Abe D, Inaji M, Hase T, Takahashi S, Sakai R, Ayabe F, Tanaka Y, Otomo Y, Maehara T. A Prehospital Triage System to Detect Traumatic Intracranial Hemorrhage Using Machine Learning Algorithms. JAMA network open. 2022.06; 5 (6): e2216393. ( PubMed, DOI )

Polouliakh N, Hase T, Ghosh S, Kitano H. Toxicity Analysis of Pentachlorophenol Data with a Bioinformatics Tool Set. Methods in molecular biology (Clifton, N.J.). 2022; 2486 105-125. ( PubMed, DOI )

Katsuda T, Sato N, Mogushi K, Hase T, Muramatsu M. Sub-GOFA: A tool for Sub-Gene Ontology function analysis in clonal mosaicism using semantic (logical) similarity. Bioinformation. 2022; 18 (1): 53-60. ( PubMed, DOI )

(*Takeshi Hase is a part of, FANTOM consortium), Grapotte M, Saraswat M, Bessière C, Menichelli C, Ramilowski JA, Severin J, Hayashizaki Y, Itoh M, Tagami M, Murata M, Kojima-Ishiyama M, Noma S, Noguchi S, Kasukawa T, Hasegawa A, Suzuki H, Nishiyori-Sueki H, Frith MC, * FANTOM consortium, Chatelain C, Carninci P, de Hoon MJL, Wasserman WW, Bréhélin L, Lecellier CH. Discovery of widespread transcription initiation at microsatellites predictable by sequence-based deep neural network Nature Communications. 2021.06; 12, 3297. ( DOI )

Nishimura T, Nakamura H, Yachie A, Hase T, Fujii K, Koizumi H, Naruki S, Takagi M, Matsuoka Y, Furuya N, Kato H, Saji H. Disease-related cellular protein networks differentially affected under different EGFR mutations in lung adenocarcinoma. Scientific reports. 2020.12; 10 (1): 10881. ( PubMed, DOI )

(Book Chapter) "Chapter 13. Cancer Network Medicine". - Network Medicine: Complex Systems in Human Disease and Therapeutics (Joseph Loscalzo, Albert-László Barabási, and Edwin K. Silverman (Eds.)) 2017.12; 294-323. ( DOI )

Caron E, Roncagalli R, Hase T, Wolski WE, Choi M, Menoita MG, Durand S, García-Blesa A, Fierro-Monti I, Sajic T, Heusel M, Weiss T, Malissen M, Schlapbach R, Collins BC, Ghosh S, Kitano H, Aebersold R, Malissen B, Gstaiger M. Precise Temporal Profiling of Signaling Complexes in Primary Cells Using SWATH Mass Spectrometry. Cell reports. 2017.03; 18 (13): 3219-3226. ( PubMed, DOI )

Hu Y, Hase T, Li HP, Prabhakar S, Kitano H, Ng SK, Ghosh S, Wee LJ. A machine learning approach for the identification of key markers involved in brain development from single-cell transcriptomic data. BMC genomics. 2016.12; 17 (Suppl 13): 1025-29. ( PubMed, DOI )

Effect of placebo and lorazepam on functional connectivity in fearful vocal processing: an fMRI study 2016.06; 19 (Suppl_1): 54. ( DOI )

Inferring causal molecular networks: empirical assessment through a community-based effort 2016.04; 13 (4): 310-318. ( DOI )

Hase T, Kikuchi K, Ghosh S, Kitano H, Tanaka H. A computational approach to prioritize drug-target genes in the human protein interaction network The proceedings of The 21st International Symposium on Artificial Life and Robotics 2016 (AROB 21st 2016). 2016.01; 871-876.

Kawakami E, Singh VK, Matsubara K, Ishii T, Matsuoka Y, Hase T, Kulkarni P, Siddiqui K, Kodilkar J, Danve N, Subramanian I, Katoh M, Shimizu-Yoshida Y, Ghosh S, Jere A, Kitano H. Network analyses based on comprehensive molecular interaction maps reveal robust control structures in yeast stress response pathways. NPJ systems biology and applications. 2016; 2 15018. ( PubMed, DOI )

Hase T, Kikuchi K, Ghosh S, Kitano H, Tanaka H. Controllability of protein-protein interaction networks and their relationships with drug-targets, essential genes, and degree connectivities. The proceedings of The 20th International Symposium on Artificial Life and Robotics 2015 (AROB 20th 2015). 2015.01; 813-818.

Takeshi Hase, Kaito Kikuchi, Samik Ghosh, Hiroaki Kitano, Hiroshi Tanaka. (Research article) Identification of drug-target modules in the human protein–protein interaction network Artificial Life and Robotics. 2014.12; 19 (4): 406-413. ( DOI )

Matsuoka Y, Matsumae H, Katoh M, Eisfeld AJ, Neumann G, Hase T, Ghosh S, Shoemaker JE, Lopes TJ, Watanabe T, Watanabe S, Fukuyama S, Kitano H, Kawaoka Y. A comprehensive map of the influenza A virus replication cycle. BMC systems biology. 2013.10; 7 (97): 97. ( PubMed, DOI )

Hase T, Ghosh S, Yamanaka R, Kitano H. Harnessing diversity towards the reconstructing of large scale gene regulatory networks. PLoS computational biology. 2013; 9 (11): e1003361. ( PubMed, DOI )

(Book Chapter) "Chapter 20. Protein-Protein Interaction Networks: Structures, Evolution, and Application to Drug Design" - Protein-Protein Interactions - Computational and Experimental Tools (W. Cai, H. Hong (eds.)) 2012.03; 405-426. ( DOI )

Hanada K, Hase T, Toyoda T, Shinozaki K, Okamoto M. Origin and evolution of genes related to ABA metabolism and its signaling pathways. Journal of plant research. 2011.07; 124 (4): 455-65. ( PubMed, DOI )

Hase T, Niimura Y, Tanaka H. Difference in gene duplicability may explain the difference in overall structure of protein-protein interaction networks among eukaryotes. BMC evolutionary biology. 2010.11; 10 358. ( PubMed, DOI )

Hase T, Tanaka H, Suzuki Y, Nakagawa S, Kitano H. Structure of protein interaction networks and their implications on drug design. PLoS computational biology. 2009.10; 5 (10): e1000550. ( PubMed, DOI )

Hase T, Niimura Y, Kaminuma T, Tanaka H. Non-uniform survival rate of heterodimerization links in the evolution of the yeast protein-protein interaction network. PloS one. 2008.02; 3 (2): e1667. ( PubMed, DOI )

長谷 武志, 荻島 創一, 中川 草, 田中 博. 1P301 タンパク質間相互作用ネットワークのトポロジー構造における構造決定因子について(数理生物学)) 生物物理. 2005; 45 S107. ( DOI )

Tsuji Shingo, Aburatani Hiroyuki, Hase Takeshi, Tanaka Hiroshi. Applications of graph neural networks for drug-repositioning and cancer research CANCER SCIENCE. 2022.02; 113 1790.

Shirakami Arata, Toba Takuma, Nakamoto Isao, Hase Takeshi, Shimono Masanori. Deep neural embedding of neuronal connectivity JOURNAL OF COMPUTATIONAL NEUROSCIENCE. 2021.12; 49 (SUPPL 1): S172-S173.

Tsuji Shingo, Hase Takeshi, Yachie-Kinoshita Ayako, Nishino Taiko, Ghosh Samik, Kikuchi Masataka, Shimokawa Kazuro, Aburatani Hiroyuki, Kitano Hiroaki, Tanaka Hiroshi. Artificial intelligence-based computational framework for drug-target prioritization and inference of novel repositionable drugs for Alzheimer's disease ALZHEIMERS RESEARCH & THERAPY. 2021.05; 13 (1): 92. ( PubMed, DOI )

長谷 武志, 谷内江 綾子, 辻 真吾. AI とBig Data におけるDrug Discovery（創薬）への可能性 ICUとCCU. 2019.06; 43 (4): 191-198.

Ackerman Emily E., Alcorn John F., Hase Takeshi, Shoemaker Jason E.. A dual controllability analysis of influenza virus-host protein-protein interaction networks for antiviral drug target discovery BMC BIOINFORMATICS. 2019.06; 20 (1): 297. ( PubMed, DOI )

Tsuji Shingo, Hase Takeshi, Tanaka Hiroshi, Aburatani Hiroyuki. Al technology based drug discovery method with protein interaction network for cancer drug repositioning CANCER SCIENCE. 2018.01; 109 786.

肥田 道彦, 長谷 武志, 濱 智子, 池田 裕美子, 八幡 憲明, 舘野 周, 高橋 英彦, 松浦 雅人, 鈴木 秀典, 大久保 善朗. 恐怖音声認知・脳処理時の機能的結合に対するプラセボ・ロラゼパムの効果 機能的MRI研究 日本神経精神薬理学会年会プログラム・抄録集. 2016.07; 46回 215. ( 医中誌 )

長谷 武志, 荻島 創一, 鈴木 泰博, 中川 草, 田中 博. 1P297 タンパク質間相互作用ネットワークの進化における疎密構造と自己結合するタンパク質の持つ相互作用数の頻度分布との関係(数理生物学) 生物物理. 2004; 44 S104. ( DOI )

長谷 武志, 鈴木 泰博, 荻島 創一, 田中 博. タンパク質間相互作用ネットワークの枝数による階層構造 生物物理. 2003; 43 S244. ( DOI )

Hiroaki Kitano, Takeshi Hase. (Issue image) Cloud topology in the yeast protein interaction network (PLoS Computational Biology Issue Image | Vol. 5(10) October 2009, see also Hase et al. doi:10.1371/journal.pcbi.1000550). PLoS Computational Biology. 2009; 5 (10): ev05.i10. ( DOI )

Ogishima S, Hase T, Nakagawa S, Suzuki Y, Tanaka H. (proceedings) Molecular Evolutionary Analysis of Yeast Protein Interaction Network World Academy of Science, Engineering and Technology （proceedings). 2005; 11 69-72.

Suzuki Y, S Nakagawa, T Hase, S Ogishima, H Tanaka. (proceedings) The Specificity of Topology of the Protein-Protein Interactions in Yeast and Its Biological Characteristics Journal of the Mass Spectrometry Society of Japan (proceedings). 2005; 53 (3): 137-141. ( DOI )

中川草, 鈴木泰博, 長谷武志, 荻島創一, 田中博. (proceedings) 酵母のタンパク質相互作用の細胞内局在ごとの分析 平成16年度数理モデル化と問題解決シンポジウム 情報処理学会（proceedings). 2004; 361-366.

Nakagawa S, Ogishima S, Hase T, Suzuki Y, Tanaka H. (proceedins)The analysis between functions and densities in yeast intercomplex protein-protein interactions The Fifteenth International conference on Genome Informatics (proceedings). 2004; 131-1,2.

長谷 武志. (招待講演) Lecture 05: Application of machine learning methods to drug discovery. 1st Big Data Machine Learning in Healthcare in Japan 2018.02.25

Takashi Hase, Shingo Tsuji, Kazuro Shimokawa, Hiroshi Tanaka. (Peer reviewed) Application of Deep Learning to Drug Discovery. Workshop on Artificial Life and Robotics in Busan 2017.09.08

辻 真吾, 長谷 武志, 田中 博, 油谷 浩幸. タンパク相互作用ネットワークを用いた新しいがん治療のためのAI創薬. 日本癌学会総会記事 2017.09.01

Takeshi Hase, Samik Ghosh, Ayako Yachie, Hiroaki Kitano. (Peer reviewed) A neural network based text mining approach for inference of protein-protein interaction networks.. 2nd International Symposium on BioComplexity 2017.01.20 B-Con PLAZA, Beppu, JAPAN

Yongli Hu, Takeshi Hase, Huipeng Li, Shyam Prabhakar, Hiroaki Kitano, See Kiong Ng, Samik Ghosh, Lawrence Jin, Kiat Wee. (Peer-reviewed) A machine learning approach for the identification of key markers involved in brain development from single-cell transcriptomic data.. 15th International Conference on Bioinformatics (InCOB 2016) 2016.09.21 Singapore

Takeshi Hase, Kaito Kikuchi, Samik Ghosh, Hiroshi Tanaka, Hiroaki Kitano. (Peer reviewed) A computational approach to prioritize drug-target genes in the human protein interaction network. 1st International Symposium on BioComplexity 2016.01.21 B-Con PLAZA, Beppu, JAPAN

Takeshi Hase, Kaito Kikuchi, Samik Ghosh, Hiroaki Kitano, Hiroshi Tanaka. (peer-reviewed) Controllability of protein-protein interaction networks and their relationships with drug-targets, essential genes, and degree connectivities. International Symposium on Artificial Life and Robotics AROB 20th 2015 2015.01.21

Kaito Kikuchi, Takeshi Hase, Samik Ghosh, Hiroaki Kitano. (peer-reviewed) A network guided approach towards identification of novel drug targets in MRSA. 8th Asian Young Researchers Conference on Computational and Omics Biology (AYRCOB 2015.01.19

Takeshi Hase. Identification of drug-target modules in the human protein–protein interaction network. AROB 19th 2014.01.22 Oita, Japan

Takeshi Hase, Kaito Kikuchi, Samik Ghosh, Hiroaki Kitano, Hiroshi Tanaka. (peer-reviewed) Identification of drug-target modules in the human protein–protein interaction network. International Symposium on Artificial Life and Robotics 2014.01.01 B-Con Plaza, Beppu, Japan

一般口演, Takeshi Hase, Yoshihito Niimura. (Peer-reviewed) Difference in gene duplicability may explain the difference in overall structure of protein-protein interaction networks among eukaryotes.. Society for Molecular Biology and Evolution 2012 2012.06.01 Dublin Ireland

野田 円, 水野 正太郎, 茂櫛 薫, 長谷 武志, 飯田 頼嗣, 竹内 勝之, 石渡 泰芳, 永田 将司. タクロリムスによる腎機能障害の発現を患者個別に予測する機械学習モデルの構築. 日本臨床薬理学会学術総会抄録集 2024.01.01

阿部 大数, 稲次 基希, 長谷 武志, 大友 康裕, 田中 洋次, 前原 健寿. 脳神経外科救急におけるデジタル技術の活用　機械学習を用いた外傷性頭蓋内出血患者の搬送前トリアージシステム. Neurosurgical Emergency 2023.02.01

阿部 大数, 稲次 基希, 長谷 武志, 田中 洋次, 前原 健寿. 頭部外傷の予後予測・診断　機械学習を用いたTalk and Deteriorate症例の予測　Think FAST registryを用いた解析. 日本脳神経外傷学会プログラム・抄録集 2023.02.01

長谷 武志, 西野 泰子, Sathiyananthavel Mayuri, Rajendiran Ramanathan, 大場 雅宏, 高木 浩輔, 小林 茂, 合田 和史, 堀 邦夫, 葉梨 拓哉, 秋吉 皓太, 鈴木 浩文, 谷内江 綾子. 画像AIによる薬物性肝障害の病理診断と遺伝子発現パターン予測の統合. 日本毒性病理学会講演要旨集 2023.01.01

長谷武志. AI創薬研究の最新動向について. 一般社団法人 日本オミックス医学会 シンポジウム AI創薬の最新の展開 2022.09.06

Takeshi Hase. AI 創薬の最新動向. AI創薬・ケモインフォマティクスセミナー, データ関連人材育成プログラム全国ネットワーク 2022.07.08

Takeshi Hase, Ayako Yachie-Kinoshita, Samik Ghosh, Hiroaki Kitano. AI駆動型オミックスデータ解析とそのシステム毒性学・創薬研究への応用. AI が牽引する生物学の展望と毒性学, 第49回日本毒性学会学術年会 2022.07.02

長谷 武志, 谷内 江綾子, Ghosh Samik, 北野 宏明. AIが牽引する生物学の展望と毒性学　AI駆動型オミックスデータ解析とそのシステム毒性学・創薬研究への応用. The Journal of Toxicological Sciences 2022.06.01

長谷武志. AI 創薬研究の最新動向. 医療・創薬データサイエンスコンソーシアム(MD-DSC), 2022 年度「データサイエンス人材育成プログラム」説明会 2022.03.31

長谷武志. 深層学習等を活用した生体内分子ネットワークの解析とその新規薬剤標的分子の探索への応用. 第１０回生命医薬情報学連合大会 2021.09.29

長谷武志. AIを用いたアルツハイマー病ドラッグリポジショニングの可能性について. 第93回日本生化学会大会 2020.09.15

長谷武志. 深層学習を利用したネットワーク解析手法（Network embedding）の創薬研究への応用. 第９回生命医薬情報学連合大会 2020.09.02

長谷 武志. データ駆動型科学で切り開く認知症研究　AIを用いたアルツハイマー病ドラッグリポジショニングの可能性について. 日本生化学会大会プログラム・講演要旨集 2020.09.01

長谷 武志. ネットワーク科学と機械学習を組み合わせた解析 ー 創薬・生命科学研究への応用. ネットワーク科学セミナー2018 2018.08.31 統計数理研究所

安田 弘之, 山田 洋平, 金澤 慎司, 國澤 研大, 松田 史生, Ghosh Samik, 長谷 武志, Tsorman Nikolaos, 松岡 由希子, 梶原 茂樹, 北野 宏明, 福崎 英一郎, 飯田 順子. トランスオミクス解析の自動化への取組み-現状と今後　Garuda Platformを用いたマルチオミクスデータ解析. JSBMS Letters 2018.08.01

長谷 武志. （招待講演）生体分子間相互作用ネットワークの情報を用いたドラッグリポジショニングの可能性について. Chem-Bio Informatics Society(CBI) Annual Meeting 2016 2016.10.26 タワーホール船堀、船堀、東京

長谷 武志. （招待講演） 網羅的な標的探索と標的データベースの現状. 第330回CBI(Chem-Bio Informatics Society)学会研究講演会 「GWAS、オミックス、経路網からの標的探索－期待と現実と対策」 2012.08.01 東京

長谷 武志. （招待講演）タンパク質間相互作用ネットワークの構造、進化、そして、薬剤標的分子の探索への応用. CMRU研究会「ネットワークから見る生命」 2011.12.01

Taiko Nishino, Takeshi Hase, Yasuha Kinugasa, Mara Covarrubias, Yumiko Imai, Ayako Yachie. （ポスター発表）Covid-19の生命予後および重症化遷移予測のためのAIモデルの構築と分子機序理解に向けた適用. 2022年日本バイオインフォマティクス学会年会 2022.09.13

Takeshi Hase, Ayako Yachie-Kinoshita, Samik Ghosh, Hiroaki Kitano. （ポスター発表）深層学習を基盤としたオミックスデータ解析とそのシステム毒性学への応用. 2022年日本バイオインフォマティクス学会年会 2022.09.13

長谷武志. AI を活用した創薬研究の最近の動向について. 第二回MDDSC研究会 2021.10.15

Ken-ichi Aisaki, Takeshi Hase, Satoshi Kitajima, Ryuichi Ono, Hiroaki Kitano, Jun Kanno. Current and future application of PERCELLOME database as a part of big data to toxicological research. 第４７回日本毒性学会学術大会 2020.07.01

Samik GHOSH, Takeshi HASE, Ayako YACHIE, Sucheendra Kumar PALANIAPPAN. Towards an optimal dose of AI in biomedicine and healthcare. 第４７回日本毒性学会学術大会 2020.06.30

Hiromi Matsumae, Takeshi Hase, Kentaro Shimizu. 文化×バイオ×コンピュータでの解析-言語類型論に基づく言語データベースとゲノムデータの統合的解析の提案-. 第122回 人文科学とコンピュータ研究会発表会 2020.02.01