人工知能学会全国大会（JSAI2026）ポスター発表 1Yin-A-29, 2026年6月 · 第一著者
AI for drug discovery / Computational proteomics / Machine learning
伊東 駿一
京都大学大学院薬学研究科 修士課程在学中。
プロテオミクスと創薬のための計算モデルを開発しています。
Profile
伊東 駿一
京都大学大学院薬学研究科 修士課程在学中。プロテオミクスと創薬のための計算モデルを開発しています。 LC-MSデータの生成過程に基づく物理的な生成モデルを定式化し、GPUを活用してスケーラブルに実装、実験データで検証しています。 また、タンパク質–リガンド結合親和性予測に統計・機械学習手法を適用し、実際の創薬ニーズに即した評価基準とモデルを提案しました。 実験測定値・配列・構造から分子の潜在的な性質を学習し、創薬を前進させることに特に関心があります。
- Research Interests
- 計算機支援創薬 · 分子表現学習 · 計算プロテオミクス
- Expertise
- EMアルゴリズム · 最適輸送 · Mixture-of-mixturesモデル · 変分ベイズ · タンパク質/化合物言語モデル · LC-MS/MS
- Stack
- Python ★★★ / TypeScript ★ / Go ★ / Ruby on Rails ★
- Achievement
- Kaggle 銀メダル · 20位（CIBMTR 2025）· 統計検定2級（2025）
- Language
- 日本語（母語） / 英語（IELTS 6.5）
- Hobbies
- フットサル · 旅行
Selected Work
主要プロジェクト
LC-MS/MSプロテオミクスのための階層的確率モデリング
LC-MSデータの生成を支える物理過程に基づく階層的Mixture-of-mixturesモデルを、モデルの定式化・目的関数・事前分布から設計し、 その事後推論によってペプチド・タンパク質の同定と定量を行う新しい手法を開発しています。 データのスパース性とGPUを活用してPyTorchで効率的に実装し、実験LC-MSデータで検証しました。 既存パイプラインと共通する同定結果・定量傾向で一致を保ちながら、追加のペプチドを同定・定量できることを示しました。
マルチモーダル学習によるタンパク質–リガンド結合親和性予測
データセット内のタンパク質ファミリーの偏りに着目し、ファミリー単位の分布外評価でマルチモーダル基盤モデルMAMMALを検証。 全体性能は高い一方、未知のタンパク質ファミリーでは予測値と実測値が負の相関を示すことを明らかにしました。 事前学習済みESM-2とChemBERTaをCross-Attentionで統合するモデルを提案し、約1/4のパラメータ数で同等の全体性能と、未知ファミリーへのより頑健な汎化を実現しました。
LLM因果推論による遺伝子ネットワーク抽出
KEGGなどの主要データベースを支える専門家の手動キュレーションはコストが高いことから、LLMに内在する生物学的知識が遺伝子ネットワーク再構築に使えるかを検証。 乳がんKEGG Pathwayの19遺伝子を対象に、GPT-5 Nanoによるペアワイズ推定ワークフローが従来の因果探索手法を上回りました。
成果記事を読むCIBMTR: Post-HCT Survival Prediction
造血幹細胞移植後の予後予測コンペに研究室チームで参加。 LightGBMの調整を担当し、20位銀メダルを獲得しました。 Kaplan-Meier変換、Pairwise損失関数、Seed averagingなどを活用しました。
Competition pageiPS細胞の心筋細胞分化誘導化合物の計算機的設計
京都大学iCeMS Packwoodグループにてリサーチアシスタントとして参加。機械学習でヒトiPS細胞から心筋細胞への分化を誘導する化合物を予測し、 既知の誘導化合物を医薬品化学に基づくフラグメントに分解・再結合して候補分子をin silicoで設計しました。 実験により設計化合物の心筋細胞分化誘導が確認され、査読付き国際誌JCIMに掲載されました。
論文を読む研究室メンテナンス通知カレンダー
Google Apps Script、Google Calendar API、LINE APIを用いて、LC/MS/MS機器メンテナンスの担当日を前日に通知するBotを作成。 研究室メンバーの日常業務に継続利用されています。
Experience
研究・開発経験
2025.4 - 2027.3（修了予定）
京都大学大学院薬学研究科 修士課程
生体分子計測学分野所属（指導教員：石濱泰 教授、共同指導教員：吉井和佳 教授）。 2024年4月より、計算プロテオミクスとLC-MS/MSデータの統計的シグナル解析の研究に取り組んでいます。
2025.8 - 2025.10
中外製薬 研究インターン
マルチモーダル学習によるタンパク質–リガンド結合親和性予測。MAMMALの未知タンパク質ファミリーへの汎化の限界を明らかにし、 より軽量で頑健に汎化するESM-2 × ChemBERTaのCross-Attentionモデルを提案しました。
2025.8 - 2025.9
Preferred Networks 研究インターン
LLMによる遺伝子ネットワークの因果推論。乳がんKEGG Pathwayにおいて従来の因果探索手法を上回るペアワイズ推定ワークフローを設計・評価しました。
2025.2 - 2025.3
Advemto Ltd.（iCeMS-MacDiarmid Institute On-Site Lab）研究インターン
ニュージーランド・ウェリントンでのオンサイト研究インターンにて、同社初の専任データサイエンティストを務めました。 2次元スペクトル測定データから蛍光ラベルを識別するための前処理を自ら提案してモデルを構築し、ラベル固有の特徴を可視化しました。
2022.10 - 2025.3
WALC（DMG森精機グループ） データサイエンスインターン
医療画像セグメンテーション、解釈可能な健康リスク予測、コンピュータビジョン、最適化のためのPythonによるモデリング・前処理・評価パイプラインを構築。 SAMによる欠損検知、YOLOによる安全行動モニタリング、OR-Toolsによる日程最適化、RAGチャットボットなどに取り組みました。
2020.4 - 2025.3
京都大学薬学部
2024年4月より、LC-MS/MSプロテオミクスのための階層的確率モデリングの研究を開始しました。
2023.9 - 2024.3
Strategy and Partner アルバイト
OpenAI APIを用いたWebアプリ開発に参加。GoによるバックエンドAPI、Next.jsによるチャットUI、 マークダウン表示、ストリーミング応答などを実装しました。
2022.6 - 2023.3
京都大学iCeMS Packwoodグループ リサーチアシスタント
iPS細胞の心筋細胞分化誘導に向けた候補分子のin silico設計に取り組み、査読付き国際誌JCIMへの論文掲載につながりました。
Skills
専門性
✔ 統計学・機械学習・深層学習・コンピューターサイエンスの幅広い知識や経験があります。
✔ 薬学・生命科学の広いドメイン知識、プロテオミクスの専門性を持っています。
Programming & Web
Python（TypeScript, Goは実務レベルの知識）。Git, Docker, Linux, React, Next.js, Gin, Ruby on Rails, OpenAI API
Machine Learning
PyTorch, scikit-learn, Transformers, XGBoost, LightGBM。表現学習、因果探索、生存時間解析
Statistical Modeling
EMアルゴリズム、最適輸送、Mixture-of-mixturesモデル、変分ベイズ
Computational Life Science
タンパク質・分子言語モデル、タンパク質–化合物結合親和性予測、分子表現、プロテオミクス、LC-MS/MS