嗅球糸球体層の活性パターン画像と分子パラメタに基づく物質の匂い情報の定量化

点击翻译按钮获取中文摘要

分子物性を予測するためのTransformerモデルを構築した。このモデルでは、入力は分子を構成する原子の列である。構造情報をembeddingに含めることができるように、原子間の結合と原子間の距離を重みに反映させてself-attentionを改良している。10万個の分子のSMILESデータを収集し、入力分子が特定の分子部分構造を持つか否かの予測実験を行った。予測性能はF1値で0.98を達成した。また、正例の予測に寄与した原子をEncoder-Decoder Attentionを利用して調べたところ、対象となる部分構造中の原子を正確にアノテーションしていることがわかった。さらに、4462個の分子とその匂い記述子を収集し、提案モデルを用いて98個の匂い記述子を予測し、平均F1値0.33を得た。また、0.45以上のF1値を得た19個の匂い記述子については、Encoder-Decoder Attentionを利用して、分子部分構造と匂いの質の関係を要約することを試みた。別のモデルとして、自然言語処理で用いられているBERTを改良した事前学習モデルを考案した。BERTはTransformer Encoderで構成され、事前学習のためのタスクの一つとして、一部の単語をマスクした入力からマスクした単語を予測するというタスク(MLM)を用いている。しかし、自然言語文と異なり SMILES では1記号が置き換わっただけで別の分子を表すことになるため、単にBERTを用いてSMILESのembeddingを求めるのは適切でない。匂い分子の匂い記述子の予測において、事前学習を用いない場合、及び、BERTのMLMだけを用いた場合と比較して、提案する事前学習モデルを用いた場合が最も良い予測性能を示した。上記の２つのモデルで得られる分子のembeddingを匂いコードとして用いることを検討中である。