データ化学工学研究室(金子弘昌専任准教授主宰)から発表された論文が、国際学術雑誌 Industrial & Engineering Chemistry Research における Volume 63, Issue 1 (2024) の表紙絵を飾りました。
医薬品や農薬の開発において、創薬プロセスを加速するために機械学習が注目されており、機械学習モデルを用いて分子の薬理活性が予測されています。予測精度の高いモデルを構築するためには、分子の三次元構造を適切に考慮することが重要ですが、従来の方法ではモデルを構築するために使用する化合物群に共通の骨格構造が必要でした。本研究では、化合物群が共通の骨格構造を持たなくても活用できる、化学構造の三次元的な特性を考慮した分子記述子を開発しました。提案手法では、分子設計ソフトウェアである Flare によって得られる正電荷・負電荷・表面・疎水性の情報とクラスタリング手法である k-means++ や混合ガウスモデルを組み合わせて、記述子を計算します。計算される記述子は解釈性が高く、クラスターの重要度に基づいて電気特性や立体特性、疎水性に関して重要な構造の情報が得られます。除草剤のデータセット・アンジオテンシン変換酵素阻害活性剤のデータセット・環境毒性データセット・水溶解度データセットを用いて、提案した記述子の有効性および解釈性が検証されました。
