JP2020123189A - 立体構造判定装置、立体構造判定方法、立体構造の判別器学習装置、立体構造の判別器学習方法及びプログラム - Google Patents
立体構造判定装置、立体構造判定方法、立体構造の判別器学習装置、立体構造の判別器学習方法及びプログラム Download PDFInfo
- Publication number
- JP2020123189A JP2020123189A JP2019015086A JP2019015086A JP2020123189A JP 2020123189 A JP2020123189 A JP 2020123189A JP 2019015086 A JP2019015086 A JP 2019015086A JP 2019015086 A JP2019015086 A JP 2019015086A JP 2020123189 A JP2020123189 A JP 2020123189A
- Authority
- JP
- Japan
- Prior art keywords
- dimensional structure
- image
- image set
- discriminator
- property
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/15—Medicinal preparations ; Physical properties thereof, e.g. dissolubility
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
- G16B15/30—Drug targeting using structural data; Docking or binding prediction
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Pharmacology & Pharmacy (AREA)
- Biophysics (AREA)
- Urology & Nephrology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Hematology (AREA)
- Biotechnology (AREA)
- Biomedical Technology (AREA)
- Biochemistry (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Cell Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Microbiology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
第1の物質と第2の物質の結合の立体構造を前記立体構造の周囲からの複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成する画像生成手段と、
前記画像セットに含まれる1枚の画像を入力すると、前記1枚の画像に投影されている前記立体構造に係る前記結合の所定の性質の有無を判別する判別器と、
前記判別器に前記画像セットに含まれる複数枚の画像のそれぞれを入力して得られる値を、前記画像セットに含まれる全ての画像について集計した値に基づいて、前記画像セットに含まれる画像に投影されている前記立体構造に係る前記結合の前記性質の有無を判定する総合判定手段と、
を備える。
実施形態1に係る判定装置100は、蛋白質・リガンド結合の判別器学習装置としては、活性が既知の蛋白質・リガンド結合のドッキング構造の画像を大量に用いて、判別器を学習させて学習モデルを取得する。そして、判定装置100は、蛋白質・リガンド結合判定装置としては、学習済みの判別器(学習モデル)に、活性が未知の蛋白質・リガンド結合のドッキング構造の画像を入力することにより、当該活性が未知の蛋白質・リガンド結合の活性の有無を判定する。このような判定装置100について、以下に説明する。
n:サンプルの個数
x(i):i番目のサンプルで作成した画像データを入力した時の判別器13の出力
y(i):i番目のサンプルの真の活性の有無
EF=na/(NA×0.01) …(2)
na:上位1%にランキングされた中で活性が有る蛋白質・リガンド結合の数
NA:実験対象の全ての蛋白質・リガンド結合のうち活性が有るものの数
上述の実施形態1では、蛋白質・リガンド結合のドッキング構造から作成した3Dイメージを全周網羅的に撮影(2次元平面に投影)する際、3Dイメージ生成時の蛋白質のサーフェスを無しにして、どの角度からの視点で撮影(2次元平面に投影)してもリガンドが確認できるようにしていた。しかし、実際には蛋白質にはサーフェスが存在し、リガンドはサーフェスのない部分からしか確認できない。そこで、3Dイメージ生成時の蛋白質のサーフェスを有りとして、サーフェスのない側から複数の画像を生成する変形例1について説明する。
上述の実施形態1及び変形例1では、判定装置100が、学習処理と判定処理の双方を行っているが、判定装置100はこれに限定されない。例えば、判定装置100は、判定処理を行わないが、学習処理を行って判別器13を学習させる判別器学習装置であってもよい。また、判定装置100は、学習処理を行わないが、他の判定装置100によって学習された判別器13を用いて判定処理を行う判定装置であってもよい。学習処理は、大量の学習用画像データを作成してディープラーニングを行う必要がある等、スーパーコンピュータでないと実施が難しい面がある。しかし、判定処理だけであれば、学習済みの判別器13を用いれば、判定用画像データを作成するだけで判定が可能であるため、通常のPC(Personal Computer)等のコンピュータによっても実施することができる。
上述の実施形態1及び変形例では、判定処理(図7)において、ステップS304で3D average pooling処理を行っているが、この処理は必須ではない。例えば、ステップS303では、総合判定部15は、ステップS302で生成された判定用画像のそれぞれを判別器13に入力して判別器13の出力を判定用画像の枚数分生成し、ステップS304をスキップしてもよい。この場合、ステップS305では、総合判定部15は、ステップS303で取得した判別器13の出力(判定用画像の枚数分存在する)を平均したものに基づいて、蛋白質・リガンド結合の活性の有無を判定すればよい。
上述の実施形態1及び変形例では、ドッキング構造の画像を生成する際の視点の角度を一定の角度間隔で変化させていたが、これに限られない。例えば、実施形態1ではφが0°や180°(地球で言うと赤道に対応する部分)付近においては、θ方向の分割数を多くし、φが90°や270°(地球で言うと極に対応する部分)付近においては、θ方向の分割数を少なくしてもよい。
Claims (14)
- 第1の物質と第2の物質の結合の立体構造を前記立体構造の周囲からの複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成する画像生成手段と、
前記画像セットに含まれる1枚の画像を入力すると、前記1枚の画像に投影されている前記立体構造に係る前記結合の所定の性質の有無を判別する判別器と、
前記判別器に前記画像セットに含まれる複数枚の画像のそれぞれを入力して得られる値を、前記画像セットに含まれる全ての画像について集計した値に基づいて、前記画像セットに含まれる画像に投影されている前記立体構造に係る前記結合の前記性質の有無を判定する総合判定手段と、
を備える立体構造判定装置。 - 前記画像生成手段は、蛋白質とリガンドの結合の立体構造を前記立体構造の周囲からの複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成し、
前記判別器は、前記画像セットに含まれる1枚の画像を入力すると、前記1枚の画像に投影されている前記立体構造に係る前記結合の活性の有無を判別し、
前記総合判定手段は、前記判別器に前記画像セットに含まれる複数枚の画像のそれぞれを入力して得られる値を、前記画像セットに含まれる全ての画像について集計した値に基づいて、前記画像セットに含まれる画像に投影されている前記立体構造に係る前記結合の活性の有無を判定する、
請求項1に記載の立体構造判定装置。 - 前記画像生成手段は、蛋白質とリガンドの結合の立体構造を全周網羅的な複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成する、
請求項2に記載の立体構造判定装置。 - 前記画像生成手段は、蛋白質とリガンドの結合の立体構造を、前記蛋白質のサーフェスを有りにして生成し、前記サーフェスの無い側からの複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成する、
請求項2又は3に記載の立体構造判定装置。 - 前記総合判定手段は、3D Average Poolingを用いて前記画像セットに含まれる画像に投影されている前記立体構造に係る前記結合の前記性質の有無を判定する、
請求項1から4のいずれか1項に記載の立体構造判定装置。 - 第1の物質と第2の物質の結合の立体構造を前記立体構造の周囲からの複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成する画像生成ステップと、
前記画像セットに含まれる1枚の画像に投影されている前記立体構造に係る前記結合の所定の性質の有無を判別する判別ステップと、
前記判別ステップで前記画像セットに含まれる複数枚の画像のそれぞれに投影されている前記立体構造に係る前記結合の前記性質の有無を判別した結果を前記画像セットに含まれる全ての画像について集計した値に基づいて、前記画像セットに含まれる画像に投影されている前記立体構造に係る前記結合の前記性質の有無を判定する総合判定ステップと、
を含む立体構造判定方法。 - 第1の物質と第2の物質の結合の立体構造を前記立体構造の周囲からの複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成する画像生成手段と、
前記結合の所定の性質の有無を取得する性質取得手段と、
前記結合のそれぞれについて、前記画像生成手段が生成した画像セットに含まれる画像と前記性質取得手段が取得した前記性質の有無とを教師データとして、前記結合の前記性質の有無を判別する判別器を学習させる学習手段と、
を備える立体構造の判別器学習装置。 - 前記画像生成手段は、蛋白質とリガンドの結合の立体構造を前記立体構造の周囲からの複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成し、
前記性質取得手段は、前記結合の活性の有無を取得し、
前記学習手段は、前記結合のそれぞれについて、前記画像生成手段が生成した画像セットに含まれる画像と前記性質取得手段が取得した活性の有無とを教師データとして、前記結合の活性の有無を判別する判別器を学習させる、
請求項7に記載の立体構造の判別器学習装置。 - 前記画像生成手段は、蛋白質とリガンドの結合の立体構造を全周網羅的な複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成する、
請求項8に記載の立体構造の判別器学習装置。 - 前記画像生成手段は、蛋白質とリガンドの結合の立体構造を、前記蛋白質のサーフェスを有りにして生成し、前記サーフェスの無い側からの複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成する、
請求項8又は9に記載の立体構造の判別器学習装置。 - 前記学習手段は、重み付きクロスエントロピー関数を用いて前記判別器を学習させる、
請求項7から10のいずれか1項に記載の立体構造の判別器学習装置。 - 第1の物質と第2の物質の結合の立体構造を前記立体構造の周囲からの複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成する画像生成ステップと、
前記結合の所定の性質の有無を取得する性質取得ステップと、
前記結合のそれぞれについて、前記画像生成ステップで生成した画像セットに含まれる画像と前記性質取得ステップで取得した前記性質の有無とを教師データとして、前記結合の前記性質の有無を判別する判別器を学習させる学習ステップと、
を備える立体構造の判別器学習方法。 - コンピュータに、
第1の物質と第2の物質の結合の立体構造を前記立体構造の周囲からの複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成する画像生成ステップ、
前記画像セットに含まれる1枚の画像に投影されている前記立体構造に係る前記結合の所定の性質の有無を判別する判別ステップ、及び、
前記判別ステップで前記画像セットに含まれる複数枚の画像のそれぞれに投影されている前記立体構造に係る前記結合の前記性質の有無を判別した結果を前記画像セットに含まれる全ての画像について集計した値に基づいて、前記画像セットに含まれる画像に投影されている前記立体構造に係る前記結合の前記性質の有無を判定する総合判定ステップ、
を実行させるためのプログラム。 - コンピュータに、
第1の物質と第2の物質の結合の立体構造を前記立体構造の周囲からの複数の視点で2次元平面に投影して得られる複数枚の画像を含む画像セットを生成する画像生成ステップ、
前記結合の所定の性質の有無を取得する性質取得ステップ、及び、
前記結合のそれぞれについて、前記画像生成ステップで生成した画像セットに含まれる画像と前記性質取得ステップで取得した前記性質の有無とを教師データとして、前記結合の前記性質の有無を判別する判別器を学習させる学習ステップ、
を実行させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019015086A JP7168979B2 (ja) | 2019-01-31 | 2019-01-31 | 立体構造判定装置、立体構造判定方法、立体構造の判別器学習装置、立体構造の判別器学習方法及びプログラム |
PCT/JP2020/002543 WO2020158609A1 (ja) | 2019-01-31 | 2020-01-24 | 立体構造判定装置、立体構造判定方法、立体構造の判別器学習装置、立体構造の判別器学習方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019015086A JP7168979B2 (ja) | 2019-01-31 | 2019-01-31 | 立体構造判定装置、立体構造判定方法、立体構造の判別器学習装置、立体構造の判別器学習方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020123189A true JP2020123189A (ja) | 2020-08-13 |
JP7168979B2 JP7168979B2 (ja) | 2022-11-10 |
Family
ID=71839991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019015086A Active JP7168979B2 (ja) | 2019-01-31 | 2019-01-31 | 立体構造判定装置、立体構造判定方法、立体構造の判別器学習装置、立体構造の判別器学習方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7168979B2 (ja) |
WO (1) | WO2020158609A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7456512B2 (ja) | 2020-08-31 | 2024-03-27 | 日本電気株式会社 | 学習装置、学習方法および学習プログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005508487A (ja) * | 2000-06-15 | 2005-03-31 | ファーマコピア インコーポレーティッド | 生体標的に対するコンビナトリアル・ライブラリーの相補性を評価するための分子ドッキング法 |
JP2008506120A (ja) * | 2004-07-09 | 2008-02-28 | ワイス | 明細書タンパク質−リガンド結合特異性を予測するための方法およびシステム |
US20120239367A1 (en) * | 2009-09-25 | 2012-09-20 | Joo Chuan Victor Tong | Method and system for evaluating a potential ligand-receptor interaction |
CN106777986A (zh) * | 2016-12-19 | 2017-05-31 | 南京邮电大学 | 药物筛选中基于深度哈希的配体分子指纹生成方法 |
CN107742061A (zh) * | 2017-09-19 | 2018-02-27 | 中山大学 | 一种蛋白质相互作用预测方法、系统和装置 |
US20180341754A1 (en) * | 2017-05-19 | 2018-11-29 | Accutar Biotechnology Inc. | Computational method for classifying and predicting ligand docking conformations |
-
2019
- 2019-01-31 JP JP2019015086A patent/JP7168979B2/ja active Active
-
2020
- 2020-01-24 WO PCT/JP2020/002543 patent/WO2020158609A1/ja active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005508487A (ja) * | 2000-06-15 | 2005-03-31 | ファーマコピア インコーポレーティッド | 生体標的に対するコンビナトリアル・ライブラリーの相補性を評価するための分子ドッキング法 |
JP2008506120A (ja) * | 2004-07-09 | 2008-02-28 | ワイス | 明細書タンパク質−リガンド結合特異性を予測するための方法およびシステム |
US20120239367A1 (en) * | 2009-09-25 | 2012-09-20 | Joo Chuan Victor Tong | Method and system for evaluating a potential ligand-receptor interaction |
CN106777986A (zh) * | 2016-12-19 | 2017-05-31 | 南京邮电大学 | 药物筛选中基于深度哈希的配体分子指纹生成方法 |
US20180341754A1 (en) * | 2017-05-19 | 2018-11-29 | Accutar Biotechnology Inc. | Computational method for classifying and predicting ligand docking conformations |
CN107742061A (zh) * | 2017-09-19 | 2018-02-27 | 中山大学 | 一种蛋白质相互作用预测方法、系统和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2020158609A1 (ja) | 2020-08-06 |
JP7168979B2 (ja) | 2022-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yue et al. | A lidar point cloud generator: from a virtual world to autonomous driving | |
JP6431245B1 (ja) | エッジ認識双方向画像処理 | |
US20210012093A1 (en) | Method and apparatus for generating face rotation image | |
US11256958B1 (en) | Training with simulated images | |
CN105046213A (zh) | 一种增强现实的方法 | |
CN110675487A (zh) | 基于多角度二维人脸的三维人脸建模、识别方法及装置 | |
CN103841894A (zh) | 器官与解剖结构的图像分割 | |
US20200184697A1 (en) | Image Modification Using Detected Symmetry | |
KR20210049655A (ko) | 특징맵 생성방법 및 특징맵 생성장치 | |
Tatzgern | Situated visualization in augmented reality | |
WO2020158609A1 (ja) | 立体構造判定装置、立体構造判定方法、立体構造の判別器学習装置、立体構造の判別器学習方法及びプログラム | |
CN114373050A (zh) | 一种基于HoloLens的化学实验教学系统及方法 | |
CN115578432B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN109314774A (zh) | 用于立体成像的系统和方法 | |
CN106408654A (zh) | 一种三维地图的创建方法及系统 | |
Englert et al. | Enhancing the ar experience with machine learning services | |
Seychell et al. | COTS: A multipurpose rgb-d dataset for saliency and image manipulation applications | |
CN112862840B (zh) | 图像分割方法、装置、设备及介质 | |
JP5185777B2 (ja) | 3dレンジデータを位置合わせする方法及び装置 | |
Agus et al. | Interactive 3D Exploration of a Virtual Sculpture Collection: an Analysis of User Behavior in Museum Settings. | |
Ranasinghe et al. | ChessEye: An Integrated Framework for Accurate and Efficient Chessboard Reconstruction | |
US20220406004A1 (en) | Image data generation method and apparatus, electronic device, and storage medium | |
CN115171198B (zh) | 模型质量评估方法、装置、设备及存储介质 | |
US20230401691A1 (en) | Image defect detection method, electronic device and readable storage medium | |
CN108038514A (zh) | 一种用于识别图像的方法、设备和计算机程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220127 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220127 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221004 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221021 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7168979 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |