权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

人工知能を有する自動回折データ収集システムの開発

人工智能自动衍射数据采集系统的开发

基本信息

批准号：
22K06107
负责人：
平田邦生
金额：
$ 2.08万
依托单位：
Institute of Physical and Chemical Research
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K06107/
关键词：
機械学習結晶学タンパク質結晶構造解析

项目摘要

研究の目的はタンパク質結晶の自動測定へ即時フィードバックが可能な回折強度データのクオリティ判定を実施する人工知能の開発である。システムは自動測定により得られた大量のデータを即時解析し、できるだけ早い段階でのデータクオリティの定量的評価を目指している。このため、まず教師あり機械学習を実施し、指標となりうるデータ評価ポイントの選定を実施する予定であった。今年度は、研究実施計画書にある通り、教師ありの機械学習のために、標準試料結晶であるソーマチン、サーモライシン、計画書に無かったがトリプシンの回折データを大量に収集し、データ処理を実施した。結果として、機械学習に進む前段階にデータをフィルタリングすることの有用性に予期せず気づくことができた。具体的には２点ある。１点目は「明らかに低品質なデータの混在」をフィルタリングすることである。より信頼度の高い機械学習のモデルパラメータを得るためには、できるだけ他のアノーマルデータを排除したほうが良い。この観点から実際に得られたデータの中で分解能が著しく低いデータについては早い段階で検討から除外することが望ましい。当初想定していなかったことだが、このフィルタリングの成績も実験へのフィードバックに非常に有用なステップであることが判明した。２点目はより詳細なフィルタリングとなるが、構造多型に関連するものである。タンパク質結晶は同じもののように見えても含まれる分子の構造が微妙に異なる場合があり、それらは多くの場合軽視され、特に自動測定では気づけ無いことがよくある。今年度、自動データ処理システムを利用した階層的クラスタリング（特に強度のCCを利用するもの）を利用すれば構造の微小な違いを分類することができることを見出し、それについて現在論文化を進めている。

The purpose of the research is to make it possible to automatically measure the crystallization of solid materials and make it possible to detect real-time measurements. The bending strength of the test is determined by the artificial knowledge of the artificial intelligence.システムはAutomatic measurement of によりGet られたA large amount of のデータをReal-time analysis of し、できるだけEarly stage でのデータクオリティのQuantitative evaluation 価を Eye refers to している.このため、まず Teacher ありMechanical learning を実士し、Indicator となりうるデータreview価ポイントの Selected を実士する簧あった. This year's research project plan, teacher's mechanical learning, standard sample crystallization,サーモライシン, plan book に无かったがトリプシンのturnback データをa large amount of collection し, データ processing を実士した. The result is that the machine learning is progressing in the early stage and the usefulness of the machine learning is expected. The specific details are two points. 1 point item "Ming らかにLow quality なデータの mixed in" をフィルタリングすることである.より信格degreeの高いMechanical learningのモデルパラメータを得るためには、できるだけ他のアノーマルデータをexcludeしたほうが好い.この観点から実间に得られたデータの中でdegradable が出しく下いデータについてはEarly stage stage で検question からexcept することが王ましい. At first I thought about the results of the していなかったことだが and このフィルタリングのIt's very useful and it's very useful. 2 points of the detailed structure of the details of the なフィルタリングとなるが, and the structural multi-type にrelated するものである. The structure of the タンパク crystal is the same as the じもののように见えてもcontaining molecule and the structure is subtle and different.があり, それらは多くのoccasion軽视され, 特にautomatically determines では気づけ无いことがよくある. This year, automatic handling of the システムをutilization of the クラスタリング (special strength のCCをutilization するもの) of the した class Use the すれば structure to classify することができることを见出し, それについてNow let’s talk about culture を进めている.