Drug Design using Computational Chemistry and Multiple Supervised Machine Learning Systems based on Correlation between the Systems

本年度の目標は、シフト検定という独自の手法を用いて、二つのデータセット(FMO計算から得られる残基－基質間相互作用エネルギー、IFIEと、基質の2D化学記述子)それぞれから有用な変数を抽出することにある。実際に取り出した変数について考察する中で、変数選択法としてのシフト検定の妥当性を示すことを目指す。シフト検定法というのは、元来数理言語学で用いられたものを代表者が改良したもので、回帰の過程で記述子の対応をずらす手法で、対応がずれた記述子は本来回帰に重要な意味を持たなくなるため、もし当該記述子が重要であるならば回帰結果は大幅に悪化する筈である。逆に、悪化しない場合は、その記述子が重要でないことを示している。Permutation法の変形ともいえるが、Permutation法と異なるのは、偶然にも対応が取れてしまうケースが全く存在しないことと、遥かに短時間で結果が得られ、また、図示することにより結果が視覚化できることがあげられる。本課題では、IFIEと2D記述子を同時に用いた活性予測法の検討と、シフト検定による変数選択を目指した。まず活性予測の面では、前処理を行った二つのデータセットからLWPLSを用いて独立に予測値を得て、それを線形重回帰に利用することで、単体データを用いるよりも高い予測性能を得ることができた。また変数選択においてはシフト検定という独自の手法を用いたが、IFIEでは実際の結合の様子と整合性のとれたものが選択され、2D記述子でもシャッフルの結果に関わらずほぼ同じものが選択されたことから、この手法の有用性を示すことができた。

本年度の目標は、シフト検定という独自の手法を用いて、二つのデータセット(FMO計算から得られる残基－基質間相互作用エネルギー、IFIEと、基質の2D化学記述子)それぞれから有用な変数を抽出することにある。実際に取り出した変数について考察する中で、変数選択法としてのシフト検定の妥当性を示すことを目指す。シフト検定法というのは、元来数理言語学で用いられたものを代表者が改良したもので、回帰の過程で記述子の対応をずらす手法で、対応がずれた記述子は本来回帰に重要な意味を持たなくなるため、もし当該記述子が重要であるならば回帰結果は大幅に悪化する筈である。逆に、悪化しない場合は、その記述子が重要でないことを示している。Permutation法の変形ともいえるが、Permutation法と異なるのは、偶然にも対応が取れてしまうケースが全く存在しないことと、遥かに短時間で結果が得られ、また、図示することにより結果が視覚化できることがあげられる。本課題では、IFIEと2D記述子を同時に用いた活性予測法の検討と、シフト検定による変数選択を目指した。まず活性予測の面では、前処理を行った二つのデータセットからLWPLSを用いて独立に予測値を得て、それを線形重回帰に利用することで、単体データを用いるよりも高い予測性能を得ることができた。また変数選択においてはシフト検定という独自の手法を用いたが、IFIEでは実際の結合の様子と整合性のとれたものが選択され、2D記述子でもシャッフルの結果に関わらずほぼ同じものが選択されたことから、この手法の有用性を示すことができた。