大学４年生 卒論悩み
研究で重要なのは安全策を取ることではなく、危険を恐れじ前進して、新しいものを発見、想像することである。”君はそれでいいと思うの？”に答えられるようにしましょう！
どのようなテーマに興味があるか？
コミュニケーション
自分と全く同じ考えをそのまま与える
テレパシー
表情から好感度
脳
自分の潜在的な能力、自己分析、結局は努力？
考え方のフレームワーク
五感、非言語情報
幻覚、興奮、トラウマ
決断因子、なぜ一歩踏み出せないのか
決断を下す際に何が影響を与え、行動を妨げるのか
脳汁
芸人に薬中はいない？
記憶のカセット化
締め切り前になると諦めモードに移るのはなぜ？
宇宙
人類の生存
時空の超越-ブラックホール
タイムトラベル
量子もつれ
nanoterasu 光速で動くには
玉手箱の研究
ロボット
スタントマンロボット
自分の分身
料理してくれるロボ
人が飛べるようになるためには
デバイス
スマホ不要のデバイス
ないものをあるように感じさせる触感デバイス
デザイン
webデザイン
3DCG
unityで
UI/UX
スコアの高いWebページを作りたい
Webデザインにおいて、ユーザーエクスペリエンスを向上させるための要素やデザイン手法の研究
ユーザーがスコアの高いWebページを評価する要素や指標の調査と分析
資産運用
自己投資
不自由ない生活
社会的繋がりがある
AI税理士
興味のある技術
ViT
VR、AR
ブロックチェーン
クラウドAWS,GCP
alphafold
transformer
実際にキーワード3つでデータベース、論文を検索
脳コミュニケーション
BrainNet: A Multi-Person Brain-to-Brain Interface for Direct Collaboration Between Brains
量子もつれで過去を25%の確率で変えられる？？
何をしたくない？動き出せない理由
自分でデータとる
人間を介さないデータは良い気がする
何も生み出さない研究・性能評価とか
考えるのがめんどい
自分じゃなくてもできる
何が面白いん？
もっと具体性の足りない部分をchatGPTに相談しよう
Webデザインにおいて、ユーザーエクスペリエンスを向上させるための要素やデザイン手法の研究
クリック数、ページビュー、滞在時間、ナビゲーションパス、アイトラッキング
zoneの体系化
弓道で的が大きく見えるような経験を味わったことがある。これはzoneなのか、はたまた大会で良い成績を収めたことによる記憶の美化、改ざんなのか？
この世界の謎を一つ解くことができるのなら？
シュワの認証
DNAを用いたサーバーの提案、情報ストレージの提案
バイオ→IT
モーショントラッキング
自分の興味ver2
誰かに使ってもらえるプロダクトを構築したい
自分の生活を豊かにしたい
心の豊かさを追求したい
ストレス（緊張とは違う）フリー
就活企業のストレス指数の指標を作る
ブラック企業、ホワイト企業、優良企業でのストレス指数のクラスタリング
natural language ai←テキストから感情
歳を取らないようにしたい
老を克服したい
老いない→代謝能力が落ちない？
酸化ストレス、抗酸化物質を摂取しよう
テロメアの細胞分裂を食い止める
老いない→体は老いていても言動は若く？
承認欲求を満たす
自分の社会的立場を求めている。
誰かに必要とされたい
自分の理解者が欲しい
自分のプロダクトを褒めて欲しい
何をしている時が好きか？(動詞）
知らないことを発見する
誰かに認められる
人と会話する
新しいものを作る
みんなにすごいと思われるような研究するのが好き
潜在的な興味を
設計思想
ブラックホール？
物質が集積
がん細胞の広がり方
論文ベースでの共通項
時間の歪みや空間を超越する現象に対する好奇心が強い
科学的な事実だけでなく、フィクションや仮説にも惹かれる傾向がある
実はこの銀河はブラックホールの中に存在しており宇宙はブラックホールが一つ下の宇宙への階段のような役割をしているとは考えられないかな？
ゲーム開発、モバイルアプリ開発、
時間節約
読んで理解するをもっと高速にできないか？
背景知識がないと理解できないような言葉
alphafoldでなんかデータ科学しましょう！！！！
視力良くするやシミが消えるようなタンパク質療法
サヴァン症候群と健常者の比較から記憶情報の使い方
DNAに情報を埋め込むシミュレーションをして実際に情報を読み出すみたいな研究をしたい気がするんだけどつまりDNAはハードディスクと同じような役割を担えるか？という疑問からこのテーマを考えました。 発想としてはコンピュータは情報が0,1の1bitで表現されるのに対してDNAはATGCの２bitで構成されているので効率がいいのかな？と考えたのだけど単純に効率は良くなりそうだけど結局処理はencode,decordが複雑になって意味ないのかな？と思い彷徨っている状態なんだけどこの意見をどう思いますか？最新の論文を交えながらより良いテーマの提案とこのアイデアの評価をしてほしいな エラーのない高速なオリゴヌクレオチドの合成方法の改良
DNAチップの開発
もし脳の記憶がDNA情報としてencodeされ、記憶を思い出すときにそのDNAデータをdecordするっていう関係性ならDNAストレージの研究は非常に有用だよね！
記憶情報をDNA情報として読み出す
語呂合わせ 脳が音韻の情報を処理しやすい 言葉に紐づいた情報が多いほど記憶しやすい→トリガーが多いから？
長期間覚えておくことができる情報はどのようなものか？
記憶
脳の記憶形成に関与するタンパク質の構造を理解することで、記憶の生物学的基盤についての新しい知見を得る
NMDA受容体: 脳内のシナプスに存在し、学習と記憶に重要な役割を果たします。これらの受容体は、シナプスの可塑性と記憶の形成に関与する神経伝達物質グルタミン酸に反応します。
アルファ・カモキナーゼII (CaMKII): カルシウム/カルモジュリン依存性タンパク質キナーゼで、シナプスの強化と長期増強（LTP）に関与します。LTPは学習と記憶の形成に重要な神経プロセスです。
CREB (cAMP応答性エレメント結合タンパク質): 遺伝子の転写を調節し、学習と記憶に関連する多くの遺伝子の発現を促進します。
Fos: 即時早期遺伝子の一つで、ニューロンが活性化されたときに急速に発現します。Fosは記憶の形成に関わる多くの遺伝子の調節に関与していると考えられています。
アルファ・アミノ-3-ヒドロキシ-5-メチル-4-イソオキサゾールプロピオン酸受容体 (AMPAR): シナプスの可塑性と記憶形成に関わるグルタミン酸受容体の一種です。
公開プロテオミクスデータベース: UniProtやProtein Data Bank（PDB）などのデータベースは、既知のタンパク質の構造や機能に関する情報を提供します。
遺伝子発現データベース: GEO（Gene Expression Omnibus）やArrayExpressなどのデータベースは、さまざまな条件下での遺伝子発現データを提供します。
脳研究特化データベース: Allen Brain Atlasのようなデータベースは、脳に特化した遺伝子発現やタンパク質分布のデータを提供します。
手法
プロテオミクス: タンパク質の大規模な分析を行うために使用されます。質量分析法（Mass Spectrometry）を通じて、タンパク質の同定、定量、およびその修飾を分析します。
免疫組織化学: 特定の抗体を使用して、組織サンプル内の特定のタンパク質を視覚化します。
RNAシークエンシング（RNA-seq）: タンパク質をコードするmRNAの発現を分析し、特定のタンパク質の発現レベルを推定します。
ウエスタンブロット: タンパク質を電気泳動し、特定の抗体を用いて検出することで、特定のタンパク質の存在を確認します。
マイクロアレイ: 大量のタンパク質や抗体を一度にスクリーニングするために使用されます。
カスタマイズ可能な脳波ミュージックプレイヤー
概要: 脳波の状態に応じて音楽のリズムやジャンルが変化するミュージックプレイヤーをRaspberry Piで制作します。
応用: リラクゼーション、睡眠促進、パーソナライズされたエンターテイメント体験。
スマートヘルスモニタリングシステム
概要: Raspberry Piを核として、心拍数、脳波、体温などをリアルタイムでモニタリングし、健康状態をトラッキングするシステムを作成します。
応用: 健康管理、ウェルネスモニタリング、緊急時のアラートシステム。
自動作曲マシン
概要: Raspberry Piを利用して音楽のリズムやメロディーを生成するデバイスを作成。センサーやアルゴリズムを使用して、周囲の環境や観察者の活動に基づいてユニークな音楽を作り出す。
応用: ミュージシャン、音楽愛好家、イベントやパーティー。
情報のキャッチ
アプローチ
生物情報学的手法:
ゲノムやプロテオミクスのデータを分析し、記憶に関連するタンパク質や遺伝子を特定します。
シーケンス比較、遺伝子発現パターンの解析、タンパク質相互作用ネットワークの構築などを行います。
機械学習とデータマイニング:
遺伝子発現データやタンパク質の相互作用データからパターンを抽出し、記憶形成に関与する可能性のある要因を同定します。
教師あり学習や教師なし学習、深層学習モデルを用いてデータを解析します。
システム生物学的アプローチ:
複数の生物学的データセット（遺伝子、タンパク質、代謝物）を統合し、記憶に関わる生物学的システムをモデリングします。
ネットワーク分析やシステム動態のシミュレーションを行います。
データソース
公開データベース:
NCBIのGene Expression Omnibus (GEO)、Ensembl、UniProtなどから遺伝子やタンパク質に関するデータを取得します。
ClinVar、dbSNPなどから遺伝的変異に関するデータを取得します。
プロテオミクスデータ:
タンパク質質量分析データ、タンパク質の修飾状態、相互作用データなどを分析します。
神経科学データ:
脳画像データ、神経細胞の活動パターンデータなど、神経科学の実験から得られるデータ。
分析ツール
RやPythonを用いた生物情報学的データ解析ツール。
機械学習フレームワーク（TensorFlow、PyTorchなど）。
ネットワーク解析ツール（Cytoscape、Gephiなど）。
このようなアプローチとデータを用いて、記憶に関連するタンパク質やそのメカニズムについての深い理解を目指すことができます。研究の具体的な方向性や質問に応じて、これらの方法やデータを適宜組み合わせて利用することが重要です。
NMDA 型グルタミン酸受容体依存性長期増強は主に入力依存性、連合性、共同性の3つの特性を示すとされている。
入力特異性一度誘導されたら、1 つのシナプスにおける長期増強は他のシナプスに広がることはない。つまり長期増強は入力特異的である。長期増強は連合性と共同性のみによって伝播する。しかし、短い距離における長期増強の入力特異性は完全ではない。連合性「連合性」は、1 つのシナプスにおける刺激が長期増強を引き起こすのに十分な強さではなかったとしても、別のシナプスからの強い刺激が同時に起きることによって長期増強が起きるという特性である。共同性長期増強は 1 つのシナプス経路の強いテタヌス刺激か、複数の経路の弱い刺激が共同して行われることにより起きる。弱い刺激が1つのシナプスから起きた場合、生じる脱分極は長期増強を引き起こすのには不十分である。しかし、弱い刺激が複数のシナプスからシナプス後膜の一部に集中して起きた場合、個々の脱分極が集まって長期増強を引き起こすのに十分な脱分極が起きる。 後述するシナプティック・タギング (synaptic tagging) は連合性と共同性の根底にある共通した機構であるとされている。
細胞内カルシウム濃度の急激な上昇は、前期長期増強の誘導を仲介する酵素の短期間の活性化の引き金となる。中でも特に重要なのはカルシウム/カルモジュリン依存性プロテインキナーゼII (CaMKII: calcium/calmodulin-dependent protein kinase II) や プロテインキナーゼC (PKC: protein kinase C) などのいくつかのプロテインキナーゼである[17]。それ以外の酵素として、プロテインキナーゼA (PKA : protein kinase A) や 分裂促進因子活性化タンパク質キナーゼ (MAPK: mitogen-activated protein kinase) も前期長期増強の誘導に寄与している
後期長期増強
前期長期増強と後期長期増強は細胞外シグナル制御キナーゼ (ERK : extracellular signal-regulated kinase) を通じてつながっている[18]。
前期長期増強の延長上に、後期長期増強が存在する。タンパク質生合成非依存的な前期長期増強とは違い、後期長期増強はシナプス後細胞における遺伝子の転写[23]とタンパク質生合成[24]を必要とする。後期長期増強には、タンパク質生合成に依存する段階と、遺伝子の転写とタンパク質生合成の両方に依存する段階の2つの段階が存在する[18]。これらの段階をそれぞれLTP2とLTP3と呼び、前期長期増強をLTP1と呼ぶことがある。
https://www.nature.com/articles/nn1667
1. ターゲットタンパク質の特定
文献レビュー: 記憶に関連する神経生物学や分子生物学の文献を広範に調査し、重要なタンパク質や遺伝子を特定します。
データベースの利用: 遺伝子発現データベースやプロテオミクスデータベースを探索して、記憶形成に関与する可能性のあるタンパク質を同定します。
Synaptic plasticity-dependent competition rule influences memory formation
noteってnotionとの互換性良いのでnotionで書いてることを試しに挙げてみました。絶賛卒論悩み中の大学４年生の今後の記事もお楽しみに！！！