毒性を考慮したp53標的放射線防護剤のスクリーニング手法の開発

考虑毒性的 p53 靶向放射防护剂筛选方法的开发

• 批准号: 20J22753
• 负责人: 本橋 春香
• 金额: $ 1.98万
• 依托单位: Tokyo University of Science
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-24 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20J22753/
• 关键词: 放射線防護剤; 機械学習; 述語論理; 帰納論理プログラミング; バーチャルスクリーニング; ケモインフォマティクス

本研究の目的は毒性を考慮した放射線防護剤候補化合物のスクリーニング手法の開発である．2022年度は，機械学習モデルの出力に対して可読性のある説明を与える手法を適用することで，8-キノリノール類とp53タンパク質の結合に寄与する部分構造についての解析を行った．本手法は，説明対象の情報を述語論理式で表現し，それらの式を組み合わせて得られるルールを生成することで，分類モデルの判断根拠を人間による解釈が容易な文による説明として示すものである．また本手法においては，説明に必須の項目を設定することで，分類モデルのユーザがそれにもとづく意思決定を行う際に重視する情報を反映した，ユーザの視点に立った説明を生成することが可能である．8-キノリノール類の細胞毒性および放射線防護活性の測定実験の結果を用いて，8-キノリノール類とp53タンパク質の結合に寄与する部分構造についての解析を行い，放射線防護活性の有無を予測するモデルの開発とその学習結果に関する解析を行った．分類モデルの学習には化合物の分子構造から計算できる科学的特性や物理的特性を用いる一方で，ILPに対しては化合物の部分構造に関する情報を入力として与えることで，分類モデルの出力結果に対して放射性防護活性のある化合物に共通する部分構造に着目した説明を付与した．放射性防護活性が高い33個および放射性防護活性が低い31個，計64個の8-キノリノール骨格を持つ化合物に対して解析を行った．解析の結果，放射線防護活性の高い化合物には共通する内容の説明が得られた．得られた説明の内容にはある特定の位置の炭素原子の置換基に関する情報や，分子のサイズに関する情報が含まれていた．これらの情報は8-キノリノール骨格を持つ化合物の放射線防護活性の発現メカニズムの解明及び新規放射線防護剤のスクリーニングに寄与することが示唆される．

The objective of this study is to determine the toxicity by を and to consider the <s:1> た candidate compounds of radiation protectants, <s:1> ス リ ニ ニ グ グ グ, グ グ, and the method of development である. 2022 annual は, rote learning モ デ ル の output に し seaborne て can 読 sexual の あ る を and え る gimmick を applicable す る こ と で, 8 - キ ノ リ ノ ー ル class と p53 タ ン パ ク qualitative の に send with す る partially constructed に つ い て の parsing line を っ た. This gimmick は, like の seaborne intelligence を adnex narrative で し, そ れ ら の type を group み close わ せ て have ら れ る ル ー ル を generated す る こ と で, classification モ デ ル の determine root 拠 を human に よ る solution 釈 が easy な article に よ る illustrate と し て in す も の で あ る. ま た this gimmick に お い て は, explain に must be set の project を す る こ と で, classification モ デ ル の ユ ー ザ が そ れ に も と づ く mean line decision を う interstate に attaches great importance to the す る intelligence を reflect し た, ユ ー ザ の viewpoints に made っ た illustrate を generated す る こ と が may で あ る. 8 - キ ノ リ ノ ー ル class の cytotoxicity お よ び の determination of radiological protection activity be 験 の results を い て, 8 - キ ノ リ ノ ー ル class と p53 タ ン パ ク qualitative の に send with す る partially constructed に つ い て の parsing を い, radiation protection activity の presence of を be す る モ デ ル の open 発 と そ の learning results に masato す る parsing line を っ た. Classification モ デ ル の learning に は compound の molecular structure か ら computing で き る scientific や physical properties を with い る で a party, the ILP に し seaborne て は compound の partially constructed に masato す る intelligence を と into force し て and え る こ と で, Classification モ デ ル の output results に し seaborne て radioactive protection activity の あ る common compounds に す る に part structure with mesh し た illustrate を give し た. 33 high radioactive protection activity が い お よ び low radioactive protection activity が い 31, 64 meter の 8 - キ ノ リ ノ ー ル bone を hold つ compound に し seaborne analytical line を っ て た. The analysis of the <s:1> results shows that the common する content of the <s:1> highly active <s:1> compounds for radiation protection <s:1> indicates that が results in られた. Have ら れ た illustrate の content に は あ る specific の position の carbon atoms の replacement base に masato す る intelligence や, molecular の サ イ ズ に masato す る intelligence が containing ま れ て い た. こ れ ら の intelligence は 8 - キ ノ リ ノ ー ル bone を hold つ compound の radiological protection activity の 発 now メ カ ニ ズ ム の interpret and び new rules on radiological protection tonic の ス ク リ ー ニ ン グ に send す る こ と が in stopping さ れ る.

项目成果

Interpretable Rules Using Inductive Logic Programming Explaining Machine Learning Models: Case Study of Subclinical Mastitis Detection for Dairy Cows

使用归纳逻辑编程解释机器学习模型的可解释规则：奶牛亚临床乳腺炎检测案例研究

• DOI: 10.25046/aj070214
• 发表时间: 2022
• 期刊: Advances in Science, Technology and Engineering Systems Journal
• 作者: Motohashi Haruka;Ohwada Hayato
• 通讯作者: Ohwada Hayato