| 研究概要 |
本研究では,薬品類とその活性のデータベースから,各種の生理活性に対して特徴的な部分構造や物理化学的性質を見出し,新規の化学物質群から未知の生理活性を予測して,危険を回避することを目的としている.今年度は,マイニングおよび予測のための技法としてAGM法,カスケードモデル,グラフ類似性推論の3種を利用し以下の結果を得た.
1.芳香族ニトロ化合物の変異原性問題を対象に,最初の2種の方法を用いてその有効性を検討した結果,「芳香族ニトロ化合物でortho位置換基の有無が重要な因子となる」のように,実際に有効な新知見が得られた.
2.発ガン性の問題に対してカスケードモデルを適用して,有効な知識が得られるかどうかを検討した.その結果,「有機塩素化合物の発ガン活性と水素結合受容体の有無および分子の柔軟性との間の高い相関」等の知見を見出すことができた.なお,発ガン性の解析と予測結果は,Predictive Toxicology Challenge 2001で発表したが,モデルの理解容易性において第1位の評価を受け,またfemale ratに対する予測精度においても本研究結果が素晴らしいとの評価を受けた.
3.分子グラフ類似性推論においては,トポロジカルフラグメントスペクトルによってグラフ構造をスペクトル空間に写像し,分子構造間の距離を定義できた.この方法をドーパミン活性に適用し,構造間類似性が生理活性レベルの類似性にも適用できることを明らかにした.
専門家からのアクティブなフィードバックを期待するためは,理解容易なルール群表現が必要である.そこで主要ルールと関連ルール群に組織化すること,またルール内部の構造を表現すること,によりデータスケープの探索を容易にするシステムを開発した.また,visual miningを進めるため,星座グラフを含めた視覚化法を検討した.
|
