AIが突破口！アルツハイマー病の原因に光 治療薬候補も浮上
引用元：https://news.ycombinator.com/item?id=43815591
これ「AIが新発見！」ってマーケティングされてるの見ると萎えるな〜。
実際の論文の著者たちはめっちゃ量の作業やったんだ。そのほとんどが普通の生化学とか細胞生物学で、AIとは関係ないんだ。
AIの貢献と言われるAlphaFold3の解析は補足図の数パネル分だけ。使う小分子阻害剤はもう分かってたから、その選択にも役立たなかったんだ。
AlphaFoldは構造生物学ではゲームチェンジャーだけど、これはAI hypeが実際の研究価値を霞ませてるひどいケースだと思う。
うん、実際の研究に対してあのタイトルはマジで変だよね。
ノート取るのにbicペンを使ったからって、bicペンがXYZを見つけるのを助けたって言うようなもんじゃん。
bicペンみたいじゃないって。
以前はできなかった新しい技術で、謎を解き明かすのに役立ったんだよ。
それにタイトルは「AI Helps…」であって「AI Discovers」じゃないから、それはstrawman（藁人形論法）だよ。
人間が素晴らしい仕事をしたことを否定してないと思う。
たぶんHubble telescopeで新しい銀河を見つけて、望遠鏡が言及されることに文句を言うようなもん。
俺はAIの部分に期待してるよ。
じいちゃんはalzheimer’sで、姉ちゃんはalsで大変なんだ。
どっちの分野も長年停滞してたから、AIモデリングがブレークスルーを可能にしてくれることを願ってる。
たぶん「ショベルカーが考古学者が新種を発見するのを助けた」みたいな感じかな？
そりゃそうだよ、ショベルカーが新しくて、これまでできなかった大規模な発掘を助けられるなら、そうタイトルつけてもいいじゃん。
この記事の著者たちは、AIが全部やったんじゃなくて（「unravels」じゃなくて「helps unravel」を見て）、AIが医療研究で使われ始めてる事実を強調したかったんだと思うな。
（注意：俺は競合するアプローチの著者だよ）
新しい小分子阻害剤を探すには、何百万もの新しい化合物を調べなきゃいけないんだ。
でもAlphaFold3は、繰り返しが多いデータセットで評価されたんだよね。
https://olegtrott.substack.com/p/are-alphafolds-new-results-…
俺の問題は、これがたぶんAlphaFoldの最も最小限で平凡な使い方なのに、論文の主要ポイントの一つみたいに扱われてること。
テストした小分子はすでに阻害剤だって分かってたし、AlphaFoldに基づいた構造モデリングは、彼らがやった何十もの超困難な実験に比べたらごくごく一部だ。
まるで査読者の一人が提案して後から付け加えられたみたいに見える。
研究にちゃんと向き合えない人が「これにAlphaFold試してみたら？」って言うのをたくさん聞いてきた。
大学院生がAlphaFoldの結果を生半可に分析するのもジョーク。
構造予測が革命を起こしてる場所は絶対にある。でも、これがhypeだってことは認めようぜ？
あなたの喪失は残念だよ。叔母さんも同じ病気で大変だ。
誰もがこれを通るか、介護者になるかだと思う。
こういうプレスリリースは資金集めのためだよ。
大学の医療研究部門は今、連邦政府から攻められてる（資金削減？）。
AI利用を強調するのは、Elon Muskの（研究資金に関する？）「検索、置換、破壊」作戦を避けるのに良い手だね。
同意だけど、この記事は今のAlzheimer’s研究に対する関心と信頼のレベルを示してるよね。AIって書いてなかったら、どれだけの人がこの記事読んだかな？
うん、同意。ほとんどの作業は従来法で、AIはほんの少ししか使われてない。でも、AIモデルがやったfoldingは、構造を理解して二次構造を見るのにめっちゃ重要だったと思う（IMO）。タイトルはクリックベイトだね。AIがここで特定の、他の方法では超難しい問題を解決したって強調する方がいい。まるでlegoの一つのピースみたいだ。
このタンパク質の触媒ドメインの結晶構造はいくつか特定済み。AlphaFoldが予測したDNA binding domainは、10年以上前のhomology modelingでも予測できたかも。小さい分子のdockingも昔からの技術。AI（AlphaFold）は分析を手伝ったけど、不可能を可能にしたより、作業を速めただけだと思う。
思ったんだけど、これってVan Leeuwenhoekがglass gizmoで最初のmicroorganismを見つけたのに似てるかも。そういう意味で、AI molecular simulationは新しいtechで、たぶんもっと良くなってたくさんのdiscoveriesを助けるだろうね。
色んなところでmoney cuttingされてるから、investorsを呼び込むためにAI bandwagonに乗っかってるのも驚かないよ…。数日前にここHNで、VC fundingの70%以上がAI related productsに直接流れてるってinteresting linkを読んだんだ。このthing、one way or anotherでみんなにaffectしてるよね…。
＞人間のgreat workを誰もdenyingしてない、とは思わないな。タイトルはAIのcontributionにciteしてるけど、人間の仕事にはciteしてないもん。
Historically it’s ”superstar researcher discovers something new”って言われるけど、実際にはそのsuperstar researcherはhordes of grad students and postdocsのresearchにrelyしてるんだよね。
＞ It’s a new technique they couldn’t do before that helped crack the mystery.
What about SAT-based solvers [1] for same problem？
[1] https://ieeexplore.ieee.org/document/5361301
Would that technique do the same？ If not, why？
こういうの読むときは、今読んでるものが何かって気づくのが大事だよ。これは研究論文じゃなくて、press releaseだからね。著者はUC San Diegoの”Public Information Officer”って自分で名乗ってる。過去の記事アーカイブ見ると、ほとんど全部のpress releaseが研究内容そのものより、研究で使われたテクノロジーをすごく強調してるみたい。一番最後のページ見てみ？2015年にはnanotechをめちゃくちゃ推してて、僕が知ってる限り、あれは結局うまくいかなかったんだよ。https://today.ucsd.edu/archives/author/Liezel_Labios/P260
俺も同じこと言おうと思ってたんだ。ちょっと前までバイオメディカル研究の経験があって、この仕事の主要な部分に使われてる手法は、何年も前に大量に行われた研究で使われてたやり方と似てるって、大まかに見て分かったんだ。みんなもう長いこと色々なmachine learning／deep learning手法を使ってて、この記事のタイトルや世間の人が思ってるほど、これは決して特別なことじゃないんだよね。彼らの研究を否定するわけじゃないけど、ネット上の普通の読者にとっては、大したことないよ。言い換えれば、これはこの分野では常に起こってることで、そのほとんどは分野外の人からは注目されないんだけど、この記事の”AI”っていうバズワードがあったから、こうして注目されてるだけなんだ。
この記事の著者たちはおそらく、自分たちの名前と”AI powered research”みたいなフレーズを一緒に載せたかったんだろうね。
ML／”AI”は医療研究で何年も何年も前から使われてるよ、このバズワードを使った見出しは最近の現象だね。
元の論文のタイトルはもっとずっと分かりやすいよ「Transcriptional regulation by PHGDH drives amyloid pathology in Alzheimer’s disease」ってやつ。これは大学のpress media pageからだけど、こういう大げさなタイトルで注目を集めるのはすごくよくあることなんだ。
別のコメントへの返信だよ。AIが発見ツールとしてHubble telescopeみたいに不可欠なものなのか、それとも単なるツールかって議論をしつつ、AIツール自体は大量データ解析に超便利だって認めてるんだ。でも記事のタイトルが「AIが突破口！」ってAIを強調しすぎるのが嫌だって言ってる。内容に合った「アルツハイマー病の原因にすごい発見」みたいなタイトルにして、中でAIの使い方を褒める方が良かったって提案してるね。
この記事のタイトルがAIを強調しすぎる動機の一つに同意するけど、それは良くない戦略だと思うって言ってる。AlphaFoldは民間企業だし、その重要性を誇張すると研究全部が民営化されるべきだっていう議論につながりかねないから。構造予測のブレークスルーは公共資金による長年のデータや基礎研究があってこそ可能だったんだってことを、みんなに分かってほしいって主張してるよ。Deep Mindは後から入ってきただけだって。
統計的にみんなそうなるか介護者になる＞これは現実だけど、別にそうなる必要はないし、みんなが望むことでもないよね。診断された人の半分以上は、適切な時期に安らかな最期を望んでる。でも、実際にその選択ができる人は２％未満なんだ。
これ興味深い観察だね：「AIを使えば、PHGDHタンパク質の３次元構造を可視化できた。その構造の中に、既知の転写因子クラスにあるDNA結合ドメインにすごく似た部分構造があるのを見つけた。この類似性は構造だけで、アミノ酸配列にはないんだ。」＞これ思い出したよ：何のデータか全く分からなくても、グラフにしてみろってやつ。
生物学の知識なくてごめん。でも、この同じ結果って、タンパク質をX線結晶構造解析したら得られなかったの？
僕、ちょっとの間だけど、極限環境古細菌ウイルス、例えば火山の温泉とかに住んでる生物に感染するウイルスの研究してたんだ。ゲノム解析で配列が既知のものと全く違っても、３Ｄ構造検索（Dali ServerとかPDBe Fold）すると既知の構造に似てる例をたくさん経験した。これは配列レベルでは完全に分岐したけど構造は変わらなかったということ。AlphaFoldが関係性を見つけたのは、多分配列レベルで何か残ってるか、co-evolutionかな。どっちにしろ人間では見つけられなかったものを見つけてる。
これは私の専門外なので、多分誤解してるかもしれないけど、AlphaFoldって配列から構造を外挿するんだと思ってた。他の既存タンパク質との実際の関係性は、研究者たちが他のより伝統的な手段（あなたが言ってた３D検索みたいに）で見つけたんじゃないの？
それどうかな。AlphaFoldのやり方って、配列を表すベクトル空間から、折り畳まれた構造を表す別のベクトル空間に変換して、反復的な改善をしながらまた戻ってくるんだ。完全に違う配列でも、構造空間で比較すれば相同性があるものが高いコサイン類似度で見つかるはず。構造の部分領域をチェックするのはもっと難しいだろうけど、構造表現のやり方によっては計算量が多いってだけかもしれないね。
もっとコメントを表示（1）
これはAlphaFoldに関するすごく大きな誤解だよ。配列から全く新しい構造を生成してるわけじゃないんだ。むしろ主に、他の構造が解明済みのものとの配列レベルの関係性を見つけてるんだよ。そういう構造と配列の関係性がどこかに存在しないなら、AFは機能しない。だって、第一原理からタンパク質の折り畳みについてそんなに詳しい情報を持ってるわけじゃないから。多少のde novo要素はあるけど、全然画期的なものじゃない。AFの本当の強みは、他のどの方法でも見つけられなかった関係性を検出する能力にあるんだ。
収斂進化についてはどうかな？同じ機能をするために他に多くの構造があり得るのに、こんなにぴったり一致するのは偶然すぎるって理由で、収斂進化は除外してるの？
全く違う遺伝子からどうやって同じタンパク質ができるのか、素人にもわかるように説明してもらえませんか？
素人だけどさ、俺の理解だとこうだよ。まず、違う遺伝子って何かってことによるね。情報としては、DNAは4種類の文字（ヌクレオチド）が3つずつ組になったコドンの並びなんだ。それぞれのコドンは特定のアミノ酸に対応してる。タンパク質ってのは、たくさんのアミノ酸がつながってできてるんだ。どの、どういう順番でアミノ酸がつながるかを決めるのが遺伝子なんだよ。この長いアミノ酸の鎖は複雑な立体構造に折り畳まれるんだけど、この立体構造がタンパク質の機能を決めるんだ。
遺伝子が違ってもタンパク質の機能が変わらないパターンがいくつかあるんだ。実は、複数のコドンが同じアミノ酸を表すことがあるんだよ。だから、同じアミノ酸を表す別のコドンに置き換えても、化学的には全く同じ配列になるし、結果として全く同じタンパク質ができるわけ。もう一つは、アミノ酸が変わっても、完成したタンパク質の立体構造に大して影響しない場合。少なくとも機能を変えるほどじゃない場合ね。このどっちのタイプの突然変異もかなりよくあるんだ。だって機能に影響しないから、進化の過程で“取り除かれず”に、進化の歴史の中で蓄積していく傾向があるんだよ。
俺も素人だけどね、例えばさ、レンガや木材、流し込みコンクリートで家を建てたとして、結局どれも見た目は同じになるってこともありえるでしょ。内部構造や作り方は違っても、同じ形になるんだ。前の人のコメントをそんな感じに読んでるよ。
俺も素人だけどさ、遺伝子っていうのはタンパク質を作るための指示なんだ。例えば、ある結果を得るために、全然違うプログラミング言語でプログラムを書いたり、同じ言語でも全然違う構成で書いたりできるでしょ。もしソースコード（遺伝子）で一致するものがなければ、出力（タンパク質）で一致するものを探せばいいんだよ。
これは完璧なアナロジーだね。ちなみに俺は構造生化学者だよ。
アミノ酸にはだいたい4つの種類があるんだ。非極性、極性、酸性、塩基性ね。3Dの形、つまりタンパク質の一般的な抽象的な形については、同じ種類のアミノ酸ならたくさん置き換えても変わらないことが多いんだよ。その関係性が見えてくるのは、3Dの形を比較して初めてなんだ。
in-silicoの結果がin-vitroでも同じように達成できたって言いたいわけ？まあ、出来たかもしれないけど、それって、「研究室での1ヶ月は、図書館での1時間を節約できることが多い”っていうジョークみたいだな。
うん、でもそれってすごい“もし”の話だよ。xray crystallographyはすごく大変で高いし、タンパク質の結晶が常に作れるわけじゃないんだ。
「AI」とかそれに似た言葉を見るたびに、俺は頭の中で「大量の数学をすごい速さでやったもの」って言葉に置き換えてるんだ。そうすると、もっと具体的になるし、あんたが引用した文章みたいのが、もっともらしく思えてくるんだよね。
俺はいつも「ML」って読んでるよ。だって、AIの98%って結局MLが名前を変えただけなんだもん。
これってAPOE、特にe4と繋がる話だね。e4ってコリンをもっと必要とするんだけど、コリンが足りないと体の代謝が頑張っちゃって、PHGDHの活動が増えてセリンがいっぱい作られちゃうみたい。この繋がり面白いね。コリンのサプリメント研究で良い結果が出るのも、もしかしたらこれが理由かもね。
論文：https://www.sciencedirect.com/science/article/pii/S000291652…
それすっごく興味深いね！コリンと睡眠の関係も面白いよ。特に回復を促す睡眠機能、つまり徐波睡眠ってのがADの大きな要因と考えられてるからさ。
論文：https://www.jarlife.net/3844-choline-sleep-disturbances-and-…
で、これがエストロゲンとも繋がるんだ。HRTが認知症とかADのリスクを下げるって知られてるし（論文：https://pmc.ncbi.nlm.nih.gov/articles/PMC10480684/）、体の中でコリンを作るPEMTっていう酵素があるんだけど、これがエストロゲンに依存してるんだよね（論文：https://pmc.ncbi.nlm.nih.gov/articles/PMC3020773/）。
そうそう、僕の仕事の一部は徐波睡眠を良くすることで認知症をどうにかしようってやつなんだ。閉経に関する研究も立ち上げてて、うまくいけば2026年には始めたいな。
論文の結論によれば、適度な食事からのコリン摂取、だいたい1日に332.89 mg/dから353.93 mg/dくらいが、認知症のリスク低下とか認知機能の向上と関係してるみたいだよ。Geminiに聞いたら、これってalpha GPCだと約850mg、citicolineだと約1900mgになるってさ。やっぱ卵だよね！
Geminiの計算、どうやって確認するの？Claudeに聞いてみたら、それは卵4〜5個分か、150 mgのalpha GPCカプセル5個分だって言ってたよ。卵は時間も費用もかかるし、ほとんどの養鶏場ってひどいらしいし（特にオスひな殺処分とか）、僕はalpha GPCのサプリがいいかなって思ってる。
＞ Geminiの計算、どうやって確認するの？
Geminiはalpha GPCを重量の40%、citicolineを18%がコリンだとして計算したみたいで、他の情報源とも合ってるみたいだよ。
＞ 僕はalpha GPCのサプリがいいかなって思ってる。
最近の研究は見てないんだけど、alpha GPCサプリメントで否定的な結果もいくつか出てるんだよね[1]。ちょっと調べてみる価値はあるかも。
[1] https://examine.com/supplements/alpha-gp…
卵は1日1個なら安全らしいよ。論文もあるんだ。
https://pubmed.ncbi.nlm.nih.gov/38733921/
100%安全で効果的なコリン源なんてあるのかな？もしかしたら卵とサプリメントを組み合わせるのがいいのかもね？
こういう話は難しくてよく分からないんだけど、たぶんTMAOを下げる何かを摂れば（ちょっと調べたらEVOO、allicin、resveratrol、PQQとかがあるみたい）、コリンサプリメントの影響を打ち消せるんじゃないかな。これはTMAOが病気のリスクを上げる原因じゃなくて、単なるバイオマーカーだと仮定しての話だけどね。
いつも思ってたんだけどさ、AIとかLLMとかMLって、software engineeringよりMedicineとかLawとかの方が向いてると思うんだ。MedicineやLawはデータ量がものすごくて専門家も足りない。超音波とかchest xraysの大量解析とか法律相談とか、LLMs/MLの方がcomputer code書くより得意そうだよ。
なんだかさ、LLMsって自分の分野以外だといつも”正解出す可能性が高い”って思われがちだよね（まぁ、ここHNだし）。Derek Loweが作った”Andy Grove Fallacy”って言葉を思い出すよ（ここの常連ライターで、最近の記事[1]でも言及されてた）。
[1] https://www.science.org/content/blog-post/end-disease
君が言ってた誤謬って、Michael Crichtonが言ってた”Gell-Mann Amnesia effect”のことだね。[1]
自分が知ってる分野の記事は記者が全く理解してないのが分かって間違いだらけなのに、ページをめくって他の分野の記事を読むときは、なぜか正確だと思って読んじゃうんだ。自分の知識を忘れちゃうんだよね。
1. https://en.wikipedia.org/wiki/Gell-Mann_amnesia_effect
（うちの配偶者が長年ultrasound techだったんだ。）
ultrasoundはただ撮って後で見るだけじゃないんだよ。技師はリアルタイムで見え方を調整しながら画像撮ってる。邪魔を避けつつ見たいものを見るために工夫しなきゃいけないんだ。
スキャンしながら見てるものを解析して、もっと詳しく見るための画像を撮るのが仕事の多くなんだ。良い画像を撮るスキルと、解析してどの画像を撮るべきか判断するスキルは同じなんだよ。後でradが見るだけじゃないんだ。
技師がスキャンするけど、解釈するにはDr.が必要だよね。そこにAIが入れるんだ。
これって、computer peopleが他の専門職を単純化しがちな例の一つだよね。
法的にはradが解釈するけど、ultrasound techはスキャンしながらリアルタイムで画像を積極的に解釈して、良い画像を撮るためにプローブを使ってるんだ。
技師が見つけられなかったらradも見つけられないから、現場での専門知識が必要なんだよ。リアルタイムそのもの。
誰かロボットがultrasoundやるって言った？誰が単純化してるの？
つい最近やったんだけどさ、技師が入ってきて、ほとんど何も言わず写真いっぱい撮って、それからDocが入ってきて結果を解釈したよ。
みんなAIが画像を解釈するって言ってるけど、それはプロセスの根本的な誤解だよ。だって技師はどんな画像にするか写真を撮りながら選択してるんだから。
写真が全部撮られてradに渡されるまで解釈を始められないわけじゃない、それはプロセス全体を通して起きてなきゃいけないんだ。じゃあ、そのプロセスにおけるAIの立ち位置って何？何を自動化するの？
radは文字通り静止画をもらうんだよ。技師からの詳しい報告は受けない。だからAIと同じ立場だろ。
もっとコメントを表示（2）
うちの配偶者がいたメインのクリニックでは、技師がradに直接報告してたし、他の施設では画像にメモをつけてるから、技師から補足情報をもらってるよ。思うに、AIが入るとradは不要になるかもしれないね。技師とAIがいればradの仕事はなくなるから。でも、努力の大部分は残るだろうし、情報がないときにAIが適当なこと捏造する癖があるから、やっぱり信頼できないな。
AIが変なコード書くのは問題だけど、大したことない。でもChatGPTが医療や法律アドバイスで嘘つくと、マジでヤバい結果になる。幻覚が激減しない限り、LLMが医者や弁護士に取って代わるのは絶対ないと思うよ。
マジで同意。’chat bots’は革命的な技術じゃないね。でもその基盤技術の他の応用はヤバいと思う。汎用ロボットとか製薬とか新素材とか…いつかは医療や法律にも応用されるだろうけど、医者にVibe診断されたり、政治家にVibe立法されたりするのはマジ勘弁だわ。
マジ笑えるわ（笑）。
これは明らかな医療過誤か弁護士過誤になるね。
LLMは法律や判例を捏造してきた歴史がある。AIによる医療や法律アドバイスはヤバいよ。
AIが超音波やX線をまとめて分析するって？それ医者がやっても医療過誤になりかねない話。良性か悪性か分からない所見が増えて、生検とか余計な検査が増えて患者は不安になるし痛い思いもする。
画像だけ撮って教えないのも倫理的にアウト。IRB（倫理委員会）通るわけないじゃん。
”Fractal volume of data”ってのがよく分かんないけど、生物学がソフトウェアよりどれだけ複雑か、君はたぶん過小評価してると思うよ。
これが”late onset Alzheimer’s”向けって分類されてるのは良いね。
今私たちが知ってるAlzheimer’sは、実は一つの病気じゃなくて、ちゃんとした検査法がないせいで一緒にされてる複数の病気の集まりだって説があるんだ。Amyloid hypothesisを巡る論争の一部もここから来てるよ。
Amyloid hypothesisの論争はね、Stanfordの教授がデータを偽造して、この分野を何十年も遅らせたことから来てるんだ。
この人が引き起こした損害はマジでヤバすぎる。しかもまだStanfordで働いてるらしいよ。
［リンクあり］
一人の不正で損害を過大評価するのは簡単だよ…君がそれやってるね。
Amyloid hypothesisを信じる良い理由は山ほどあるし、特定の論文だけが根拠じゃない。
不正研究の前、90年代初頭にはもうAlzheimer’s研究の基盤だったんだ。
この説を疑う最大の理由は、Amyloidプラークを標的とした薬が、プラーク除去は上手くても進行を全く遅らせられなかったこと。
これは第Ⅲ相治験結果が出るまで分からなかったことで、約10年前のことだよ。
「Amyloidプラーク狙いの薬は全部ダメだった」って？
いやいや、LecanemabとdonanemabはAlzheimer’sの進行を遅らせるのに成功したよ。
最近の予防治験ではgantenerumabも成功してる。ここのリンク見てみて。
HNのみんなが怒るのが大事なのは分かるんだけどさ。
親がこの病気だから、amyloid hypothesisがマジで間違いだって完全に確定する前に、全部捨てるのは抵抗あるんだ。
「一人の研究者が何十年も分野を迷走させた」みたいな単純すぎる説明は、個人的には全然信用できないんだよね。
Marc Tessier-Lavigneには、HNの人たちだけじゃなく、たくさんの人が怒るべきだよ。科学の進歩と苦しんでる何百万もの患者を犠牲にして、私利私欲のために嘘をついたんだから。
AIが、名声とかお金じゃなくて、科学的な発見のために最適化されるようにプログラムされたら、物事が良くなるんじゃないかって期待してるんだ。
＞「一人の研究者が何十年も分野全体を間違った方向に導いた”みたいな単純化された説明は、安易すぎて全く信用できないね。
そうだね、一般的に単一の原因だけで説明するのは、俺の懐疑心センサーも反応するよ。でも、それでAndrew Wakefieldみたいな例を思い出したんだ（AWは科学界よりFacebook-momsを説得するのに成功したけど、それでも社会に同じくらい害を与えたと思うな）。
Wakefieldの詐欺はかなり巧妙で、たくさんの医療専門家を騙すことに成功したんだよ。
アミロイド仮説は絶対に正しくないよ。アミロイドはAlzheimer’sと相関するけど症状は引き起こさない。アミロイドを除去しても症状に効かない薬や、アミロイドに作用しないのに有望な薬があるからだ。認知症症状なくアミロイドが大量に見つかる人もいる。Alzheimer’sはアミロイドが原因じゃないよ。
これ興味あるな。すごく調べてるみたいだね。いくつか参考文献を教えてくれない？
おじさんがその病気で亡くなったんだ。俺はneurotech／sleeptechの仕事をしてて、特にAlzheimer’sに有望視されてるスローウェーブ強化に関わってるんだ。データが偽造されてたことと、仮説が間違ってることは全く別の問題だって意見には100%同意するよ。赤ちゃんをお風呂のお湯と一緒に捨てちゃいけない（良いものを悪いものと一緒に捨てちゃいけない）ってことだよね。
睡眠改善に信頼できる情報源を教えてもらえる？ネットはゴミばっかりで、実際に睡眠時のEEGsを見てる人が「これは8割くらい正しい”って思うようなリンクがあったら面白いなと思ってさ。Re： リンク、返信する時の負担を減らすためにね。
じゃあ、その仮説を追求してる人、いるの？
