|
本研究の目的は毒性を考慮した放射線防護剤候補化合物のスクリーニング手法の開発である．2022年度は，機械学習モデルの出力に対して可読性のある説明を与える手法を適用することで，8-キノリノール類とp53タンパク質の結合に寄与する部分構造についての解析を行った．本手法は，説明対象の情報を述語論理式で表現し，それらの式を組み合わせて得られるルールを生成することで，分類モデルの判断根拠を人間による解釈が容易な文による説明として示すものである．また本手法においては，説明に必須の項目を設定することで，分類モデルのユーザがそれにもとづく意思決定を行う際に重視する情報を反映した，ユーザの視点に立った説明を生成することが可能である．
8-キノリノール類の細胞毒性および放射線防護活性の測定実験の結果を用いて，8-キノリノール類とp53タンパク質の結合に寄与する部分構造についての解析を行い，放射線防護活性の有無を予測するモデルの開発とその学習結果に関する解析を行った．分類モデルの学習には化合物の分子構造から計算できる科学的特性や物理的特性を用いる一方で，ILPに対しては化合物の部分構造に関する情報を入力として与えることで，分類モデルの出力結果に対して放射性防護活性のある化合物に共通する部分構造に着目した説明を付与した．放射性防護活性が高い33個および放射性防護活性が低い31個，計64個の8-キノリノール骨格を持つ化合物に対して解析を行った．
解析の結果，放射線防護活性の高い化合物には共通する内容の説明が得られた．得られた説明の内容にはある特定の位置の炭素原子の置換基に関する情報や，分子のサイズに関する情報が含まれていた．これらの情報は8-キノリノール骨格を持つ化合物の放射線防護活性の発現メカニズムの解明及び新規放射線防護剤のスクリーニングに寄与することが示唆される．
|
