三菱田边制药开发数据分析工具以加快药物发现

三菱田边制药试图通过使整个生物数据分析过程更准确、更可重复和更快来改善候选药物的选择。通常在三菱田边制药公司，在实验动物研究中获得数据后，将分两步进行分析。

在第一步中，有编写代码经验的数据科学家为数据的子集开发图像处理和数据处理算法。数据科学家过去用Java编写算法^®、Perl、R和Python，但是这个过程有几个缺点。首先，这是耗时的，因为科学家经常从头开始编写代码，即使是众所周知的图像处理技术。其次，他们很难从各种格式的文件中读取数据。第三，生物学家经常发现算法很难使用，需要多次迭代来改进和部署更容易使用的版本。

在第二步中，长凳生物学家使用算法分析和评估他们的原始数据集。过去，长凳生物学家的工作量包括手动任务，如将结果复制到电子表格，管理文件夹，为特定图像组创建文件，以及在大量图像文件中识别分析区域。分析结果并不总是可重复的。

该公司试图使这两个步骤在这一过程中更有效。

三菱田边制药使用MATLAB、图像处理工具箱™、生物信息学工具箱™和统计和机器学习工具箱™开发了生物数据分析算法，并与MathWorks顾问合作，使用MATLAB编译器™部署算法作为应用程序。

在MATLAB和工具箱中，数据科学家开发了图像分割、视频中的目标跟踪和数据匹配的算法。这些算法调用工具箱中的函数，从标准文件格式读取和预处理图像、视频和基因组数据，并执行曲线平滑、降噪、峰值检测、形态学操作、图像量化和其他操作。

该团队通过使用样本数据和各种参数对算法进行测试，从而优化了算法。

在改进和测试他们的算法之后，数据科学家团队与MathWorks顾问合作，将算法合并到一套图形应用程序中，以供实验科学家用于内部器官疾病诊断、行为模式分析和基因表达分析。

使用MATLAB编译器，该团队创建了这些应用程序的独立可执行版本，可以被生物学家使用，即使是那些没有运行MATLAB的人。

长凳生物学家使用这些应用程序来评估具有不同参数值和算法选项的图像和数据的样本子集。在确定最佳组合和选项之后，他们使用应用程序来分析完整的数据集。

使用基于MATLAB的工具和与MathWorks咨询服务共同开发的应用程序，三菱田边制药的生物学家已经确定了至少一种有前途的候选药物。