ＩＴ：ＤＮＡ【偉大なる自然と科学の究明へ】
権威：ヴェンター氏：極めて現実的なアプローチ
『DNA配列を読む・ヒト病気特性・コンピューターと結合連携』
（現在500人、目標100万人）
Three Questions for J. Craig Venter ゲノム科学者と企業家クレイグ・ベンター 配列決定初の人
新しい会社の名前は"Human Longevity"ですが、やろうとしていることは、多くのヒト（現在500人、目標100万人）のDNA配列を読むと同時に、それぞれのヒトの病気を含むすべての特性（強さ、脳のサイズ、心拍出量など。ベンター氏によると「解剖しないで測れるすべての情報」）を記録し、DNA配列と特性との関連をコンピューター翻訳のプロに解析させるという、極めて現実的なアプローチです。
要するに、個人のDNA配列から特性（寿命や病気を含む）をできるだけ正確に翻訳（予言）しようという試みです。これは、15年前にヴェンター氏が自身のDNA配列を材料に用いて、世界で最初にヒトの全ゲノムを解読した時、比較するゲノムがないので、読んでもなにもわからなかったという経験に基づいているそうです。
Tue, August 12, 2014 06:30:08
グーグルの機械学習技術で人間の老化を克服---クレイグ・ヴェンター氏の特異な発想
この「現代ビジネス」の記事は、"Three Questions for J. Craig Venter"というMIT Technology Reviewからの記事の翻訳ですが、タイトルをみるとかなり勘違いして訳しているようです（
元記事をみる）。
新しい会社の名前は"Human Longevity"ですが、やろうとしていることは、多くのヒト（現在500人、目標100万人）のDNA配列を読むと同時に、それぞれのヒトの病気を含むすべての特性（強さ、脳のサイズ、心拍出量など。ベンター氏によると「解剖しないで測れるすべての情報」）を記録し、DNA配列と特性との関連をコンピューター翻訳のプロに解析させるという、極めて現実的なアプローチです。
要するに、個人のDNA配列から特性（寿命や病気を含む）をできるだけ正確に翻訳（予言）しようという試みです。これは、15年前にヴェンター氏が自身のDNA配列を材料に用いて、世界で最初にヒトの全ゲノムを解読した時、比較するゲノムがないので、読んでもなにもわからなかったという経験に基づいているそうです。
記事にもありますが、今グーグルがやっていることや
日本でDeNAがやろうとしていることとは、レベルが違うようです。
合成生物学よりはあたりそうな気がします。
関連記事
ヒトゲノム解読4万円時代はもうすぐ？米国では賞金1千万ドルのゲノム決定コンテストがスタート予定
Synthetic Genomics Inc. ベンター博士の新たな挑戦
グーグルの機械学習技術で人間の老化克服を---
クレイグ・ヴェンター氏の特異な発想
2014年08月07日（木） 小林 雅一
2001年に世界で初めて人のゲノム（全遺伝情報）を解読したことで知られる、米国のクレイグ・ヴェンター（Craig Venter）氏。その一方で、（やはり世界で初めて）遺伝子配列を特許出願し物議を醸すなど、毀誉褒貶の激しい人物でもある同氏が、今度はゲノム解析をベースにして「老化に伴う様々な病気」を治すための会社を立ち上げた。
老化を左右する後天的要因も検査
ヴェンター氏が「
Human Longevity（人間の長寿）」という名前の会社を立ち上げたのは、今年の3月。同社は現在までにボランティアの被験者500人のゲノムを解読した。このゲノム情報に加え、今後は被験者の血液や心臓の検査、さらには脳の大きさの測定など、包括的なヘルスケア情報の収集に取り組んでいく。
特に血液検査では、被験者の血液中に存在する様々な代謝物を分析するばかりか、体内に潜む無数の微生物のゲノムまで解析して、人間の老化メカニズムの解明に取り組んでいくという。これらは、いわゆる「メタボリック・データ（血液中の代謝物に関するデータ）」と呼ばれ、人の遺伝子に深刻な影響を与える環境的要因（老化を左右する後天的要素）と見られている。
100万人のゲノム情報を「機械翻訳」で解析
実際、グーグルのプロジェクトでは当初175人の被験者から始めて、最終的には数千人の遺伝子を解析する予定であるのに対し、ヴェンター氏が立ち上げた「Human Longevity」では、当初500人から始めて、最終的に100万人のゲノム（全遺伝情報）を解析したいとしている。一見、大風呂敷とも受け取られかねないが、（過去に大風呂敷と見られた）ゲノム解読を実際にやり遂げた同氏だけに、その強気な発言には相応の説得力がある。
2001年当時、ヴェンター氏は自分自身のゲノムを解読することに成功したが、今後は多数の人間のゲノムを解析し、それらを比較することによって、病気を治すための効果的な情報が得られると見ている。これを実行するためにヴェンター氏（Human Longevity社）は、（競争相手となる）グーグルで機械翻訳に取り組んできた優秀なエンジニアを引き抜いてきて、その仕事を任せることにした。
グーグルの機械翻訳システムでは、ウエブ上に存在する様々な言語の文書を大量に掻き集めてきて、これらを機械学習技術で比較・解析することによって、異なる言語間の翻訳作業に必要な、ある種の法則性を確率的に割り出していく。
一方、人のゲノムも、ほぼ無限に続くA（アデニン）、G（グアニン）、C（シトシン）、T（チミン）の塩基配列からなる一種の言語と見ることができる。従って、（最終的には）100万人のゲノム情報を比較・解析するためには、グーグルの機械翻訳や機械学習の技術が効果的と考えたのだという。
このように、既存の枠に囚われないヴェンター氏の発想力は人並外れている。「老化の克服」という人類にとって永遠の夢も、「ひょっとしたら、やり遂げてしまうかもしれない」という期待を抱かせる。
Three Questions for J. Craig Venter
クレイグ・ベンターへの3つの質問
Gene research and Silicon Valley-style computing are starting to merge.
遺伝子研究とシリコン・バレー・スタイルのコンピューティングは、結合し始めています。
J. Craig Venter
J. クレイグ腹部
Genome scientist and entrepreneur J. Craig Venter is best known for being the first person to sequence his own genome, back in 2001.
ゲノム科学者と企業家クレイグ・ベンターは、彼自身のゲノムを配列決定する初の人であることで最も有名で、2001に戻っています。
Venter says that he’s sequenced 500 people’s genomes so far, and that volunteers are starting to also undergo a battery of tests measuring their strength, brain size, how much blood their hearts pump, and, says Venter, “just about everything that can be measured about a person, without cutting them open.” This information will be fed into a database that can be used to discover links between genes and these traits, as well as disease.
腹部は彼がここまで500人のゲノムを配列決定したと言います、まったく、ボランティアはまた、彼らの強さを計っているテストの一連を経験し始めています、サイズの頭を殴ってください、いくらは彼らの心臓ポンプに血を見せます、そして、Venterは言います、「ちょっと人について測られることができるすべてについて、彼らを切ることなく、開いてください。」、This情報は遺伝子とこれらの特徴（病気だけでなく）の関連を発見するのに用いられることができるデータベースに入れられます。
But that’s going to require some massive data crunching. To get these skills, Venter recruited
Franz Och, the machine-learning specialist leading Google Translate. Now Och will apply similar methods to studying genomes in a data science and software shop that Venter is establishing in Mountain View, California.
しかし、それは、噛んでいる若干の大きいデータを必要としそうです。ああ、これらの技術（腹部入れられたフランツ）を得るために、機械を学んでいる専門主要なGoogleは、翻訳します。現在、Ochは類似した方法をVenterがマウンテンビュー（カリフォルニア）に置いているデータ科学とソフトウェア店でゲノムを調査することに適用します。The hire comes just as Google itself has launched a similar-sounding effort to start collecting biomedical data (see “
What’s a Moon Shot Worth These Days”). Venter calls Google’s plans for a biomedical database “a baby step, a much smaller version of what we are doing.”
Googleそのものが生医学的なデータ（「月Shot Worth These Daysであること」を見ます）を集め始める類似的な音のする努力を開始したちょうどその時、賃貸は来ます。腹部は、生医学的なデータベース「ベビー・ステップ、我々がしていることの非常により小さなバージョン」のGoogleの計画を呼びます。What’s clear is that genome research and data science are coming together in new ways, and at a much larger scale than ever before. We asked Venter why.
明白であることは、ゲノム研究とデータ科学が新しい方向に、そして、以前にもまして非常により大きいスケールで一緒に来ているということです。我々は、なぜかVenterに尋ねました。
How are we doing in genomics?
どのように、我々はジェノミクスを殺していますか？
In my view there have not been a significant number of advances. One reason for that is that genomics follows a law of very big numbers. I’ve had my genome for 15 years, and there’s not much I can learn because there are not that many others to compare it to.
私の考えでは、前進のかなりの数が、ありませんでした。それの1つの理由は、ジェノミクスが非常に大きい数の法律に従うということです。私は15年の間ゲノムを持っていました、そして、それを比較するその多くの他がないので、私が学ぶことができる多くがありません。
Why did you hire an expert in machine translation as your top data scientist?
なぜ、あなたは最高のデータ科学者として機械翻訳の専門家を雇いましたか？
Until now, there’s not been software for comparing my genome to your genome, much less to a million genomes. We want to get to a point where it takes a few seconds to compare your genome to all the others. It’s going to take a lot of work to do that.
これまで、ソフトウェアが、私のゲノムをあなたのゲノムに、まして100万のゲノムに比較するためにありませんでした。我々は、あなたのゲノムをすべての他と比較するために２、３秒かかる点に着きたいです。それは、そうするには多くの仕事が必要になりそうです。
Google Translate started as a slow algorithm that took hours or days to run and was not very accurate. But Franz [Och] built a machine-learning version that could go out on the Web and find every article translated from German to English or vice versa, and learn from those. And then it was optimized, so it works in milliseconds.
Google Translateは、走るために数時間あるいは数日がかかって、あまり正確でなかった遅いアルゴリズムとして始まりました。しかし、フランツ［ああ］は、ウェブ上に出かけることができて、あらゆる記事がドイツ語から英語またはその逆まで翻訳されるのを発見することができて、それらから学ぶことができた機械学習版を造りました。そして、それは最適化されたので、それはミリ秒に働きます。
I convinced Franz, and he convinced himself, that understanding the human genome at the scale that we are trying to do it is going to be one of the greatest translation challenges in history.
私はフランツを納得させました、そして、彼は自分自身を納得させました。そして、それが我々がそれをしようとしているスケールのヒトゲノムが歴史で最もすばらしい翻訳チャレンジの1つになると思いました。
How is discovering the connection between genes and disease like translating languages?
どのように、遺伝子と病気の関係を発見することは、言語を翻訳するようですか？
Everything in a cell derives from your DNA code, all the proteins, their structure, whether they last seconds or days. All that is preprogrammed in DNA language. Then it is translated into life. People are going to be very surprised about how much of a DNA software species we are.
彼らが秒または日の間もつかどうかにかかわらず、細胞のすべてはあなたのDNAコード（すべてのタンパク質）から彼らの構造を得ます。そのようなものすべては、DNA言語で予めプログラムされています。それから、それは生命に変換されます。人々は、我々がDNAソフトウェア種のいくらであるかについて、非常に驚きそうです。
Three Questions for J. Craig Venter | MIT Technology Review
クレイグ・ベンターへの3つの質問 | MIT技術レビュー
Genome scientist and entrepreneur J. Craig Venter is best known for being the first person to sequence his own genome, back in 2001. This year, he started a new company, Human Longevity, which intends to sequence one million human genomes by 2020, and ultimately offer Web-based programs to help people store and understand their genetic data.Venter says that he’s sequenced 500 people’s genomes so far, and that volunteers are starting to also undergo a battery of tests measuring their strength...
ゲノム科学者と企業家クレイグ・ベンターは、彼自身のゲノムを配列決定する初の人であることで最も有名で、2001に戻っています。今年、彼は新しい会社（Human Longevity）を始めました。そして、シーケンスにとって、2020と最後に人々が彼らの遺伝子のdata.Venterを保存して、理解するのを援助する申し込みウェブ・ベースの計画による100万のヒトゲノムが彼がここまで500人のゲノムを配列決定したと言う、そして、ボランティアがまた、彼らの強さを計っているテストの一連を経験し始めていることを、それは意図します...
遺伝子研究とシリコン・バレー・スタイルのコンピューティングは、結合し始めています。
Gene research and Silicon Valley-style computing are starting to merge
配列決定されているヒトゲノムの数は、指数的に増加しています。
The number of human genomes being sequenced is increasing exponentially.
ゲノム科学者と企業家クレイグ・ベンターは、彼自身のゲノムを配列決定する初の人であることで最も有名で、2001
私は15年の間ゲノムを持っていました、そして、それを比較するその多くの他がないので、私が学ぶことができる多くがありません。
ヒトゲノムが歴史で最もすばらしい翻訳チャレンジの1つになると思いました。
DNA言語で予めプログラムされています。それから、それは生命に変換されます。人々は、我々がDNAソフトウェア種のいくらであるかについて、非常に驚きそうです。
みんなが、いち早く、助かります様に・・・・・・・
2014/8/12(火) 午前 8:59 [ ＫＩＫＩＴＡＴＡ ]
クレイグ・ベンター
それを比較するその多くの他がないので、私が学ぶことができる多くがありません。
ＩＴ：ＤＮＡ【偉大自然と科学究明へ】権威：ヴェンター氏：極めて現実的なアプローチ『DNA配列を読む・ヒト病気特性・コンピューターと結合連携』（現在500人、目標100万人）
八正道
•正見（正しい見解）
•正思惟（正しい考え）
•正語（正しい言葉）
•正業（正しい行為）
•正命（正しい生業）
•正精進（正しい努力）
•正念（正しい念慮、気づき）
•正定（正しい集中）
みんなが、いち早く、助かります様に・・・・・・・
2014/8/12(火) 午前 10:06 [ ＫＩＫＩＴＡＴＡ ]
ヒトゲノムは、その名の通りヒト (Homo sapiens) のゲノム、すなわち、遺伝情報の１セットである。ヒトゲノムは核ゲノムとミトコンドリアゲノムから成る。
核ゲノムは約31億塩基対あり、細胞核内で24種の線状DNAに分かれて染色体を形成している。最も大きいものが2億5千万塩基対で、最も小さいものが5500万塩基対である。
染色体は22種類の常染色体とXとYの2種類の性染色体に分類される。核を持たない赤血球をのぞく体細胞は2倍体であり、同じ種類の常染色体を2本ずつ、性染色体を2本（女性はXとX、男性はXとY）の合計46本の染色体を持っている。生殖細胞は1倍体であり、常染色体を1本ずつ、性染色体を1本の合計23本の染色体を持っている。なお、細胞核中のゲノムは（フラクタル構造の一種である）ヒルベルト曲線と類似した、コンパクト形に折りたたまれていることが近年になって判明した[1]。
ミトコンドリアゲノムは16569塩基対の環状DNAでミトコンドリアの中に多数存在している。体細胞も生殖細胞も約8000個ずつ持っている。
2014/8/12(火) 午後 8:41 [ ＫＩＫＩＴＡＴＡ ]
・・・続きです・・・
近年の研究では、ゲノム中のほとんどのノンコーディングDNAが生化学的活性（遺伝子発現調整、染色体の構造形成、エピジェネティクスのコントロールなど）にを持っていることが示唆されている。
http://ja.wikipedia.org/wiki/%E3%83%A1%E3%82%A4%E3%83%B3%E3%83%9A%E3%83%BC%E3%82%B8
2014/8/12(火) 午後 8:42 [ ＫＩＫＩＴＡＴＡ ]
【一人のヒトゲノムのデータは莫大である】
【一人のヒトゲノム約31億塩により基配列の違いと組み合わせ等がある】
【どこまで解明できるのだろうか？！？！】
【コンピューティングなしでは不可能の分野であることは明確でしょう】
KIKITATA
遺伝子解析手法には2種類あり、
・遺伝子の数の違いを調べる：「ＣＮＶ」
・遺伝子を構成する塩基配列の違いを調べる：「ＳＮＰ」
『遺伝子数』『 ゲノムの大きさ（塩基対）』
ヒト 26000 30億
マウス 26000 26億
クサフグ 21000 4億
メダカ 21000 8億
カエル 21000 17億
線虫 14000 1億
ジョウジョウバエ 14000 1億8000万
酵母 6000 1500万
大腸菌 4000 464万
イネ 32000 3億8000万
トウモロコシ 32000 23億
http://www.naoru.com/idensi.htm
2014/8/12(火) 午後 9:20 [ ＫＩＫＩＴＡＴＡ ]
トウモロコシ
『遺伝子数』32000 『 ゲノムの大きさ（塩基対）』23億
これらが鮮明に解析もされず、ビジネスで製造されたものである。
長期の検証は今後の課題とされている。
これを安全と誰も責任を持って言えない事は明確である。
みんなが、いち早く、助かります様に・・・・・・・
2014/8/12(火) 午後 9:34 [ ＫＩＫＩＴＡＴＡ ]