カテゴリー: KNOWLEDGE

  • [Kw] 大根の辛味の正体 – イソチオシアネート

    [Kw] 大根の辛味の正体 – イソチオシアネート

    イソチオシアネート

    大根の辛味は、ラデッシュ(酵素)だと思っていた。

    NHK チコちゃんを見ていると、グルコシノレートとミロシナーゼの反応により、イソチオシアネートが生成される。これが辛味の正体である、との解説。

    • グルコシノレートは配糖体またはグルコシドの一種
    • 配糖体またはグルコシドは、グルコシド結合により他の物質と結合した化合物の総称
    • 配糖体の元となった糖を「グリコン; glycon」という。残りの分子をアグリコン; aglyconという
    • 天然に知られるグリコシドは以下の4つ
      • O-グリコシド: O-グリコシド(狭義の配糖体)は、環状の糖のヘミアセタール性ヒドロキシ基にアグリコンのヒドロキシ基が縮合してできた配糖体。アントシアニンが含まれる。
      • S-グリコシド
      • C-グリコシド
      • N-グリコシド: N-グリコシド(窒素配糖体)は、窒素を仲立ちに糖と塩基が結合してできた配糖体。ヌクレオシドのアデニンなど。

    余談になりますが、これらグリコシド反応、すなわち糖化の反応はバイオロジクスにおいては結構重要な反応です。この話題に興味があれば、以下の記事もご覧ください。

    https://ja.wikipedia.org/wiki/グルコシノレート

    グルコシノレートは上図の様な構造をしています。硫黄(S)が含まれています。これをミロシナーゼという酵素が反応(分解反応)することで、イソチオシアネートを作り出します。

    上図の左側にある妖怪「一反木綿」のような構造が、「糖」部分です。中央の部分の「RとSとNおよび書かれていませんが、中央の交差部分はC」がある部分に「ミロシナーゼ」と言う酵素が反応することで、Cに結合していたRがNに結合が転移し、Sは「糖」との結合が外れてCと二重結合を作ります。これがいそチオシアネートです。

    イソチオシネートの基本骨格は、下図に示したように「-N=C=X」です。Rは何でもない構いません。

    https://ja.wikipedia.org/wiki/イソチオシアネート

    イソチオシアネートは揮発性であるため、すり下ろし直後で最も辛い。しかも、目の細いおろし器を使った方が、より辛い。

    なぜなら、これら成分は、細胞が壊れて出てくるので、より細かく潰すことで、それらの成分が多く出てくるためである。

    配糖体

    https://ja.wikipedia.org/wiki/配糖体

    編集履歴

    2020/02/14, MR.HARIKIR
    2021/10/23,追記(wikipediaの図、反応の解説)

  • [Kw] 境界知能 [2020/02/14]

    [Kw] 境界知能 [2020/02/14]

    境界知能

    かんさい熱視線, 2020/02/14放送より

    知能指数70前後を境界知能指数という。障害とは判断されないグレーゾーンであるため、社会では気付いてもらえず長い間困難を強いられている方がおられる。学習障害の枠には入らない。

    統計学的には、正規分布の左側の部分として、日本の総人口から、1,400万人が境界知能であると予測される。

    知能指数といっても、例えば、動作指数というものがあり、70を切っていて、言語指数というものもあって、それが110を超えている場合、総合指数が90であった場合、境界知能であることを気付いてもらえない。

    この場合、問題として捉えなければならないのは、動作指数である。

    動作指数が70を切っている場合、仕事における作業順序を覚えられないなどの支障を来すことが多くなるという。そのため、職を転々とする原因となるが、公的な支援が必要であることは間違いない。

    小学校で普通にできないことで、気づくことが多い。番組では、漢字をうまく書き写せないことで、漢字を覚えることが不得意なある小学生の訓練の様子が流された。

    漢字を覚えるために必要な訓練として、「点繋ぎ」を学校の先生と一緒に取り組んでいた。

    漢字の書き順とは、目に見えない点から点に線を引く動作を繰り返すことである。

    訓練では、漢字ではなく、ヨットや車などの平面図を、点で描いた方眼紙のようなもの(点方眼紙)に、点と点を結んで描かれた見本の平面図がある。

    この見本を見ながら、別の点方眼紙に、点を確認しながら同じ平面図を写していく訓練である。

    この訓練によって、漢字を覚え易くなったとのことだ。

    きっかけ(コツ)さえあれば、できるのである。それを誰かが教えてあげればいい。

  • [Patent] アメリカの特許法は2011年からやっと先発明主義から先願主義になった – ID7979 [2020/01/25]

    [Patent] アメリカの特許法は2011年からやっと先発明主義から先願主義になった – ID7979 [2020/01/25]

    先発明主義

    世界の特許制度は、先願主義であったがアメリカは2011年まで先発明主義であり、かつ、公表制度がなかったため、「ステルス特許」と呼ばれる特許が問題になっていた。

    米国の特許制度 – ウィキペディアより

    https://ja.wikipedia.org/wiki/米国の特許制度

    今では、すべてのの国で先願主義となり、アメリカでもこ出願後1年以内に公表される。日本では、1.5年後に公表され3年以内に審査請求しない場合、それは特許性を失い公知となる。

    日本の特許検索

    J-Plat Pat

    編集履歴

    2020/01/25 Mr.はりきり
  • [kw] 特許の流れ [2023/11/25] ID 7889

    [kw] 特許の流れ [2023/11/25] ID 7889

    特許の流れ

    1. 出願(特願No.)→
    2. 1.5年後*1に公開(特開No.)→
    3. 3年以内に審査請求*2→
    4. 審査 (最初の審査結果通知までの期間は10カ月程度)→
    5. 通過→
    6. 登録(設定登録料:毎年4,300円+請求項の数x300円を1~3年分一括納付,審査請求から14カ月程度)→
    7. 特許公開(約5~7年,)
    8. 年金 (4年~25年,特許権維持のための登録料,経過年数が増加するほど高額になる)
    経過年数登録料(請求項の数×金額)
    第4年から第6年まで毎年10,300円+(請求項の数×800円)
    第7年から第9年まで毎年24,800円+(請求項の数×1,900円)
    第10年から第25年まで毎年59,400円+(請求項の数×4,600円)

    *1 : 1.5年の期間の根拠は、(パリ条約・国内)優先期間1年と公開のための準備期間

    *2 : 審査請求しない場合、特許化を諦めたことになり、既に公開されていることから、公知の情報となる.審査請求は誰がしても良い.

    権利維持のための特許(登録)料の納付の流れについて

    権利維持のための特許(登録)料の納付の流れについて | 経済産業省 特許庁 (jpo.go.jp)

    特許料の納付について

    特許料の納付について|ライトハウス国際特許事務所 (lhpat.com)

    出願から権利取得までの流れ(特許)

    https://chizai-portal.inpit.go.jp/madoguchi/saga/files/docs/p1bk3414l95d113j2vmm1hlpfk81.pdf

    公報に関しよくある質問

    https://www.jpo.go.jp/system/laws/koho/general/koho_faq.html

    編集履歴

    2020/01/23, MRHARIKIRI
    2023/11/25, 修正

  • [Kw] 人や動物において社会性の回復に「IL-17」と「IFN-γ」が関わっている

    [Kw] 人や動物において社会性の回復に「IL-17」と「IFN-γ」が関わっている

    知恵熱

    という言葉をききたことがあるだとうか。僕らの世代では、小さい頃に急に高い熱のみが出た時、母親から知恵熱だと言われた。兄弟が多い私は、よくその言葉を耳にした。

    自閉症スペクトラム障害の患者では、発熱によって行動症状が一見改善するという事例観察があること、マウスの実験で炎症によって誘導される社会性の救済にIL-17 (インターロイキン-17)とIFN-γ (インターフェロン-ガンマ)が関わっているとの実証研究が発表されました(2019/02/09)。

    平たく言えば発熱によりストレスを解消するということです。これは、知恵熱の科学的立証ではないのかと。

    神経免疫学:社会的行動の調節における全身性炎症の役割、「科学雑誌ネイチャー」よる

    https://www.natureasia.com/ja-jp/nature/highlights/101762?utm_source=Twitter&utm_medium=Social&utm_campaign=NatureJapan
  • [医薬品開発] Investigator’s Brochure: 治験薬概要書

    [医薬品開発] Investigator’s Brochure: 治験薬概要書

    IB

    IBは治験薬概要書と内容が異なる

    Storage condition [有効期間 [安定性データ記載] ]: 安定性データだけではInvestigatorが重要視している有効期間は読み取れない。安定性データはICH E6の要求事項ではない、

    EU: ラベルに使用期限記載を要求→IBにあえて記載する必要性はない(二重管理はコントロールが難しい)

    US : スポンサーが保証すべき(適時自主回収)

    Excipientsの組成明記: To permit appropriate safety measurement to be taken in the course of the trial, a description of the formulation(s) to be used, including excipients, should be provided and justified if clinically relevant. “E6 Good Clinical Practice: Consolidated Guidance, April 1996

    保存条件(DP): Instructions for the storage and handling of the dosage form(s) should also given. “E6 Good Clinical Practice: Consolidated Guidance, April 1996

    有効期間12M設定後Clinicalスタート

    CDISC標準 推進プロジェクト

    編集履歴

    2019/12/20, MR.HARIKIRI

  • KH CODER – テキストマイニング – 特許文献の内容を短時間で理解するために使う – ID4553 [2020/12/05]

    KH CODER – テキストマイニング – 特許文献の内容を短時間で理解するために使う – ID4553 [2020/12/05]

    テキストマイニング

    テキストマイニングをご存知だろうか? ある長文の文書について、出現する単語の種類・出現頻度・単語同士の関連度・などを統計的に解析して、どのよとうな文書であるのか知る手法である。KH CODERという現在はまだフリーで使用できるソフトウェアがある。

    HK CODER Version 3

    概況

    開発者による活発なセミナーが行われている(2020/3現在)

    KH CODER サイト

    社会調査のための計量テキスト分析と実践に必要なソフトウェアの開発

    目的

    使用目的は、色々考えられる。小説の内容について学術的に分類することも可能だろう。

    今回、バイオの専門的な特許についてどのような内容が書かれているのか、どのような情報なのかデータマイニングをしたいと考えた。

    具体的なアウトプット

    具体的なアウトプットとして、キーワードによる検索結果から集めた多数の特許文献から、自分が必要としてい内容が記載された特許を選別するというアウトプットについて考える。

    具体的な手順は、以下の通りである。

    1. 多数の実際に特許内容を詳細に確認する前に、まず、このテキストマイニングによって、すべての特許文献を処理する
    2. 解析することで出力される関連図から、出現するワードの頻度と、そのワード間の関連性を理解する
    3. その中から、どの特許文献が、自分にとって必要な情報が記載された特許なのかの基準で選別する
    4. あとは、選別した特許について、詳細に確認していく

    使い方

    操作方法の概要

    • 新規プロジェクトの作成でファイルを指定する
      • 入力ファイル
        • これまでは、textファイルであった。
        • 2020/03現在、入力ファイルはエクセルになっている
      • エクセルには、1文章1行に整えていく必要があるようだ。
      • 世の中には、PDFファイルが多いし、特許検索サイトで取得できる特許文献のフォーマットは、PDFなので、PDFの入力に対応して欲しいと思う。
    • 前処理
    • 統計結果の表示

    使用感

    入力した文書の解析結果は、単なる数値の羅列だけではなく連関図などを駆使した出力が多数用意されている。

    出現頻度の高い単語は大きなサークルで描かれる。更に、その単語に強く関連する他の単語が線で結ばれる。このような関連性を持つ複数のクラスターとして、一画面に表示される。

    クラスター間の優劣や、クラスター内の関連性が一目瞭然に把握できる。

    感性が騒ぐ感覚になるほど、分析結果を見て驚きを隠せなかった。

    編集履歴
    2019/12/19 はりきり(Mr)
    2020/03/07 追記 (使用感、概況)
    2020/07/11 文言整備
    2020/12/05 追記 (具体的なアウトプット)
  • [Data Link] Investing.com [2019/12/17]

    [Data Link] Investing.com [2019/12/17]

    上場企業の株価情報、会社情報の調査に参考となるサイト

    Investing.com