rangerからの出力ファイルを使ってTrajectory解析をする方法【Monocle3】](https://labo-code.com/bioinformatics/10x-genomics-monocle3-trajectory/) - 前回の記事で、Monocle3を用いた基本的なTrajectory解析の方法は習得できたと思います。しかしなが
- [【シングルセル】RNA Velocity解析のためのvelocytoを用いたloomファイルの作成【scVelo】](https://labo-code.com/bioinformatics/velocyto-loom-cellranger/) - 前回の記事で、scVeloを用いたRNA Velocity解析の基本を学びました。しかしながら、NCBI SR
- [【ゲノム解析】WGS/WES解析のこと始め【バイオインフォマティクス】](https://labo-code.com/bioinformatics/wgs-wes-introduction/) - ゲノム解析に興味ある方はいらっしゃるのではないでしょうか。ゲノム解析ができると疾患との関連性がつかめるようにな
- [【バイオインフォマティクス】R言語でRNA−seqデータの主成分分析する方法【PCA】](https://labo-code.com/bioinformatics/rnaseq-pca/) - ikraやiDEPが使えるようにはなってきたが、もっと柔軟に解析したい！という方もいらっしゃのではないでしょう
- [【Windows】Windowsでikraを使ってRNA-seq解析【RNA-seq解析】](https://labo-code.com/bioinformatics/ikra-windows/) - RNA-seqを用いた全ゲノム解析のやり方を知りたいと思いませんか？RNA−seq解析はドライ系のバイオインフ
- [【scRNA-seq】single cell RNA-seqデータを公共データから探す方法【バイオインフォマティクス】 ](https://labo-code.com/bioinformatics/scrna-seq-public-data/) - single cell RNA-seq(scRNA-seq)に挑戦してみたい方はいるのではないでしょうか。しか
- [【RNA-seq】RNA-seq解析に必要なRの知識(データフレーム編)【R】 ](https://labo-code.com/bioinformatics/rna-seq-r-dataframe/) - R言語を使ってバイオインフォマティクスがしたい方は多いのではないでしょうか。実際、RはRNA-seq解析によく
- [【R】Rを用いたエンリッチメント解析のやり方【エンリッチメント解析】 ](https://labo-code.com/bioinformatics/r-enrichment-analysis/) - RNA−seq解析にエンリッチメント解析を用いる方は多いのではないでしょうか。DAVIDやMetascapeな
- [【RNA-seq】RNA-seq解析に必要なRの知識（ggplot編）【R】 ](https://labo-code.com/bioinformatics/r-ggplot/) - Rのggplotを使ってきれいなグラフを作りたいという方は多いのではないでしょうか。 この記事ではRのggpl
- [【バイオインフォマティクス】CellBenderでSingle Cell RNA-seqデータのノイズ除去を行う【scRNA-seq】](https://labo-code.com/bioinformatics/qc-cellbender/) - scRNA-seqデータはクオリティコントロール(QC)をすると聞いたことがあるかもしれませんが詳しく理解がで
- [【バイオインフォマティクス】Cell Rangerを使ってscRNA-seqデータの遺伝子発現量をカウントする【scRNA-seq】](https://labo-code.com/bioinformatics/scrna-seq-cellranger/) - 公共データベースのsingle cell rna-seqデータの再解析はできるようになってきたけど、ある程度再
- [【scRNA-seq】DoubletFinderによるscRNA-seqのダブレット検出【バイオインフォマティクス】](https://labo-code.com/bioinformatics/scrna-seq-doubletfinder/) - Single Cell RNA-seqデータのQCには様々なパターンがありますが、その中の一つにダブレット検出
- [【R】DEseq2を用いた RNA-seq解析データの発現変動遺伝子抽出【RNA-seq】](https://labo-code.com/bioinformatics/rna-seq-deseq2/) - RNA-seqデータ解析では、健常者と疾患患者、コントロールと薬剤刺激など、様々な発現変動遺伝子（DEG）を取
- [【RNA-seq】Cytoscapeの使い方【ネットワーク解析】](https://labo-code.com/bioinformatics/cytoscape-usage/) - RNA-seqデータから疾患や発現のキーとなる遺伝子を探してみたいと思いませんか？ Cytoscapeを使って
- [【ネットワーク解析】CytoscapeのstringAppを使って、タンパク質間相互作用ネットワーク解析を行う【Cytoscape】](https://labo-code.com/bioinformatics/cytoscape-stringapp/) - RNA-seqデータからタンパク質間相互作用（PPI）解析をやってみたいと思いませんか？ 本記事ではPPI解析
- [【RNA-seq】RaNA-seqを用いたRNA-seq発現量の定量【バイオインフォマティクス】](https://labo-code.com/bioinformatics/rna-seq-rana-seq/) - ローカル上でRNA-seq解析環境の整え方がわからない方はいませんか？また自分のPCが推奨環境のものではなく、
- [【RNA-seq】Rを使ってGEOデータベースからRNA-seqデータを取得する方法【バイオインフォマティクス】](https://labo-code.com/bioinformatics/rna-seq-r-geo-download/) - GEOデータベースからRNA-seqデータを取得してみたいと思いませんか？ GEOデータベースからRNA-se
- [【RNA-seq】遺伝子アノテーション情報の取得と活用方法【バイオインフォマティクス】](https://labo-code.com/bioinformatics/rnaseq-annotation-utilization/) - 今回は、RNA-seq解析の精度を高めるために欠かせない「遺伝子アノテーション情報の活用方法」について詳しく解
- [【RNA-seq】発現変動解析の結果をグラフで可視化する方法（MA/火山/ヒートマップ）【R】](https://labo-code.com/bioinformatics/rna-seq-deg-ma-volcano-heatmap/) - 今回は、発現変動解析（DEG解析）の結果を視覚的に理解するための「可視化手法」 に焦点を当てて解説します。RN
- [【RNA-seq】GSEAで遺伝子セットエンリッチメント解析を行う方法【R】](https://labo-code.com/bioinformatics/rna-seq-gsea-gene-enrichment-analysis/) - GSEA解析に挑戦してみたいと思いませんか？ GSEA解析で遺伝子セットエンリッチメント解析できれば、RNA-
- [GUIツールを使った生存時間解析【バイオインフォマティクス】](https://labo-code.com/bioinformatics/gui-survival-analysis/) - 本記事では、プログラミングの知識がなくても利用できるGUIベースの生存時間解析のツールを紹介しています。 GD
- [【Streamlit】地図上にバーグラフを表示するWebアプリ作成【データ解析】](https://labo-code.com/python/map-bargraph/) - 地図上にバーグラフを表示する方法をご存知でしょうか？ 降水量などを地図上に表現するのにバーグラフを表示するとわ
- [【Streamlit】データファイルを読み込んで自動で解析できるWebアプリ作成【データ解析】](https://labo-code.com/python/streamlit_input_and_calc/) - Google ChromeやSafariといったブラウザ上で、手持ちのデータからグラフを表示したり、データの解
- [【Streamlit】データファイルを読み込めるWebアプリ作成【データ解析】](https://labo-code.com/python/streamlit-input-file/) - Google ChromeやSafariといったブラウザ上で、手持ちのデータからグラフを表示したり、データの解
- [【Streamlit】読み込んだデータファイルの内容をグラフで可視化できるWebアプリ作成【データ解析】](https://labo-code.com/python/streamlit-plot/) - Google ChromeやSafariといったブラウザ上で、手持ちのデータからグラフを表示したり、データの解
- [【Streamlit】matplotlibで作成した図を表示するWebアプリ作成【データ解析】](https://labo-code.com/python/streamlit-matplotlib/) - Google ChromeやSafariといったブラウザ上で、手持ちのデータからグラフを表示したり、データの解
- [【Elixir】衛星データをLivebook (Elixir) で利用する【衛星データ】](https://labo-code.com/elixir/livebook-satellite-analysis/) - 衛星データ解析を簡単に早く実行したいと思ったことはありませんか。 Elixirというプログラミング言語は並列計
- [【研究でクラウド利用】アカウント作成時に行うべき設定【AWS】](https://labo-code.com/cloud/aws-account/) - もっと簡単に解析に利用できるコンピュータ環境が欲しい、データの管理を容易にしたいなど思ったことはありませんか？
- [【研究でクラウド利用】IAMの使い方・IAMユーザーの作成方法【AWS】](https://labo-code.com/cloud/aws-iam/) - 前回の記事でAWSのアカウント作成からルートユーザーのMFA設定までを紹介しました。ルートユーザーはAWSの操
- [【CodeWhisperer】Amazon CodeWhispererを使用する方法【コーディング効率化】](https://labo-code.com/cloud/aws-codewhisperer/) - コーディングをもっと簡単にあるいは素早く行いたいと思ったことはありませんか。本記事ではAmazonが発表したコ
- [【OpenCV】動画データを画像データに変換してみる](https://labo-code.com/python/image-analysis/convert-movie-to-image/) - タイトル通り、動画データを画像データに変換してみようと思います。これがで
- [Pythonで画像（の色）を数値化してリストで扱う方法](https://labo-code.com/python/image-analysis/image-to-list/) - 画像データ(.jpgや.pngなど)をソフトを使わずに加工したいと思ったことはありませんか？または、画像の色の
- [【Python】カラー画像を白黒画像に変換する方法](https://labo-code.com/python/image-analysis/monochrome-image/) - カラー画像を白黒画像にして趣を出したいって人いますよね (たぶん)。今回は数行のpythonのコードで簡単にカ
- [【Python】画像データから必要な部分だけ数値データを取得してみる](https://labo-code.com/python/image-analysis/getimagepartial/) - 画像データを数値データとして扱う方法は以前解説しましたが、画像の一部分の情報だけ取得したいという場合はどうすれ
- [Pythonを使って複数のカラー画像を白黒画像に変換する](https://labo-code.com/python/image-analysis/multi-grayscale-images/) - カラー画像から白黒画像へ変換したいときがありますよね。しかも、複数のカラー画像を一枚一枚白黒画像へと変換するの
- [【OpenCV】画像を二値化して表示する](https://labo-code.com/python/image-analysis/threshold-images/) - 画像解析をしたいときに、画像を二値化して解析する人もいるのではないでしょうか。多くの人は、画像の二値化を画像解
- [【Python】画像を平均化しノイズを除去してから二値化する](https://labo-code.com/python/image-analysis/averaged_and_threshold_image/) - 前回、【OpenCV】画像を二値化して表示するで画像の二値化について解説しました。実は、普通に画像を二値化する
- [【Python】画像のノイズを減らして二値化し、輪郭を抽出する](https://labo-code.com/python/drawcontours-image/) - 画像解析には色々ありますが、その中の一つに「輪郭を抽出する」があります。輪郭を抽出することで、画像に存在する物
- [【Python】衛星データから地図上で植生状態を確認する方法【NDVI】](https://labo-code.com/python/gee-ndvi/) - 衛星画像を利用した解析を行いたいと思ったことはありませんか？衛星画像を利用したリモートセンシングは、温暖化や自
- [【Python】衛星リモートセンシングで時系列変化を捉える【NDVI】](https://labo-code.com/python/sentinel-2/) - 前回の記事ではGoogle Earth Engine（以下GEE）のAPIを用いて、地球観測衛星（Sentin
- [【GIS】シェープファイルデータを地図上にプロットする方法【Python】](https://labo-code.com/python/shapefile/) - 前回の記事で、衛星データを使った植生指数の季節変化を捉えるところまでを紹介しました。衛星データは多くの情報を内
- [【Python】シェープファイルを利用して衛星データを収集する【GIS】](https://labo-code.com/python/use-shapefile/) - 前回の記事「【Python】シェープファイルデータを地図上にプロットする方法【GIS】」でシェープファイルをデ
- [【Python】GEEで衛星画像データをダウンロードする方法【GEE】](https://labo-code.com/python/gee-image-download/) - Google Earth Engine（以下GEE）は衛星データの取得から解析までクラウド上の操作で完結するこ
- [【Python】Google Earth Engineを用いた地形情報タイムラプスの作り方【GEE】](https://labo-code.com/python/gee-timelapse/) - Pythonで地形情報のタイムラプスを作りたいと思ったことはありませんか？タイムラプスとは、複数の画像をコマ送
- [【地表面データ】SAR衛星の画像データを地図に表示させる方法](https://labo-code.com/python/sar-satellite-image/) - これまで、Sentinel-2を中心に光学衛星のデータを紹介してきました。今回の記事では、SAR衛星という光学
- [【GCP】シェープファイルデータをBigQueryに格納する【GEE】](https://labo-code.com/python/bigquery-shapefile/) - 以前の記事で、シェープファイルを使った衛星データの収集方法などを紹介してきました。この方法ではシェープファイル
- [【衛星データ】Sen2Corによる衛星データのデータ補正について【データ補正】](https://labo-code.com/python/l1c-sen2cor/) - これまでSentinel-2のL2Aプロダクトという衛星画像データを中心に紹介してきました。このL2Aプロダク
- [【GEE】ランダムフォレストで土地被覆分類を行う【衛星データ解析】](https://labo-code.com/python/衛星データ解析/gee-ml-randomforest/) - これまで、Google Earth Engine (以下GEE)を利用した衛星データの主な利用方法について紹介
- [【GEE】CARTで土地被覆分類を行う【衛星データ解析】](https://labo-code.com/python/衛星データ解析/gee-ml-cart/) - これまで、Google Earth Engine (以下GEE)を利用した衛星データの主な利用方法について紹介
- [【Python】HANTSを用いた時系列補正【時系列データ】](https://labo-code.com/python/time-series-hants/) - 近年、リモートセンシングデータを活用した時系列解析は、地球科学や環境モニタリングの分野で注目されています。例え
- [【衛星データ】Savitzky-Golay フィルタによる時系列補正【時系列解析】](https://labo-code.com/python/savitzky-golay-ndvi/) - 近年、リモートセンシングデータの時系列解析は、地球科学や環境モニタリングの分野で重要性を増しています。代表的な
- [【時系列データ】衛星データの時系列分解を行う【STL分解】](https://labo-code.com/python/time-series-stl/) - 前回までの記事で、HANTS などを用いた時系列データの補正手法を学びました。しかし実際の解析では、補正だけで
- [【GIS】BigQueryで利用できる空間関係関数【Google Cloud】](https://labo-code.com/python/衛星データ解析/gis-google-bq/) - 前回の記事では、シェープファイルデータをBigQueryに格納する方法を紹介しました。本記事では、BigQue
- [【Python】地理空間データを扱えるCartopyのインストール方法【Cartopy】](https://labo-code.com/python/cartopy-install/) - Pythonで地理空間データ (geography information system data, GIS
- [【Python】気象衛星ひまわり画像データの取得と描画【Cartopy】](https://labo-code.com/python/cartopy-himawari/) - 前回の記事では，PythonでGISデータの描画が簡単にできるCartopyのインストールと，Cartopyを
- [【気象データ】数値予報モデルが出力したGPVデータの取得・読み込み・描画【GRIB】](https://labo-code.com/python/gfs-gpv-plot/) - 前回の記事では，日本付近の気象衛星画像をプロットしてみました。今回は，数値予報モデルが出力した格子点データ（g
- [【気象データ】地上気圧・積算降水量・地表付近の風のプロット【GRIB】](https://labo-code.com/python/gfs-gpv-plot-2/) - 前回は，NOAAの数値予報モデル GFS のデータをダウンロードして，上空の寒気をプロットしてみましたが，ダウ
- [【BeautifulSoup4】Web上の表データの取得【Python】](https://labo-code.com/python/python-beautifulsoup4/) - 気温や湿度の鉛直方向の分布を測定した高層気象観測データが気象庁のウェブサイトで公開されています。ブラウザ上で日
- [【MetPy】大気の鉛直構造を知るためのエマグラムの描画方法【Python】](https://labo-code.com/python/emagram-metpy/) - これまでは，水平方向の大気の構造を可視化する手法について紹介してきました。大気の構造は，三次元的に把握すること
- [【MetPy】気象庁でも利用している (らしい) 前線解析のやり方【気象予報】](https://labo-code.com/python/metpy-cartopy/) - はじめに 気象予報にとって，前線の位置を解析したり，前線付近でこの後対流活動が活発化するか否かを判定する作業は
- [【Windows】CartopyをWindowsにインストール【Cartopy】](https://labo-code.com/python/cartopy-install-windows/) - はじめに 以前の記事で mac に 地理空間データの扱いを容易にする Cartopy をインストールする方法を
- [【MetPy】大気の安定度指標を鉛直プロファイルから計算する【気象データ】](https://labo-code.com/python/emagram-with-tability-indices-metpy/) - はじめに エマグラムを眺めると大気の安定度がわかることは、以前の記事で紹介しました。 一方、気温や湿度の鉛直分
- [【気象データ】「〇〇年に一度の大雨」の算出 (データ取得・ヒストグラム作成編)【統計解析】](https://labo-code.com/python/probable-max-precipitation-01/) - はじめに ここ最近、大雨のニュースを見るたびに「〇〇年に一度の大雨」という表現を目にします。これは「千年に一人
- [【気象データ】「〇〇年に一度の大雨」の算出 (当てはめる分布関数の解説編)【統計解析】](https://labo-code.com/python/probable-max-precipitation-02-1/) - はじめに ここ最近、大雨のニュースを見るたびに「〇〇年に一度の大雨」という表現を目にします。これは「千年に一人
- [【気象データ】「〇〇年に一度の大雨」の算出 (分布関数の当てはめ編)【統計解析】](https://labo-code.com/python/probable-max-precipitation-02-2/) - はじめに ここ最近、大雨のニュースを見るたびに「〇〇年に一度の大雨」という表現を目にします。これは「千年に一人
- [【気象データ】「〇〇年に一度の大雨」の算出 (確率降水量の算出)【統計解析】](https://labo-code.com/python/probable-max-precipitation-04/) - はじめに ここ最近、大雨のニュースを見るたびに「〇〇年に一度の大雨」という表現を目にします。これは「千年に一人
- [【コード付き】Pythonを使った偏微分方程式の数値解法【入門】](https://labo-code.com/python/elliptic_equation/) - 本記事では、偏微分方程式の数値解法の基本を、分かりやすい具体例とともに掘り下げていきます。偏微分方程式には解析
- [【コード付き】放物形の偏微分方程式の数値解法【Python】](https://labo-code.com/python/parabolic_equation/) - 本記事では、放物形偏微分方程式の数値解法について、分かりやすい具体例とともに掘り下げていきます。Pythonを
- [【コード付き】双曲形の偏微分方程式の数値解法【Python】](https://labo-code.com/python/hyperbolic_equation/) - 本記事では、双曲形偏微分方程式の数値解法について、分かりやすい具体例とともに掘り下げていきます。Pythonを
- [【コード付き】二次元放物形の偏微分方程式の数値解法【Python】](https://labo-code.com/python/2d_parabolic_equation/) - 本記事では、二次元放物形偏微分方程式の数値解法について、分かりやすい具体例とともに掘り下げていきます。Pyth
- [【コード付き】非線形の偏微分方程式の数値解法【Python】](https://labo-code.com/python/non_linear_equation/) - 本記事では、非線形の偏微分方程式の数値解法について、分かりやすい具体例とともに掘り下げていきます。Python
- [【Python】ブラウン運動を可視化してみよう](https://labo-code.com/python/python-brownian-motion/) - ブラウン運動とは、水の中に浮かんだ小さな粒子が、目に見えない分子とぶつかりながら、予測不能に動き回る現象です。
- [【Python】生データを必要な形式のデータファイルに整形する方法【データ解析】](https://labo-code.com/python/data_format/) - バーグラフを描画したい、折れ線グラフを描画したい、、etc と思ったときに、それぞれのグラフを描画しやすい形に
- [【Python】関数の定義と呼び出し(def, return)](https://labo-code.com/python/data-analysis/def-function/) - pythonでは独自の関数を作って、それを使うことが可能です。例えば、最大値を自動的に見つけ出してくれる関数を
- [【入門】matplotlibではじめてのグラフ描画(折れ線グラフ)](https://labo-code.com/python/data-analysis/matplotlib-dotline/) - データファイルを読み込んだ後に、そのデータをさくっとグラフにして可視化したいと思いますよね。この記事では、Py
- [【Python】データ解析に必要な 読み込み→処理→書き出し の一連の流れ](https://labo-code.com/python/data-analysis/inoutput/) - データ解析ではしばしばデータファイルを読み込んでから、データに対して何か処理をして、その処理結果をファイルに書
- [Pythonでデータファイルを書き出す方法](https://labo-code.com/python/data-analysis/outputfile/) - データファイルの読み込みはできるけど、データファイルとして書き出す方法がわからない人はいませんか？この記事では
- [Pythonでcsvファイルの特定の行だけ（行指定で）読み込む方法](https://labo-code.com/python/data-analysis/inputfile-specrow-2/) - csvファイルを読み込む時に、特定の行だけを読み込みたいってことありますよね。例えば、1行飛ばしで読み込んだり
- [Pythonでデータファイルを一挙に読み込む方法](https://labo-code.com/python/data-analysis/inputfile-all/) - データが格納されたファイル(.dat, .csvなど)を１行ずつ読み込む方法はわかるけど、一列全てのデータを一
- [Pythonでデータファイルを１行ずつ読み込む方法](https://labo-code.com/python/data-analysis/inputfile-eachrow/) - データの解析時に.csvや.datのファイルを１行ずつ読み込みたいってことありますよね。この記事では、Pyth
- [【Python】Jupyter Notebookのメリット、インストール方法、使い方](https://labo-code.com/python/python-basis/jupyter-notebook/) - 使用しているPCがMacでもWindowsでも、どちらであっても簡単にPythonを使いたいと思いませんか？今
- [【Python】os.makedirs()でフォルダ（ディレクトリ）の作成](https://labo-code.com/python/python-basis/make-dir/) - フォルダ（ディレクトリ）を自動で作成して、さらにその中にファイルを作成したいことってありませんか？今回はPyt
- [【Python】二次元リストの取り扱い](https://labo-code.com/python/python-basis/two-dimensional-list/) - 二次元リストというリストの上位互換にあたるものを今回は扱っていきます。二次元リストを学ぶメリットととして次の２
- [初めてのPython：プログラムを実行する方法](https://labo-code.com/python/python-basis/print/) - Pythonでいざプログラミングを始めようと思っても、何から手をつけて良いかわかりませんよね。そんな時には、最
- [【Fortran】双曲型偏微分方程式の計算【数値計算】](https://labo-code.com/fortran/fortran-basics/fortran-hyperbolic-pde/) - はじめに Fortranは今日でも現役で数値計算に使用されています。多くの場合、Pythonなどのインタプリタ
- [【Fortran】namelistファイルを使った変数の値の受け渡し](https://labo-code.com/fortran/fortran-basics/namelist/) - はじめに 前回の記事では、1/4円の積分から円周率を求めるプログラムを使って、doループとファイルの書き出しと
- [【Fortran】doループ、ファイルの入出力](https://labo-code.com/fortran/fortran-basics/do-loop-and-file-inout/) - はじめに 前回の記事では、ソースコードをコンパイルするためのコンパイラのインストールを行い、「Hello, W
- [【Fortran】コンパイラ gfortran のインストール（Windows編）【Hello, World!】](https://labo-code.com/fortran/fortran-basics/install-gfortran-into-windows/) - はじめに これから、今でも数値計算の分野において現役で使用されている Fortran (正確には Fortra
- [【Fortran】コンパイラ gfortran のインストール（mac編）【Hello, World!】](https://labo-code.com/fortran/fortran-basics/install-gfortran-into-mac/) - はじめに これから、今でも数値計算の分野において現役で使用されている Fortran (正確には Fortra
- [【Fortran】数値計算ライブラリを使用する【LAPACK/BLAS】](https://labo-code.com/fortran/fortran-basics/fortran-lapack-blas/) - はじめに Fortranには長い歴史があり、先人たちが作成した効率の良いアルゴリズムで実装されたプログラムがラ
- [【時間-周波数解析の基礎】離散フーリエ変換【Python実装編】](https://labo-code.com/python/dft/) - pythonで周波数解析したいと思ったことはありませんか。離散フーリエ変換を使用して，手持ちのデータに特定の周
- [【Python】音声データの加工（フィルタリング操作）と書き出し【pydub】](https://labo-code.com/python/pydub-output/) - 音声データの解析、加工をPythonでやってみたいと思ったことはありませんか？ 前回の記事ではpydubを使っ
- [【Python】短時間フーリエ変換（STFT）の実装【ソースコード付き】](https://labo-code.com/python/stft/) - これまで，離散フーリエ変換(DFT)について紹介してきました。DFTは，信号に含まれる振動成分を周波数ごとに分
- [【ヒルベルト変換】Pythonを使った包絡線・瞬時周波数の取得方法【時間-周波数解析の基礎】](https://labo-code.com/python/hilbert-transform/) - 振動成分の振幅と周波数が時間とともに変化するデータの解析手法として，短時間フーリエ変換（STFT）を紹介しまし
- [【Wavelet】Pythonでウェーブレット変換を実装【時間-周波数解析の基礎】](https://labo-code.com/python/wavelet/) - 短時間フーリエ変換 (STFT) を用いて時間周波数解析を行う場合，解析したい信号の時間変化に対して窓関数幅を
- [【時間−周波数解析の基礎】コヒーレンスとフェイズを可視化して信号どうしの相関を調べる【STFT】](https://labo-code.com/python/coherence-pahse/) - 前回は時間-周波数解析手法の一つであるSTFTを紹介しました。今回は，2つの信号の周波数空間での相関を解析する
- [【時間-周波数解析の基礎】ウェーブレットコヒーレンスとフェイズで信号どうしの相関を調べる【Wavelet】](https://labo-code.com/python/wavelet-coherence-pahse/) - 前回は，フーリエ変換を用いて2つの信号間の周波数空間での相関を評価するコヒーレンス，そして，相関のある周波数成
- [【時間-周波数解析の基礎】特異スペクトル解析を用いた時系列データの成分分析【SSA】](https://labo-code.com/python/specific-spectrum-analysis/) - これまで，フーリエ変換，ウェーブレット変換といった時間周波数解析の手法を紹介してきました。今回は，これまでとは
- [EvoProtGradを用いたタンパク質のin silico指向性進化【タンパク質デザイン】](https://labo-code.com/bioinformatics/evoprotgrad/) - この記事では、EvoProtGradというツールを通して、タンパク質言語モデルを利用した指向性進化について紹介
- [【Python】pydubの使い方：音声データの読み込み【pydub】](https://labo-code.com/python/pydub-input/) - 音声データをPythonで取り込んで表示したり解析したりしたいと思ったことはありませんか？ この記事では音声デ
- [LabCodeの立ち上げ秘話と2022年の振り返り](https://labo-code.com/note/labcode-review-2022/) - はじめに こんにちは、そして、はじめまして。LabCode（ラボコード）代表のNyoshです。 もう年の瀬です
- [【英会話】【国際学会】ChatGPTを用いた英会話、国際学会練習【Lab Hack】](https://labo-code.com/lab-hack/chatgpt-english-conversation/) - 本記事はChatGPTを用いた英会話の記事について書かれた記事です。これを使うと、日常の英会話からミーディング
- [【ChatGPT】Code Interpreterで衛星データを操作する【Lab Hack】](https://labo-code.com/lab-hack/chatgpt-satellite-analysis/) - 本記事では、ChatGPTのプラグインであるCode Interpreterについて説明します。 Code I
- [【QGIS】GISソフトでGoogle Earth Engineを操作する【衛星データ解析】](https://labo-code.com/python/qgis-gee-python/) - 近年、地理情報を応用したデータ分析が多くの分野で注目されています。例えば、こちらの記事で軽く紹介したQGISな
- [【LabCode】2023年の振り返り](https://labo-code.com/note/labcode-review-2023/) - はじめに こんにちは、LabCode（ラボコード）代表のNyoshです。 みなさまは2023年いかがでしたか？
- [【Python】How to install Cartopy to handle geospatial data 【Cartopy】](https://labo-code.com/en/cartopy-install-2/) - Have you ever wanted to handle geospatial data (ge
- [【MetPy】Calculate atmospheric stability index from vertical profile【Weather Data】](https://labo-code.com/en/stability-index-with-metpy/) - Introduction In a previous article, we introduced
- [Numerical Solutions to Hyperbolic Partial Differential Equations with Code [Python]](https://labo-code.com/en/hyperbolic_equation-2/) - In this article, we will delve into the numerical solut
- [Numerical Solutions to Non-linear Partial Differential Equations with Code [Python]](https://labo-code.com/en/non_linear_equation-2/) - In this article, we will delve into the numerical solut
- [【Bioinformatics】Counting Gene Expression Levels in scRNA-seq Data Using Cell Ranger【scRNA-seq】](https://labo-code.com/en/singlecell-cellranger-gene-expression/) - After becoming accustomed to reanalyzing single cell RN
- [【scRNA-seq】Methods for Searching Single Cell RNA-seq Data from Public Databases【bioinformatics】 ](https://labo-code.com/en/searching-scrna-seq-data-from-public-db/) - Many might be interested in trying out single cell RNA-
- [Numerical Solutions to Two-Dimensional Parabolic Partial Differential Equations with Code [Python]](https://labo-code.com/en/two_dimensional_parabolic_partial_differential_equation/) - In this article, we will delve into the numerical solut
- [Numerical Solutions to Parabolic Partial Differential Equations with Code [Python]](https://labo-code.com/en/parabolic_partial_differential_equation/) - In this article, we will delve into the numerical solut
- [【Molecular Docking】 Small Molecule and protein docking by using SwissDock【In Silico Drug Discovery】](https://labo-code.com/en/swissdock-en/) - This article is about SwissDock, a low-molecular-weight
- [【Autodock Vina】In Silico Screening Using Autodock Vina【In Silico Drug Discovery】](https://labo-code.com/en/autodock-vina/) - This article is about in silico drug screening using Au
- [【scRNA-seq】Assigning cell types to each cluster automatically using Seurat in single-cell RNA sequencing【bioinformatics】 ](https://labo-code.com/en/assigning-cell-types-using-singler/) - In our previous session, we explained how to create a S
- [【scRNA-seq】Integrating Multiple scRNA-seq Datasets with Seurat for Comparing Control and Stimulated Groups【Seurat】](https://labo-code.com/en/scrna-seq-compare-control-and-stimulated/) - While you might have achieved some level of visualizati
- [Numerical Solution of Partial Differential Equations using Python: A Beginner's Guide with Code](https://labo-code.com/en/partial_differential_equations_for_beginners/) - In this article, we delve into the basics of numericall
- [【Molecular Docking】 Protein-Protein Docking Using HDock【In Silico Drug Discovery】](https://labo-code.com/en/hdock/) - Molecular docking is a computer simulation technique to
- [【scRNA-seq】 How to Start scRNA-seq Analysis Using Seurat (Part 2)【Seurat】](https://labo-code.com/en/scrna-seq-seurat-intro-part2/) - This article is the second part of our hands-on tutoria
- [【scRNA-seq】 How to Start scRNA-seq Analysis Using Seurat (Part 1)【Seurat】](https://labo-code.com/en/scrna-seq-seurat-intro-part1/) - Single-cell RNA sequencing (scRNA-seq) is gaining atten
- [【Molecular Docking】 Protein-Protein Docking Using LZerD Pairwise Docking【In Silico Drug Discovery】](https://labo-code.com/en/lzerd-pairwise-docking-2/) - Molecular docking is a computer simulation method that
- [How to Use the Recorder (Macro)](https://labo-code.com/en/use-of-recorder-macro/) - Have you ever thought about creating a macro in ImageJ?
- [How to Use ImageJ](https://labo-code.com/en/image-processing-with-imagej/) - Have you ever wanted to easily conduct image processing
- [How to Read a Data File in Bulk Using Python](https://labo-code.com/en/read-file-in-bulk/) - Are you familiar with reading data files (.dat, .csv, e
- [How to Read Data Files Line by Line in Python](https://labo-code.com/en/read-line-by-line/) - Have you ever needed to read .csv or .dat files line by
- [【RF Diffusion】Discovery of Protein Drugs using RF Diffusion, ProteinMPNN, and AF2 【In silico Drug Discovery】](https://labo-code.com/en/【rf-diffusion】discovery-of-protein-drugs-using-rf-diffusion-proteinmpnn-and-af2-【in-silico-drug-discovery】/) - This article is about RF Diffusion, ProteinMPNN, and AF
- [【In Silico Drug Discovery】In Silico Screening of Small Molecules using PyRx【In Silico Screening】](https://labo-code.com/en/in-silico-drug-discoveryin-silico-screening-of-small-molecules-using-pyrxin-silico-screening/) - This blog post is about in silico screening of small mo

## 固定ページ

- [トップページ](https://labo-code.com/) - LabCodeの技術書 初心者向け 公共データを用いたRNA-seq解析 フルカラー画面キャプチャをふんだんに
- [おすすめサイト一覧](https://labo-code.com/recommended-websites/) - 研究者のプレゼンスを向上させたいというLabCodeと同じ思いを持った方々が運営するサイトをご紹介します！ 野
- [コンテンツ制作ポリシー](https://labo-code.com/content-policy/) - 当サイト「LabCode」（以下、「当サイト」）は、読者の皆様に正確で、信頼でき、そして何よりも役立つ情報を提
- [プライバシーポリシー](https://labo-code.com/privacy/) - 当サイト「LabCode」（以下、「当サイト」とします）は、訪問者様の個人情報の重要性を認識し、その保護の徹底
- [お問い合わせ](https://labo-code.com/inquiry/) - 当サイト「LabCode」をご覧いただき、誠にありがとうございます。当サイトに関するご質問、ご意見・ご感想、記
- [利用規約](https://labo-code.com/terms/) - この利用規約（以下、「本規約」といいます）は、合同会社アクシオンラボ（以下、「当社」といいます）が運営するウェ
- [運営企業](https://labo-code.com/company/) - 会社概要 (Company Profile) 企業理念 実践的IT教育で挑戦できる自由と未来を選ぶ力を届けます

## コンテンツブロック

- [フッター](https://labo-code.com/content_block/footer/) - 運営企業｜コンテンツ制作ポリシー ｜利用規約｜プライバシーポリシー ｜お問い合わせ HOME © 2

## カテゴリー

- [Python](https://labo-code.com/python/) - pythonを使ったデータ解析手法を発信します。
- [データ解析](https://labo-code.com/python/data-analysis/)
- [プログラミング全般](https://labo-code.com/general/)
- [python基礎](https://labo-code.com/python/python-basis/)
- [画像解析](https://labo-code.com/python/image-analysis/)
- [バイオインフォマティクス](https://labo-code.com/bioinformatics/)
- [RNA-seq](https://labo-code.com/bioinformatics/rna-seq/)
- [Webアプリ](https://labo-code.com/python/web-app/)
- [信号処理](https://labo-code.com/python/signal-processing/)
- [クラウド](https://labo-code.com/cloud/)
- [AWS](https://labo-code.com/cloud/aws/)
- [衛星データ解析](https://labo-code.com/python/衛星データ解析/)
- [データ分析基盤](https://labo-code.com/data-platform/)
- [redash](https://labo-code.com/data-platform/redash/)
- [シングルセル](https://labo-code.com/bioinformatics/シングルセル/)
- [気象データ解析](https://labo-code.com/python/気象データ解析/)
- [note](https://labo-code.com/note/)
- [振り返り](https://labo-code.com/note/振り返り/)
- [R](https://labo-code.com/r/)
- [ImageJ](https://labo-code.com/imagej/)
- [In silico創薬](https://labo-code.com/bioinformatics/in-silico創薬/)
- [Lab Hack](https://labo-code.com/lab-hack/)
- [English](https://labo-code.com/en/)
- [Gaussian](https://labo-code.com/general/gaussian/)
- [Elixir](https://labo-code.com/elixir/)
- [メタ解析](https://labo-code.com/bioinformatics/メタ解析/)
- [数値解法](https://labo-code.com/python/数値解法/)
- [量子化学計算](https://labo-code.com/python/quantum-chemical-calculation/)
- [WGS/WES](https://labo-code.com/bioinformatics/wgs-wes/)
- [Fortran](https://labo-code.com/fortran/)
- [Fortran基礎](https://labo-code.com/fortran/fortran-basics/)
- [タンパク質デザイン](https://labo-code.com/bioinformatics/タンパク質デザイン/)
- [抗体デザイン](https://labo-code.com/bioinformatics/in-silico創薬/抗体デザイン/)
- [マテリアルズ・インフォマティクス](https://labo-code.com/materials-informatics/)
- [生存時間解析](https://labo-code.com/bioinformatics/生存時間解析/)
- [アプタマー](https://labo-code.com/bioinformatics/in-silico創薬/アプタマー/)
- [Network pharmacology](https://labo-code.com/bioinformatics/in-silico創薬/network-pharmacology/)

## タグ

- [python](https://labo-code.com/tag/python/)
- [open](https://labo-code.com/tag/open/)
- [numpy](https://labo-code.com/tag/numpy/)
- [re](https://labo-code.com/tag/re/)
- [print](https://labo-code.com/tag/print/)
- [ls](https://labo-code.com/tag/ls/)
- [pwd](https://labo-code.com/tag/pwd/)
- [cwd](https://labo-code.com/tag/cwd/)
- [loadtxt](https://labo-code.com/tag/loadtxt/)
- [write](https://labo-code.com/tag/write/)
- [re.match](https://labo-code.com/tag/re-match/)
- [matplotlib](https://labo-code.com/tag/matplotlib/)
- [def](https://labo-code.com/tag/def/)
- [return](https://labo-code.com/tag/return/)
- [画像処理](https://labo-code.com/tag/画像処理/)
- [pillow](https://labo-code.com/tag/pillow/)
- [配列](https://labo-code.com/tag/配列/)
- [画像解析](https://labo-code.com/tag/画像解析/)
- [OpenCV](https://labo-code.com/tag/opencv/)
- [RNA-seq](https://labo-code.com/tag/rna-seq/)
- [ikra](https://labo-code.com/tag/ikra/)
- [Webアプリ](https://labo-code.com/tag/webアプリ/)
- [Streamlit](https://labo-code.com/tag/streamlit/)
- [周波数解析](https://labo-code.com/tag/周波数解析/)
- [信号処理](https://labo-code.com/tag/信号処理/)
- [フーリエ変換](https://labo-code.com/tag/フーリエ変換/)
- [AOE](https://labo-code.com/tag/aoe/)
- [バイオインフォマティクス](https://labo-code.com/tag/バイオインフォマティクス/)
- [pydub](https://labo-code.com/tag/pydub/)
- [iDEP](https://labo-code.com/tag/idep/)
- [コマンドライン](https://labo-code.com/tag/コマンドライン/)
- [音声](https://labo-code.com/tag/音声/)
- [フィルタリング操作](https://labo-code.com/tag/フィルタリング操作/)
- [メタ解析](https://labo-code.com/tag/メタ解析/)
- [スペクトログラム](https://labo-code.com/tag/スペクトログラム/)
- [STFT](https://labo-code.com/tag/stft/)
- [包絡線](https://labo-code.com/tag/包絡線/)
- [瞬時周波数](https://labo-code.com/tag/瞬時周波数/)
- [ヒルベルト変換](https://labo-code.com/tag/ヒルベルト変換/)
- [クラウド](https://labo-code.com/tag/クラウド/)
- [AWS](https://labo-code.com/tag/aws/)
- [データ整形](https://labo-code.com/tag/データ整形-2/)
- [生データ](https://labo-code.com/tag/生データ/)
- [Metascape](https://labo-code.com/tag/metascape/)
- [ウェーブレット変換](https://labo-code.com/tag/ウェーブレット変換/)
- [スカログラム](https://labo-code.com/tag/スカログラム/)
- [Google Earth Engine](https://labo-code.com/tag/google-earth-engine/)
- [衛星データ解析](https://labo-code.com/tag/衛星データ解析/)
- [NDVI](https://labo-code.com/tag/ndvi/)
- [コヒーレンス](https://labo-code.com/tag/コヒーレンス/)
- [フェイズ](https://labo-code.com/tag/フェイズ/)
- [データ分析基盤](https://labo-code.com/tag/データ分析基盤/)
- [Redash](https://labo-code.com/tag/redash/)
- [BIツール](https://labo-code.com/tag/biツール/)
- [IAM](https://labo-code.com/tag/iam/)
- [ユーザ管理](https://labo-code.com/tag/ユーザ管理/)
- [ウェーブレット](https://labo-code.com/tag/ウェーブレット/)
- [GIS](https://labo-code.com/tag/gis/)
- [シェープファイル](https://labo-code.com/tag/シェープファイル/)
- [scRNA-seq](https://labo-code.com/tag/scrna-seq/)
- [Seurat](https://labo-code.com/tag/seurat/)
- [シングルセル](https://labo-code.com/tag/シングルセル/)
- [GISデータ](https://labo-code.com/tag/gisデータ/)
- [Cartopy](https://labo-code.com/tag/cartopy/)
- [タイムラプス](https://labo-code.com/tag/タイムラプス/)
- [R](https://labo-code.com/tag/r/)
- [PCA](https://labo-code.com/tag/pca/)
- [Windows](https://labo-code.com/tag/windows/)
- [2022](https://labo-code.com/tag/2022/)
- [振り返り](https://labo-code.com/tag/振り返り/)
- [LabCode](https://labo-code.com/tag/labcode/)
- [気象衛星画像](https://labo-code.com/tag/気象衛星画像/)
- [grib](https://labo-code.com/tag/grib/)
- [GPV](https://labo-code.com/tag/gpv/)
- [公共データ](https://labo-code.com/tag/公共データ/)
- [特異スペクトル解析](https://labo-code.com/tag/特異スペクトル解析/)
- [clusterProfiler](https://labo-code.com/tag/clusterprofiler/)
- [エンリッチメント解析](https://labo-code.com/tag/エンリッチメント解析/)
- [ImageJ](https://labo-code.com/tag/imagej/)
- [Fiji](https://labo-code.com/tag/fiji/)
- [PyRosetta](https://labo-code.com/tag/pyrosetta/)
- [In silico 創薬](https://labo-code.com/tag/in-silico-創薬/)
- [Rosetta](https://labo-code.com/tag/rosetta/)
- [SAR衛星](https://labo-code.com/tag/sar衛星/)
- [Sentinel-1](https://labo-code.com/tag/sentinel-1/)
- [ggplot](https://labo-code.com/tag/ggplot/)
- [RF Diffusion](https://labo-code.com/tag/rf-diffusion/)
- [ProteinMPNN](https://labo-code.com/tag/proteinmpnn/)
- [AF2](https://labo-code.com/tag/af2/)
- [BeautifulSoup4](https://labo-code.com/tag/beautifulsoup4/)
- [ウェブスクレイピング](https://labo-code.com/tag/ウェブスクレイピング/)
- [GCP](https://labo-code.com/tag/gcp/)
- [BigQuery](https://labo-code.com/tag/bigquery/)
- [PyRx](https://labo-code.com/tag/pyrx/)
- [in silico screening](https://labo-code.com/tag/in-silico-screening/)
- [Amazon CodeWhisperer](https://labo-code.com/tag/amazon-codewhisperer/)
- [コード支援ツール](https://labo-code.com/tag/コード支援ツール/)
- [エマグラム](https://labo-code.com/tag/エマグラム/)
- [MetPy](https://labo-code.com/tag/metpy/)
- [気象データ](https://labo-code.com/tag/気象データ/)
- [前線解析](https://labo-code.com/tag/前線解析/)
- [国際学会](https://labo-code.com/tag/国際学会/)
- [ChatGPT](https://labo-code.com/tag/chatgpt/)
- [英会話](https://labo-code.com/tag/英会話/)
- [Sen2Cor](https://labo-code.com/tag/sen2cor/)
- [衛星データ](https://labo-code.com/tag/衛星データ/)
- [大気補正](https://labo-code.com/tag/大気補正/)
- [Single Cell RNA-seq](https://labo-code.com/tag/single-cell-rna-seq/)
- [MD simulation](https://labo-code.com/tag/md-simulation/)
- [GROMACS](https://labo-code.com/tag/gromacs/)
- [ACFIS2.0](https://labo-code.com/tag/acfis2-0/)
- [FBDD](https://labo-code.com/tag/fbdd/)
- [CellBender](https://labo-code.com/tag/cellbender/)
- [クオリティコントロール](https://labo-code.com/tag/クオリティコントロール/)
- [In Silico Drug Discovery](https://labo-code.com/tag/in-silico-drug-discovery/)
- [インストール，](https://labo-code.com/tag/インストール，/)
- [cell ranger](https://labo-code.com/tag/cell-ranger/)
- [image processing](https://labo-code.com/tag/image-processing/)
- [array](https://labo-code.com/tag/array/)
- [SAR satellite](https://labo-code.com/tag/sar-satellite/)
- [QC](https://labo-code.com/tag/qc/)
- [DoubletFInder](https://labo-code.com/tag/doubletfinder/)
- [Gaussian](https://labo-code.com/tag/gaussian/)
- [量子化学計算](https://labo-code.com/tag/量子化学計算/)
- [分子ドッキング](https://labo-code.com/tag/分子ドッキング/)
- [ClusPro](https://labo-code.com/tag/cluspro/)
- [PatchDock](https://labo-code.com/tag/patchdock/)
- [マクロ](https://labo-code.com/tag/マクロ/)
- [レコーダー](https://labo-code.com/tag/レコーダー/)
- [LZerD](https://labo-code.com/tag/lzerd/)
- [macro](https://labo-code.com/tag/macro/)
- [recorder](https://labo-code.com/tag/recorder/)
- [HDock](https://labo-code.com/tag/hdock/)
- [Code Interpreter](https://labo-code.com/tag/code-interpreter/)
- [Molecular Docking](https://labo-code.com/tag/molecular-docking/)
- [ヒストグラム](https://labo-code.com/tag/ヒストグラム/)
- [年最大日降水量](https://labo-code.com/tag/年最大日降水量/)
- [SRA](https://labo-code.com/tag/sra/)
- [構造最適化](https://labo-code.com/tag/構造最適化/)
- [振動数計算](https://labo-code.com/tag/振動数計算/)
- [Elixir](https://labo-code.com/tag/elixir/)
- [Livebook](https://labo-code.com/tag/livebook/)
- [Avogadro](https://labo-code.com/tag/avogadro/)
- [マーカー遺伝子](https://labo-code.com/tag/マーカー遺伝子/)
- [統合](https://labo-code.com/tag/統合/)
- [エラー](https://labo-code.com/tag/エラー/)
- [収束しない](https://labo-code.com/tag/収束しない/)
- [極値分布](https://labo-code.com/tag/極値分布/)
- [metafor](https://labo-code.com/tag/metafor/)
- [forestplot](https://labo-code.com/tag/forestplot/)
- [AutoDock Vina](https://labo-code.com/tag/autodock-vina/)
- [HOMO-LUMO](https://labo-code.com/tag/homo-lumo/)
- [確率降水量](https://labo-code.com/tag/確率降水量/)
- [最尤法](https://labo-code.com/tag/最尤法/)
- [deseq2](https://labo-code.com/tag/deseq2/)
- [QGIS](https://labo-code.com/tag/qgis/)
- [地理情報解析](https://labo-code.com/tag/地理情報解析/)
- [IRスペクトル](https://labo-code.com/tag/irスペクトル/)
- [偏微分方程式](https://labo-code.com/tag/偏微分方程式/)
- [数値解法](https://labo-code.com/tag/数値解法/)
- [形状分類](https://labo-code.com/tag/形状分類/)
- [2023](https://labo-code.com/tag/2023/)
- [Cytoscape](https://labo-code.com/tag/cytoscape/)
- [ネットワーク解析](https://labo-code.com/tag/ネットワーク解析/)
- [タンパク質間相互作用](https://labo-code.com/tag/タンパク質間相互作用/)
- [string](https://labo-code.com/tag/string/)
- [機械学習](https://labo-code.com/tag/機械学習/)
- [ランダムフォレスト](https://labo-code.com/tag/ランダムフォレスト/)
- [AI創薬](https://labo-code.com/tag/ai創薬/)
- [RaNA-seq](https://labo-code.com/tag/rana-seq/)
- [SwissDock](https://labo-code.com/tag/swissdock/)
- [Bioinformatics](https://labo-code.com/tag/bioinformatics/)
- [SwissADME](https://labo-code.com/tag/swissadme/)
- [物性評価](https://labo-code.com/tag/物性評価/)
- [ADME](https://labo-code.com/tag/adme/)
- [emagram](https://labo-code.com/tag/emagram/)
- [Stability Index](https://labo-code.com/tag/stability-index/)
- [毒性評価](https://labo-code.com/tag/毒性評価/)
- [Toxicophores](https://labo-code.com/tag/toxicophores/)
- [QSAR](https://labo-code.com/tag/qsar/)
- [一点計算](https://labo-code.com/tag/一点計算/)
- [Ligand-based screening](https://labo-code.com/tag/ligand-based-screening/)
- [プベルル酸](https://labo-code.com/tag/プベルル酸/)
- [標的予測](https://labo-code.com/tag/標的予測/)
- [類縁体発見](https://labo-code.com/tag/類縁体発見/)
- [CART](https://labo-code.com/tag/cart/)
- [pyscf](https://labo-code.com/tag/pyscf/)
- [ポケット探索](https://labo-code.com/tag/ポケット探索/)
- [Structure-based drug design](https://labo-code.com/tag/structure-based-drug-design/)
- [WGS](https://labo-code.com/tag/wgs/)
- [WES](https://labo-code.com/tag/wes/)
- [ゲノム](https://labo-code.com/tag/ゲノム/)
- [Fortran](https://labo-code.com/tag/fortran/)
- [コンパイラ](https://labo-code.com/tag/コンパイラ/)
- [gfortran](https://labo-code.com/tag/gfortran/)
- [毒性予測](https://labo-code.com/tag/毒性予測/)
- [分子軌道](https://labo-code.com/tag/分子軌道/)
- [HANTS](https://labo-code.com/tag/hants/)
- [時系列解析](https://labo-code.com/tag/時系列解析/)
- [疑似バルクRNA-seq](https://labo-code.com/tag/疑似バルクrna-seq/)
- [scanpy](https://labo-code.com/tag/scanpy/)
- [cell annotation](https://labo-code.com/tag/cell-annotation/)
- [doループ](https://labo-code.com/tag/doループ/)
- [ファイル入出力](https://labo-code.com/tag/ファイル入出力/)
- [TD-DFT](https://labo-code.com/tag/td-dft/)
- [ATAC-seq](https://labo-code.com/tag/atac-seq/)
- [signac](https://labo-code.com/tag/signac/)
- [分子構造作成](https://labo-code.com/tag/分子構造作成/)
- [namelist](https://labo-code.com/tag/namelist/)
- [CASSCF](https://labo-code.com/tag/casscf/)
- [harmony](https://labo-code.com/tag/harmony/)
- [タンパク質](https://labo-code.com/tag/タンパク質/)
- [GPU](https://labo-code.com/tag/gpu/)
- [ESM](https://labo-code.com/tag/esm/)
- [タンパク質デザイン](https://labo-code.com/tag/タンパク質デザイン/)
- [数値計算](https://labo-code.com/tag/数値計算/)
- [iGEM](https://labo-code.com/tag/igem/)
- [iGEM-Waseda](https://labo-code.com/tag/igem-waseda/)
- [Protein](https://labo-code.com/tag/protein/)
- [ライブラリ](https://labo-code.com/tag/ライブラリ/)
- [LAPACK](https://labo-code.com/tag/lapack/)
- [BLAS](https://labo-code.com/tag/blas/)
- [spatial transcriptome](https://labo-code.com/tag/spatial-transcriptome/)
- [rig](https://labo-code.com/tag/rig/)
- [renv](https://labo-code.com/tag/renv/)
- [trajectory](https://labo-code.com/tag/trajectory/)
- [monocle3](https://labo-code.com/tag/monocle3/)
- [RNA Velocity](https://labo-code.com/tag/rna-velocity/)
- [scVelo](https://labo-code.com/tag/scvelo/)
- [cellranger](https://labo-code.com/tag/cellranger/)
- [10X genomics](https://labo-code.com/tag/10x-genomics/)
- [velocyto](https://labo-code.com/tag/velocyto/)
- [loom](https://labo-code.com/tag/loom/)
- [NMR](https://labo-code.com/tag/nmr/)
- [化合物ライブラリ](https://labo-code.com/tag/化合物ライブラリ/)
- [PCM計算](https://labo-code.com/tag/pcm計算/)
- [GEO](https://labo-code.com/tag/geo/)
- [edgeR](https://labo-code.com/tag/edger/)
- [CCSD](https://labo-code.com/tag/ccsd/)
- [抗体デザイン](https://labo-code.com/tag/抗体デザイン/)
- [GSEA](https://labo-code.com/tag/gsea/)
- [機会学習ポテンシャル](https://labo-code.com/tag/機会学習ポテンシャル/)
- [ASE](https://labo-code.com/tag/ase/)
- [マテリアルズ・インフォマティクス](https://labo-code.com/tag/マテリアルズ・インフォマティクス/)
- [ブラウザ](https://labo-code.com/tag/ブラウザ/)
- [データ解析](https://labo-code.com/tag/データ解析/)
- [生存時間解析](https://labo-code.com/tag/生存時間解析/)
- [アプタマー](https://labo-code.com/tag/アプタマー/)
- [構造予測](https://labo-code.com/tag/構造予測/)
- [反応経路探索](https://labo-code.com/tag/反応経路探索/)
- [線形回帰](https://labo-code.com/tag/線形回帰/)
- [物性予測](https://labo-code.com/tag/物性予測/)
- [過学習](https://labo-code.com/tag/過学習/)
- [ベースラインモデル](https://labo-code.com/tag/ベースラインモデル/)
- [CatBoost](https://labo-code.com/tag/catboost/)
- [勾配ブースティング](https://labo-code.com/tag/勾配ブースティング/)
- [SHAP](https://labo-code.com/tag/shap/)
- [XAI](https://labo-code.com/tag/xai/)
- [モデル解釈](https://labo-code.com/tag/モデル解釈/)
- [特徴量重要度](https://labo-code.com/tag/特徴量重要度/)
- [説明可能なAI](https://labo-code.com/tag/説明可能なai/)
- [ハイパーパラメータチューニング](https://labo-code.com/tag/ハイパーパラメータチューニング/)
- [Optuna](https://labo-code.com/tag/optuna/)
- [ベイズ最適化](https://labo-code.com/tag/ベイズ最適化/)
- [交差検証](https://labo-code.com/tag/交差検証/)
- [モデル最適化](https://labo-code.com/tag/モデル最適化/)
- [特徴量エンジニアリング](https://labo-code.com/tag/特徴量エンジニアリング/)
- [記述子](https://labo-code.com/tag/記述子/)
- [matminer](https://labo-code.com/tag/matminer/)
- [ドメイン知識](https://labo-code.com/tag/ドメイン知識/)
- [次元の呪い](https://labo-code.com/tag/次元の呪い/)
- [特徴量選択](https://labo-code.com/tag/特徴量選択/)
- [不確実性評価](https://labo-code.com/tag/不確実性評価/)
- [UQ](https://labo-code.com/tag/uq/)
- [信頼区間](https://labo-code.com/tag/信頼区間/)
- [アンサンブル学習](https://labo-code.com/tag/アンサンブル学習/)
- [予測の信頼性](https://labo-code.com/tag/予測の信頼性/)
- [UMA](https://labo-code.com/tag/uma/)
- [多目的最適化](https://labo-code.com/tag/多目的最適化/)
- [マルチターゲット予測](https://labo-code.com/tag/マルチターゲット予測/)
- [トレードオフ](https://labo-code.com/tag/トレードオフ/)
- [パレートフロント](https://labo-code.com/tag/パレートフロント/)
- [R言語](https://labo-code.com/tag/r言語/)
- [Cox回帰](https://labo-code.com/tag/cox回帰/)
- [HTVS](https://labo-code.com/tag/htvs/)
- [局所探索](https://labo-code.com/tag/局所探索/)
- [マテリアルズインフォマティクス](https://labo-code.com/tag/マテリアルズインフォマティクス/)
- [ベイス最適化](https://labo-code.com/tag/ベイス最適化/)
- [TCGA](https://labo-code.com/tag/tcga/)
- [環状ペプチド](https://labo-code.com/tag/環状ペプチド/)
- [PubChem](https://labo-code.com/tag/pubchem/)
- [漢方](https://labo-code.com/tag/漢方/)
- [Chinese medicine](https://labo-code.com/tag/chinese-medicine/)
- [Network pharmacology](https://labo-code.com/tag/network-pharmacology/)
- [ネットワーク薬理学](https://labo-code.com/tag/ネットワーク薬理学/)
- [スクレイピング](https://labo-code.com/tag/スクレイピング/)
- [機能性食品](https://labo-code.com/tag/機能性食品/)
- [ChEMBL Multitask Neural Network](https://labo-code.com/tag/chembl-multitask-neural-network/)
- [ChEMBL](https://labo-code.com/tag/chembl/)
- [Venn diagram](https://labo-code.com/tag/venn-diagram/)
- [タンパク質相互作用](https://labo-code.com/tag/タンパク質相互作用/)
- [pyngrok](https://labo-code.com/tag/pyngrok/)
- [OpenMM](https://labo-code.com/tag/openmm/)
- [gridbox](https://labo-code.com/tag/gridbox/)
- [Pymol](https://labo-code.com/tag/pymol/)
- [天文データ解析](https://labo-code.com/tag/天文データ解析/)
- [pharmacophore](https://labo-code.com/tag/pharmacophore/)
- [機械学習ポテンシャル](https://labo-code.com/tag/機械学習ポテンシャル/)
- [MOF](https://labo-code.com/tag/mof/)
- [CIFファイル](https://labo-code.com/tag/cifファイル/)
- [Boltz](https://labo-code.com/tag/boltz/)
- [金属触媒](https://labo-code.com/tag/金属触媒/)
- [FEgrow](https://labo-code.com/tag/fegrow/)
- [アクティブラーニング](https://labo-code.com/tag/アクティブラーニング/)
- [ペプチド](https://labo-code.com/tag/ペプチド/)
- [mobius](https://labo-code.com/tag/mobius/)
- [RFPeptide](https://labo-code.com/tag/rfpeptide/)
- [強化学習](https://labo-code.com/tag/強化学習/)
- [Bolzgen](https://labo-code.com/tag/bolzgen/)
- [ペプチドミメティクス](https://labo-code.com/tag/ペプチドミメティクス/)
- [プロテオミクス](https://labo-code.com/tag/プロテオミクス/)
- [ProteomeXchange](https://labo-code.com/tag/proteomexchange/)
- [バイオマーカー](https://labo-code.com/tag/バイオマーカー/)
- [ProteoWizard](https://labo-code.com/tag/proteowizard/)
- [sage-proteomics](https://labo-code.com/tag/sage-proteomics/)