Thoma Itoh

博士 (理学) / 名古屋大学 医学系研究科 特任助教 / 理論生物・バイオインフォ /

[Thoma Itoh @ItohTh]

Springer Nature　株価
論文の質はどれほど反映されているんだろうか
研究者界隈のaccept情報でうまいことできたらおもろいな🦏
https://t.co/Tquu9c52jy

[Asaki Kataoka / 片岡 アサキ @arthur_k_kochi]

新しいプレプリントを公開しました。FEP的な枠組みが、ガウス/ラプラス仮定だけでなく指数型分布族の仮定を変分事後・事前分布に適用することによっても��測符号化によって神経実装されることを議論しています。また、ガウス仮定では難しかった、非線形かつ非斉一な入出力特性も許容される枠組みです。

[Yohei Kondo @KondohYohei]

Our preprint is now online. Unusual mechanics of cultured epithelial tissues, robustly reproduced by a 3D mechanical model with key epithelial features. Simple calculations lead to insightful results.
@KodaiTerada
https://t.co/fQcCi3XtxA

[Jorge Bravo Abad @bravo_abad]

A critical initialization for biological neural networks

Spontaneous brain activity is often treated as noise: the background hum of a nervous system waiting for a task. But large-scale recordings in mice have shown something more structured. Even in darkness, without explicit stimuli, thousands of neurons display coordinated activity patterns that extend across the brain and persist far longer than the fast biophysical timescales of individual neurons.

Marius Pachitariu and coauthors ask a simple question: could this macroscopic structure emerge from a simple kind of network initialization?

Their answer connects neuroscience, random matrix theory and machine learning. They model spontaneous neural activity as linear dynamics governed by a random connectivity matrix, stabilized by a global inhibitory-like normalization. When this matrix is symmetric and critically normalized, with its largest eigenvalue very close to one, the network naturally produces high-dimensional activity modes with a power-law covariance spectrum.

This is not just a mathematical curiosity. The same spectral structure appears in large-scale mouse recordings from cortex and brainwide Neuropixels data, with power-law exponents around 0.7–0.85. Hippocampal CA1 is the striking exception: its activity looks less correlated, closer to an efficient, high-capacity code for information storage.

The ML perspective is especially interesting. In artificial neural networks, initialization is often treated as a technical detail: Xavier, He, orthogonal schemes, and so on. But this paper reframes initialization as a computational substrate. A critically initialized recurrent system can generate slow, global, high-dimensional modes before task-specific learning. In simulations, these dynamics support time-dependent computations, including zero-shot working memory tasks.

The biological implication is powerful: spontaneous activity may not be random noise, but a preconfigured dynamical scaffold on which learning and computation can operate. The brain may start from an initialization already close to useful temporal memory, with learning then shaping readouts or task-specific pathways.

For R&D teams building ML systems in drug discovery, materials development, energy research or biotechnology, the lesson is broader than neuroscience. Initialization, architecture and dynamics define what kinds of scientific signals a model can preserve, combine and retrieve before training. In applied research pipelines where data are scarce, noisy and time-dependent, designing the right dynamical substrate may be as important as choosing the loss function.

Source: Pachitariu et al., Nature (2026) — CC BY 4.0 | https://t.co/oE37FfYmKc

[Thoma Itoh @ItohTh]

便乗してシステム生物おじさん図鑑

[thmonk @thmonk_pf]

神経科学おじさん図鑑
ちなみに私の周りには10を除いて全部生息しています

[Thoma Itoh @ItohTh]

Marimo

[Thoma Itoh @ItohTh]

claudeのブラウザ操作(mcp)でjupyter notebookの解析ノートを編集させていたが、スクレイピングによるトークン消費が凄まじかったので、Marinoに移行。
AI連携を想定した解析ノートらしい。

[Thoma Itoh @ItohTh]

これだけ色んな組み合わせができると生成aiコンサルの必要性も感じうる

[Thoma Itoh @ItohTh]

ResearchHubが面白いのは、機能の話じゃなくて発想の話。
科学という「本質的価値のある行為」に、暗号資産という新しい媒体をあてがう。
査読・投稿・議論の価値が、トークンというモノに転写される。
Goldが希少性を、株が企業価値を内包するように、トークンが「科学的貢献」そのものを内包する。

[Thoma Itoh @ItohTh]

最近、査読まわりの不満をよく聞く

論文書く → 数万の掲載料
査読する → 無償

これに対し、査読や議論に対してすげえトークンを支払う仕組みを試してる海外のプラットフォームがある（ResearchHub）。

まだ小さいけど、方向性は面白いと思う。
ぜひ一度試してみては。
https://t.co/846JdfVqGG

[Patterns, a Cell Press journal @Patterns_CP]

Online Now: Zero-shot reconstruction of mutant spatial transcriptomes https://t.co/ngm2JVzIit #datascience

[Honda Naoki @HondaNaoki]

伊藤冬馬くん（@ItohTh、総研大、青木研（@kazuhiroaokilab）@基生研→京大、斉藤研（@nen_saito）@広大→筑波大）が受賞！

来年度から名大に特任助教として来てくれて、一緒に研究します。

ちなみにすでに一緒に研究しています。
https://t.co/ounfVHShjZ

[Thoma Itoh @ItohTh]

博士 (理学)を取得し、併せて研究科長賞を頂きました。 青木先生、斉藤先生をはじめ、総研大・基礎生物学研究所・指導委託先の広大統合生命 の皆様には、多大なるご指導・ご支援を賜りました。 4月からは名古屋大学 大学院医学系研究科 本田研究室にて引き続き研究をします。

[Nen Saito @nen_saito]

研究指導委託で共同研究していた伊藤冬馬さんが総研大研究科長賞を受賞されました！

[Yasutomo Segawa @YasutomoSegawa]

分子研のRA給与額が2026年度から上がります！

[Thoma Itoh @ItohTh]

博士授与通知が来てなくて、あれーとか思ってたが、滞納していた授業料を納めた瞬間に通知きました。

[バイオステーション(Bio-station)/ポッドキャスト @Bio_stations]

オプトジェネティクスによるタンパク質進化(Optovolution)

外部の光パルスに合わせてタンパク質機能がON-OFFすることで細胞が生存できる系を確立。例えば特定の色の光に反応する特性を持つタンパク質の進化に成功。分子による論理ゲートの作成も

オプトにこんな応用法が！
https://t.co/xMKQiedbC4

[Thoma Itoh @ItohTh]

新幹線乗ってる間にClaude code使ったろとか思ってたら普通にShinkansen free wifiが貧弱で無理だった

[Thoma Itoh @ItohTh]

やはり物理、物理実装か