【バイオ×IT】ウェットラボのデータ解析を効率化するためにStreamlitツールを作ってみた

📢 読者の皆様へ / 關於語言

※ 私は現在日本語を勉強中のため、本文はAIツール（ChatGPT/Claude）の補助を受けて作成しています。面接やコミュニケーションは英語または簡単な日本語（＋翻訳ツール）で対応可能です！

(目前日文仍在學習中，本文在 AI 工具輔助下完成。交流可以英文或簡單日文搭配翻譯工具進行！)

◆ はじめに / 關於我

国立虎尾科技大学のバイオテクノロジー専攻で、薬理学とバイオデータ解析を勉強している修士学生です。普段はウェットラボで細胞実験を行いながら、天然化合物の抗がん作用や薬理メカニズムを研究しています。

💡 【中文摘要】

我是國立虎尾科技大學生物技術專攻的碩士生，研究主軸為藥理學與生醫數據分析。平時在 Wet Lab 進行細胞實驗，探討天然化合物的抗癌活性與藥理機制。

◆ 開発の背景：多層的なパラメータ整理の重要性 / 開發背景

IC50解析やスクリーニング実験の設計において、「どの開始濃度から実験を開始すべきか」の判断や、理化学的特性から細胞レベルまでの多層的な影響要因（分子・構造・時間・暴露など）を一度に整理・視覚化することは非常に煩雑でした。

💡 【中文摘要】

在 IC50 分析與篩選實驗設計中，評估「建議起始濃度」以及將理化層、分子層、細胞層到時間層等跨層級的多維度參數進行整理與視覺化，過去是非常繁瑣的工作。

◆ アクション：MAP-IC50（パラメータ解析・濃度予測Dashboard） / 開發成果與亮點

そこで、PythonとStreamlitを活用し、多層的なパラメータ算出と開始濃度予測（C_pred）を自動化するインタラクティブなDashboard（MAP-IC50）を自作しました。

• 多層的パラメータの可視化：理化学・分子・細胞・暴露時間などの多次元パラメータを体系的に整理し、各要素の影響比重（寄与度）を直感的にグラフ化。
• 最適な開始濃度の提示：多層的モデルの計算結果に基づき、推奨される開始濃度（C_pred）を即座に算出・提示（例：サンプル値の自動出力）。
• LLM活用：AIツールをペアプログラミングのパートナーとして活用し、領域知識（Domain Knowledge）を素早くWebアプリケーションとして形にしました。

💡 【中文摘要】

因此我結合 Python 與 Streamlit，開發了 MAP-IC50 參數分析與濃度預測 Dashboard：

• 多層級參數視覺化：將理化、分子、細胞與暴露時間等多維度參數進行系統化歸納，並視覺化呈現各要素的影響比重。
• 即時計算建議起始濃度：依據多層級模型自動演算，即時回傳實驗建議起始濃度。
• 人機協同開發：將 AI 工具作為 Pair Programming 夥伴，快速將領域知識落實為 Web 應用程式。

◆ 学んだことと今後の展望 / 學習與展望

この開発を通して、複雑な生体内・微小環境のパラメータを定量的かつ視覚的にモデルへ落とし込む重要性を学びました。

将来は、ウェットラボで培った生化学・薬理学の知識と、データの構造化・可視化ツール開発のスキルの両方を活かし、研究現場の課題解決に貢献したいと考えています！

💡 【中文摘要】

這段開發經驗讓我體會到將複雜的生醫與藥理參數進行定量化、結構化並落實為視覺化模型的價值。

未來我希望能結合 Wet Lab 生醫專業與數據分析工具的開發能力，持續解決實際研究現場的痛點！