DNNsを用いた分子活性予測システムとそれらに適用する新規三次元記述子の開発

本研究課題は，重大な疾病に関わる15種類の標的タンパク質に対する数千もの化合物の分子構造データ（記述子）と活性値から構造-活性相関モデルを構築し，より高い活性値を有する新たな化合物を探索するための生理活性予測システムを開発している。一般に，全結合多層ニューラルネットワーク（fully connected multiple layered Neural Networks）は，広範囲な予測問題に適用できる汎用性の高い機械学習法である。しかし，得られる機械学習モデルの性能は，事前に設定された多くのハイパーパラメータに強く依存するため，適切な機械学習モデルを導くためには，予め最適なハイパーパラメータを決定しておく必要がある。これまでの研究において，一貫して，生理活性予測システムの性能向上に向けたハイパーパラメータの最適化に取り組んでおり，既に，先行研究に匹敵する精度を示すセットを見出している。本研究課題では，そのセットを最適化するとともに，個別の標的タンパク質に適したハイパーパラメータを自動的に導出する新たな方法論を導こうとしている。本年度では，ネットワークの最適化に加えて，活性予測を行うために重要となる入力特徴の解明も行った。それにより，重要であるとされた特徴についての詳細な情報を付加する等することによって，さらなる予測精度の向上を実現できると期待している。具体的には，学習されたモデルの予測結果に対して各特徴量の寄与を求めることで実現する。使用した手法は，既存手法であるSHAP(SHapley Additive exPlanations)と我々が独自に開発しているクロスバリデーションから着想を得た手法の2種類で行った。現状としては概ね期待通りの結果が得られているが，各手法によって重要とされる特徴のランキングがやや異なっているため，その点を精査してまとめているところである。

本研究課題は，重大な疾病に関わる15種類の標的タンパク質に対する数千もの化合物の分子構造データ（記述子）と活性値から構造-活性相関モデルを構築し，より高い活性値を有する新たな化合物を探索するための生理活性予測システムを開発している。一般に，全結合多層ニューラルネットワーク（fully connected multiple layered Neural Networks）は，広範囲な予測問題に適用できる汎用性の高い機械学習法である。しかし，得られる機械学習モデルの性能は，事前に設定された多くのハイパーパラメータに強く依存するため，適切な機械学習モデルを導くためには，予め最適なハイパーパラメータを決定しておく必要がある。これまでの研究において，一貫して，生理活性予測システムの性能向上に向けたハイパーパラメータの最適化に取り組んでおり，既に，先行研究に匹敵する精度を示すセットを見出している。本研究課題では，そのセットを最適化するとともに，個別の標的タンパク質に適したハイパーパラメータを自動的に導出する新たな方法論を導こうとしている。本年度では，ネットワークの最適化に加えて，活性予測を行うために重要となる入力特徴の解明も行った。それにより，重要であるとされた特徴についての詳細な情報を付加する等することによって，さらなる予測精度の向上を実現できると期待している。具体的には，学習されたモデルの予測結果に対して各特徴量の寄与を求めることで実現する。使用した手法は，既存手法であるSHAP(SHapley Additive exPlanations)と我々が独自に開発しているクロスバリデーションから着想を得た手法の2種類で行った。現状としては概ね期待通りの結果が得られているが，各手法によって重要とされる特徴のランキングがやや異なっているため，その点を精査してまとめているところである。