研究課題
本研究の目的は多数の化学物質についてニューラルネットワークという非線形モデルを用い、化学構造の情報のみから構造活性相関手法により、様々な危険性(発ガン性、急性毒性、慢性毒性、変異原性、蓄積性など)の有無とその強度(毒性の致死量など)を、既存の予測システムの性能を超える高い精度で迅速に予測する手法を開発することである。今年度は、3層構造のニューラルネットワークを用いて、Predictive Toxicology Challenge 2000-2001のコンテストで公開された多種類の有機化合物の発ガン性データを解析し、コンテストの参加者の結果と比較した。Predictive Toxicology Challenge 2000-2001で公開された454種類の有機化合物についての記述子と発ガン性のデータを用いてニューラルネットワークの学習とテストを行った。入力記述子、中間層ユニット数、学習回数、重みの初期値など、ニューラルネットワークの構造と学習における様々の問題点に最新の注意を払いながら、学習とテストを行った。分子軌道計算から求まるhomoやlumoなどの軌道エネルギー、分子表面積、log Pなど37種類の記述子について主成分を行い、得られた10個の主成分データをニューラルネットワークに入力した。Error-back-propagation法によりニューラルネットワークを学習する際の過学習、over-fitting、局所解などの問題を解決するために、学習回数や中間層ユニット数などの条件を最適化した。モデルの作成に用いなかった化合物を用いて判別テストを行った結果、的中率73.7%の予測モデルを開発することができ、既存のモデルより高性能の予測モデルを開発することができた。しかし、PTCコンテストの発ガン性及び記述子のデータには種々の問題があり、高精度の有害性予測モデルを構築するためにはもっと厳選されたデータを用いるべきであることが分かった。
すべて 2005 2004
すべて 雑誌論文 (5件) 図書 (2件)
Journal of Computer Chemistry, Japan 4
ページ: 1-24
Journal of Computer Chemistry, Japan 4(印刷中)
Journal of Pharmacy and Phamacology 56
ページ: S58-S59
Journal of Ecotechnology Research 10
ページ: 188-189
千葉工業大学プロジェクト研究年報2004年度
ページ: 146-147
