2018 Fiscal Year Annual Research Report
Construction of a platform for analysis of receptor binding by industrial chemicals
| Project/Area Number |
17K20043
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
Brown John 京都大学, 医学研究科, 講師 (90583188)
|
|---|
| Project Period (FY) |
2017-06-30 – 2019-03-31
|
| Keywords | AI / 能動的学習 / 評価統計選択 / 画像化 / 相互作用 / 化学物質 |
|---|
| Outline of Annual Research Achievements |
昨年度に引き続きCYP450と核内受容体の化学物質との相互作用解析を行った。特に、昨年度に発表した「AI評価方法」(Molecular Informatics 37(1-2):1700127)と能動的学習を融合する新手法の開発に成功した。この方法は、予測対象化合物と受容体データにおける割合の基に、評価に用いる統計（例：「正解率」accuracy）のあらゆる値をわかりやすく画像化した背景に、能動的学習の逐次的な進化を描画する。この可視化により、相互作用AIモデルがどのように予測能力が上がっているかを具体的に説明され、規制機関や医薬品開発者がAIモデルの性質を理解できるようになる。その結果、工場などで排出される化学物質の受容体との相互作用を推定するAIの性質（感性・特異性）が考慮でき、現場での応用を検討できるようになる。
この新手法（"active projection")の概要をFuture Medicinal Chemistryに発表した。また、複数の研究会で新手法を紹介した結果、製薬企業から問い合わせが入り、共同研究を開始した。
また、active projectionの応用として、米政府主催の毒性予測コンクールで使用された化学物質を解析して、毒性予測AIモデルの性質を解析した。このデータの「有毒性・無毒性」の割合が極端である（9割無毒性）が、従来型のAIモデル解析では予測能力が高くても、「なぜ高い」のが不明となる。active projectionを用いることにより、AIが初期段階では無毒性化学物質しか識別できなくて、中期段階で有毒性化学物質を識別できるようになる、という時系的な進化が明らかになった。もう一つの応用として、active projectionによる抗癌剤予測AI評価を実施中である。
現在、active projectionを用いる論文2件を用意している。
|
