化学構造や細胞画像データを用いて、データの前処理や機械学習を活用した予測モデルの構築が可能な分析プラットフォーム


KNIME(ナイム)は、2,000を超えるデータ処理ノードを組み合わせて、データの抽出・加工・分析・可視化までを1つのアプリケーション上で実現するデータ分析プラットフォームです。 化学構造から物性値やフィンガープリントを生成し、機械学習を用いた回帰・クラス分類モデルによる物性・活性予測や、細胞画像を用いたイメージマイニングによる細胞核の検出・セグメンテーション分析など、用途に応じた様々なデータ分析にお使いいただけます。

KNIME Analytics Platform:無償でご利用いただけるデスクトップアプリケーションです。データの前処理(抽出・加工)、及び統計解析・機械学習を用いたデータ分析が可能です。

KNIME Server:有償のサーバーアプリケーションです。KNIME Analytics Platformで作成したワークフローの管理やスケジュール実行、またWebアプリケーションやRESTfulサービスとしての利用も可能です。


主なポイント


  • ワンストップでデータの抽出・加工・分析・可視化までをサポート
  • 統計解析、AI/機械学習による予測モデルを作成し業務で活用
  • 化学構造データを用いたデータ分析が可能
  • データの加工や分析フローをWebアプリケーションとして研究者へ提供が可能
  • 他システムとの連携や、処理の自動化が可能

技術情報


ワンストップで分析業務をサポート

KNIMEはデータ分析だけでなく、データの前処理(抽出や加工)や可視化までを1つのプラットフォームで実現します。

knime_one_stop


プログラムの知識がなくても分析ワークフローを作成可能

KNIMEでは、予め用意されたサンプルワークフローや2,000を超えるノードを組み合わせるだけで、簡単に分析ワークフローを作成できます。

また、化学構造データの取り扱いの他、RやPythonで作成したモジュールをそのまま組み込むことも可能です。

・化合物の物性値プロファイリング分析

knime_chem

・ディープラーニング(U-net)を用いた細胞セグメンテーション分析

knime_cell

ガイドに従うだけで予測モデルを簡単に構築

ディープラーニングやXGBoostなどの、高度なアルゴリズムを使用して予測モデルを構築することができます。また、予測モデルを自動的に作成するWebアプリケーションも作成可能です。



「機械学習自動化パッケージ」では、Webブラウザ上から画面のガイドにしたがって設定するだけで、誰でも手軽に予測モデルを作成できます。

knime_guide



簡単ステップで、下図のような化合物の物性・活性値を予測する機械学習モデルも作成できます。

knime_bbbp



稼働環境

■KNIME Analytics Platform

  • OS:

- Windows10 (64bit)

- RHEL/CentOS 6.7以上 および 7.x 以上

- Mac OSX 10.13 以上

  • CPU:8コア 以上推奨
  • メモリ:16GB 以上推奨
  • ディスクスペース:SSD推奨



■KNIME Server

  • ・OS:

- Windows Server 2016 以降

- RHEL/CentOS 6.7 以降

- Ubuntu 16.04 LTS 以降

  • CPU:8コア 以上推奨
  • メモリ:16GB 以上推奨
  • ディスクスペース:80GB(OS)+200GB 以上推奨

※KNIME Analytics Platform / Server 共に推奨以下でも動作はいたしますが、処理速度など動作に影響がある場合がございます。




資料ダウンロード


参考資料

KNIME カタログ

ダウンロードURLをメールでお知らせします

下記フォームにご記入下さい。(1分)

日本語で入力してください。
所属先を入力してください。
所属部署を入力してください。
不正な入力です。