JP2023108850A - 特徴量算出プログラム、特徴量算出方法、特徴量算出装置 - Google Patents
特徴量算出プログラム、特徴量算出方法、特徴量算出装置 Download PDFInfo
- Publication number
- JP2023108850A JP2023108850A JP2022010118A JP2022010118A JP2023108850A JP 2023108850 A JP2023108850 A JP 2023108850A JP 2022010118 A JP2022010118 A JP 2022010118A JP 2022010118 A JP2022010118 A JP 2022010118A JP 2023108850 A JP2023108850 A JP 2023108850A
- Authority
- JP
- Japan
- Prior art keywords
- type
- feature amount
- atomic
- atomic groups
- amino acid
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims description 65
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 15
- 150000001413 amino acids Chemical class 0.000 claims description 154
- 102000001189 Cyclic Peptides Human genes 0.000 claims description 59
- 108010069514 Cyclic Peptides Proteins 0.000 claims description 59
- 238000000034 method Methods 0.000 claims description 31
- 235000001014 amino acid Nutrition 0.000 description 144
- 235000005772 leucine Nutrition 0.000 description 27
- ROHFNLRQFUQHCH-YFKPBYRVSA-N L-leucine Chemical compound CC(C)C[C@H](N)C(O)=O ROHFNLRQFUQHCH-YFKPBYRVSA-N 0.000 description 26
- ROHFNLRQFUQHCH-UHFFFAOYSA-N Leucine Natural products CC(C)CC(N)C(O)=O ROHFNLRQFUQHCH-UHFFFAOYSA-N 0.000 description 24
- KDXKERNSBIXSRK-UHFFFAOYSA-N Lysine Natural products NCCCCC(N)C(O)=O KDXKERNSBIXSRK-UHFFFAOYSA-N 0.000 description 18
- 230000010365 information processing Effects 0.000 description 17
- KDXKERNSBIXSRK-YFKPBYRVSA-N L-lysine Chemical compound NCCCC[C@H](N)C(O)=O KDXKERNSBIXSRK-YFKPBYRVSA-N 0.000 description 16
- 235000018977 lysine Nutrition 0.000 description 16
- CKLJMWTZIZZHCS-REOHCLBHSA-N L-aspartic acid Chemical compound OC(=O)[C@@H](N)CC(O)=O CKLJMWTZIZZHCS-REOHCLBHSA-N 0.000 description 15
- 239000004472 Lysine Substances 0.000 description 15
- 235000003704 aspartic acid Nutrition 0.000 description 13
- OQFSQFPPLPISGP-UHFFFAOYSA-N beta-carboxyaspartic acid Natural products OC(=O)C(N)C(C(O)=O)C(O)=O OQFSQFPPLPISGP-UHFFFAOYSA-N 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- LCPYQJIKPJDLLB-UWVGGRQHSA-N Leu-Leu Chemical compound CC(C)C[C@H](N)C(=O)N[C@H](C(O)=O)CC(C)C LCPYQJIKPJDLLB-UWVGGRQHSA-N 0.000 description 4
- 108010091798 leucylleucine Proteins 0.000 description 4
- 238000007876 drug discovery Methods 0.000 description 3
- 150000002614 leucines Chemical class 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- OTXBNHIUIHNGAO-UWVGGRQHSA-N Leu-Lys Chemical compound CC(C)C[C@H](N)C(=O)N[C@H](C(O)=O)CCCCN OTXBNHIUIHNGAO-UWVGGRQHSA-N 0.000 description 2
- 108010034529 leucyl-lysine Proteins 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- FRYULLIZUDQONW-IMJSIDKUSA-N Asp-Asp Chemical compound OC(=O)C[C@H](N)C(=O)N[C@@H](CC(O)=O)C(O)=O FRYULLIZUDQONW-IMJSIDKUSA-N 0.000 description 1
- CIOWSLJGLSUOME-BQBZGAKWSA-N Lys-Asp Chemical compound NCCCC[C@H](N)C(=O)N[C@H](C(O)=O)CC(O)=O CIOWSLJGLSUOME-BQBZGAKWSA-N 0.000 description 1
- NVGBPTNZLWRQSY-UWVGGRQHSA-N Lys-Lys Chemical compound NCCCC[C@H](N)C(=O)N[C@H](C(O)=O)CCCCN NVGBPTNZLWRQSY-UWVGGRQHSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 108010040443 aspartyl-aspartic acid Proteins 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- DVCSNHXRZUVYAM-BQBZGAKWSA-N leu-asp Chemical compound CC(C)C[C@H](N)C(=O)N[C@H](C(O)=O)CC(O)=O DVCSNHXRZUVYAM-BQBZGAKWSA-N 0.000 description 1
- 150000002669 lysines Chemical class 0.000 description 1
- 108010003700 lysyl aspartic acid Proteins 0.000 description 1
- 108010054155 lysyllysine Proteins 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- G16B15/20—Protein or domain folding
-
- 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
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Crystallography & Structural Chemistry (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Chemical & Material Sciences (AREA)
- Biotechnology (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Bioethics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
【課題】分子の構造を高い精度で特徴量に反映させることを目的としている。【解決手段】複数種別に分類される、複数の原子団が環状に配列された環状分子に関し、前記複数の原子団の各々の種別と、前記の複数の原子団の配列とを特定する構造特定情報を受信する処理と、前記複数種別のうちの任意の第１種別と任意の第２種別を特定する処理と、前記複数の原子団のうち、前記第１種別に分類される１又は複数の第１原子団と、前記第２種別に分類される１又は複数の第２原子団と、を前記構造特定情報に基づいて特定する処理と、前記構造特定情報に基づいて、前記第１原子団と前記第２原子団の前記配列における相互の距離が所定距離となる前記第１原子団と前記第２原子団の対の数を算出する処理とをコンピュータに実行させることを特徴とする特徴量算出プログラムである。【選択図】図２
Description
本発明は、特徴量算出プログラム、特徴量算出方法、特徴量算出装置に関する。
近年の創薬の分野では、候補となる分子の探索を行う手法として、機械学習が注目されており、分子の構造に基づき、機械学習で取り扱える特徴量を特定する術が考えられている。
その一例として、例えば、フィンガープリントを特徴量とする方法や、分子の配列を始めと終わりがある構造と捉えて特徴量を表現する方法等が知られている。
Tajimi et al. BMC Bioinformatics 2018, 19(Suppl 19):527)
X. Yang et al. / Computational and Structural Biotechnology Journal 18 (2020) 153-161
Carhart et al., J. Chem. Inf., 1985.
上述した従来の技術では、分子の一部の構造が特定の配列である場合や、分子が環状の構造を含む場合等には、分子の構造を高い精度で特徴量に反映させるには不十分であった。
１つの側面では、本発明は、分子の構造を高い精度で特徴量に反映させることを目的としている。
一つの態様では、複数種別に分類される、複数の原子団が環状に配列された環状分子に関し、前記複数の原子団の各々の種別と、前記の複数の原子団の配列とを特定する構造特定情報を受信する処理と、前記複数種別のうちの任意の第１種別と任意の第２種別を特定する処理と、前記複数の原子団のうち、前記第１種別に分類される１又は複数の第１原子団と、前記第２種別に分類される１又は複数の第２原子団と、を前記構造特定情報に基づいて特定する処理と、前記構造特定情報に基づいて、前記第１原子団と前記第２原子団の前記配列における相互の距離が所定距離となる前記第１原子団と前記第２原子団の対の数を算出する処理とをコンピュータに実行させることを特徴とする特徴量算出プログラムである。
分子の構造の特徴を高精度に特徴量に反映させる。
（第一の実施形態）
以下に、図面を参照して、実施形態について説明する。図１は、特徴量算出装置の一例を示す図である。
以下に、図面を参照して、実施形態について説明する。図１は、特徴量算出装置の一例を示す図である。
本実施形態の特徴量算出装置１００には、特徴量算出プログラムがインストールされており、特徴量算出プログラムを実行することで、特徴量算出部１１０の機能を実現する。特徴量算出部１１０の詳細は後述する。
本実施形態の特徴量算出装置１００は、例えば、情報処理装置２００等と、ネットワーク等を介して接続される。
本実施形態の特徴量算出装置１００は、情報処理装置２００から、分子の構造を特定する構造特定情報が入力されると、特徴量算出部１１０により、構造特定情報を用いて分子の構造を示す特徴量を算出し、情報処理装置２００に出力する。
構造特定情報１０は、複数の原子団が環状に配列された分子の構造を特定する情報である。構造特定情報１０の詳細は後述する。
特徴量算出装置１００は、構造特定情報１０が入力されると、構造特定情報１０に含まれる複数の原子団のそれぞれについて、ｎ個隣に配置されている特定種の原子団の数を示す情報を特徴量として取得し、情報処理装置２００に出力する。
情報処理装置２００は、学習部を有していてもよく、特徴量算出装置１００から出力された特徴量を用いた機械学習を行ってもよい。具体的には、例えば、本実施形態の特徴量３０は、創薬に必要な物質量の予測等に用いられてもよい。
本実施形態では、特徴量をこのように表現することで、分子の特徴量に、分子に特定の原子団が含まれること、複数の原子団が環状に配列していること、を反映させることができる。したがって、本実施形態によれば、高い精度で、分子の構造を特徴量に反映させることができる。
なお、本実施形態において、原子団とは、分子の中の部分構造を示す。具体的には、本実施形態の部分構造（原子団）は、アミノ酸である。また、本実施形態の分子とは、環状ペプチドを示す。言い換えれば、環状ペプチドは、複数のアミノ酸を環状に配列した分子である。
アミノ酸の種類としては、例えば、アスパラギン酸、ロイシン、リシン等がある。以下の説明では、アスパラギン酸を「ａｓｐ」と表現し、ロイシンを「ｌｅｕ」と表現し、リシンを「ｌｙｓ」と表現する場合がある。
なお、図１の例では、構造特定情報１０は、情報処理装置２００から入力されるものとしたが、これに限定されない。構造特定情報１０は、特徴量算出装置１００に直接入力されてもよい。
また、図１の例では、特徴量３０が情報処理装置２００に出力されるものとしたが、これに限定されない。特徴量３０は、情報処理装置２００以外の装置に出力されてもよい。また、特徴量３０の出力先は、例えば、特徴量３０を用いた機械学習を行う学習装置であってもよい。
以下に、図２を参照して、本実施形態の特徴量について説明する。図２は、第一の実施形態の特徴量について説明する図である。図２（Ａ）は、環状ペプチドの一例を示し、図２（Ｂ）は、特徴量３０の一例を示す。
本実施形態では、環状ペプチド２０に含まれる各原子団である各アミノ酸について、あるアミノ酸と、環状ペプチド２０の配列において当該アミノ酸から数えてｎ番目に位置するアミノ酸とのペアを数える。そして、本実施形態では、ｎの値を行とし、ペアに含まれるアミノ酸の種類を示す情報を列とし、ペアの数を成分とした行列を、特徴量とする。
ここで、本明細書においては、ｎの値を、環状ペプチド２０におけるアミノ酸同士の「距離」と呼ぶこととする。この場合、本実施形態の特徴量３０は、環状ペプチド２０におけるアミノ酸毎に、あるアミノ酸と他のアミノ酸との距離を示すｎの値と、あるアミノ酸から距離ｎの位置に配置された他のアミノ酸の数とを含む情報と言える。この情報は、言い換えれば、環状ペプチド２０に含まれるアミノ酸の配列における、各アミノ酸と他のアミノ酸との位置関係を示す情報とも言える。
また、特徴量３０は、あるアミノ酸の種類と、あるアミノ酸からｎ番目に位置する他のアミノ酸の種類とを示す情報を含む。
つまり、本実施形態の特徴量３０は、環状ペプチド２０に含まれるアミノ酸の配列における、各アミノ酸と他のアミノ酸との位置関係を示す情報と、各アミノ酸の種類と他のアミノ酸の種類とを示す情報と言える。
なお、本実施形態の他のアミノ酸は、あるアミノ酸と同じ種類のアミノ酸であってもよいし、異なる種類のアミノ酸であってもよい。
図２（Ａ）に示す環状ペプチド２０は、ロイシン（ｌｅｕ）、アスパラギン酸（ａｓｐ）、リシン（ｌｙｓ）を環状に配列した構造である。
このため、本実施形態では、ロイシンと、ロイシンからｎ番目に位置するロイシンとのペア（ｌｅｕ－ｌｅｕ）の数、ロイシンと、ロイシンからｎ番目に位置するアスパラギン酸とのペア（ｌｅｕ－ａｓｐ）の数、ロイシンと、ロイシンからｎ番目に位置するリシンとのペア（ｌｅｕ－ｌｙｓ）の数と、をそれぞれ数える。
言い換えれば、本実施形態では、ロイシンから距離ｎの位置に配置された他のアミノ酸の数を数える。ここで、他のアミノ酸とは、ロイシン、アスパラギン酸、リシンを含む。
さらに、本実施形態では、アスパラギン酸と、アスパラギン酸からｎ番目に位置するアスパラギン酸とのペア（ａｓｐ－ａｓｐ）の数、リシンと、リシンからｎ番目に位置するリシンとのペア（ｌｙｓ－ｌｙｓ）の数と、リシンと、リシンからｎ番目に位置するアスパラギン酸とのペア（ｌｙｓ－ａｓｐ）の数と、を数える。
言い換えれば、本実施形態では、アスパラギン酸から距離ｎの位置に配置された他のアミノ酸の数と、リシンから距離ｎの位置に配置された他のアミノ酸の数と、を数える。ここで、他のアミノ酸とは、ロイシン、アスパラギン酸、リシンを含む。
具体的には、図２に示す環状ペプチド２０において、ｎ＝１である「ｌｅｕ－ｌｅｕ」のペアは、ペア２１の１つのみである。言い換えれば、環状ペプチド２０において、あるロイシンを基準とし、基準とされたロイシンから１番目の位置に配置されたロイシンの総数は１つである。
また、環状ペプチド２０において、ｎ＝１である「ｌｅｕ－ｌｙｓ」のペアは、ペア２２、２３、２４の３つである。言い換えれば、環状ペプチド２０において、あるロイシンを基準とし、基準とされたロイシンから１番目の位置に配置されたリシンの総数は３つである。
同様に、環状ペプチド２０において、ｎ＝２である「ｌｅｕ－ｌｅｕ」のペアは１つである。言い換えれば、環状ペプチド２０において、あるロイシンを基準とし、基準とされたロイシンから２番目の位置に配置されたロイシンの総数は１つである。
また、環状ペプチド２０において、ｎ＝３である「ｌｅｕ－ｌｅｕ」のペアは１つである。言い換えれば、環状ペプチド２０において、あるロイシンを基準とし、基準とされたロイシンから３番目の位置に配置されたロイシンの総数は１つである。
このように、本実施形態では、環状ペプチド２０に含まれる複数のアミノ酸において、取り得るアミノ酸の種類の組み合わせ（ペア）を特定する。そして、本実施形態では、特定したペアにおけるアミノ酸の種類と、ペアに含まれるアミノ酸同士の距離と、距離毎のペアの数とを対応付けた行列を特徴量３０とする。
このため、本実施形態によれば、環状ペプチドに特化した特徴量を作成することができ、環状ペプチドの構造の特徴を高精度に特徴量に反映させることができる。このため、本実施形態によれば、この特徴量を利用した機械学習による創薬の加速に貢献できる。
以下に、図３を参照して、本実施形態の特徴量算出装置１００のハードウェア構成について説明する。図３は、特徴量算出装置のハードウェア構成の一例を示す図である。
本実施形態の特徴量算出装置１００は、それぞれバスＢ１で相互に接続されている入力装置１１、出力装置１２、ドライブ装置１３、補助記憶装置１４、メモリ装置１５、演算処理装置１６及びインターフェース装置１７を含むコンピュータである。
入力装置１１は、各種の情報の入力を行うための装置であり、例えばキーボードやポインティングデバイス等により実現される。出力装置１２は、各種の情報の出力を行うためものであり、例えばディスプレイ等により実現される。インターフェース装置１７は、ＬＡＮカード等を含み、ネットワークに接続する為に用いられる。
特徴量算出装置１００が有する特徴量算出部１１０を実現する特徴量算出プログラムは、特徴量算出装置１００を制御する各種プログラムの少なくとも一部である。特徴量算出プログラムは、例えば、記録媒体１８の配布やネットワークからのダウンロード等によって提供される。特徴量算出プログラムを記録した記録媒体１８は、ＣＤ－ＲＯＭ、フレキシブルディスク、光磁気ディスク等の様に情報を光学的、電気的或いは磁気的に記録する記録媒体、ＲＯＭ、フラッシュメモリ等の様に情報を電気的に記録する半導体メモリ等、様々なタイプの記録媒体を用いることができる。
記録媒体１８に記録された特徴量算出プログラムは、特徴量算出プログラムを記録した記録媒体１８がドライブ装置１３にセットされると、記録媒体１８からドライブ装置１３を介して補助記憶装置１４にインストールされる。ネットワークからダウンロードされた特徴量算出プログラムは、インターフェース装置１７を介して補助記憶装置１４にインストールされる。
補助記憶装置１４は、特徴量算出装置１００にインストールされた特徴量算出プログラムを格納すると共に、特徴量算出装置１００による各種の必要なファイル、データ等を格納する。メモリ装置１５は、特徴量算出装置１００の起動時に補助記憶装置１４から特徴量算出プログラムを読み出して格納する。そして、演算処理装置１６はメモリ装置１５に格納された特徴量算出プログラムに従って、後述するような各種処理を実現している。
次に、図４を参照して、本実施形態の特徴量算出部１１０の機能について説明する。図４は、第一の実施形態の特徴量算出部の機能を説明する図である。
本実施形態の特徴量算出部１１０は、入力受付部１１１、ペア特定部１１２、ペア数カウント部１１３、特徴量取得部１１４、出力部１１５を有する。
入力受付部１１１は、特徴量算出装置１００に対する各種の入力を受け付ける。具体的には、入力受付部１１１は、特徴量算出装置１００に対して入力された構造特定情報１０を受け付ける。
ペア特定部１１２は、構造特定情報１０を参照して、アミノ酸同士が指定された距離にあるペアを特定する。
ペア数カウント部１１３は、環状ペプチドに含まれる、特定されたペアの数をカウントする。
特徴量取得部１１４は、特定されたペアと、ペアに含まれるアミノ酸同士の距離と、ペア数カウント部１１３によるカウント数とを行列で示した特徴量を取得する。
出力部１１５は、特徴量取得部１１４が取得した特徴量を情報処理装置２００等の外部装置へ出力する。
次に、図５を参照して、本実施形態の構造特定情報１０について説明する。図５は、構造特定情報について説明する図である。図５（Ａ）は、環状ペプチドの一例を示しており、図５（Ｂ）は、環状ペプチドの構造を特定する構造特定情報の一例を示す。
本実施形態の構造特定情報１０は、環状ペプチド２０に含まれるアミノ酸の種類と、あるアミノ酸に対して隣接するアミノ酸の種類とを含む情報である。
具体的には、環状ペプチド２０には、図５（Ａ）に示すように、アスパラギン酸、ロイシン、リシンの３種類のアミノ酸が含まれる。また、環状ペプチド２０は、６つのアミノ酸が含まれる。
構造特定情報１０は、環状ペプチド２０に含まれるアミノ酸の配列を示す行例であり、各列各行の成分は、各列各行が示すアミノ酸同士が隣接しているか否かを示す。
本実施形態では、構造特定情報１０において、各列各行の成分が「０」である場合、各列各行が示すアミノ酸同士は隣接していない（距離ｎ＝２以上）ことを示し、各列各行の成分が「１」である場合、各列各行が示すアミノ酸同士は隣接している（距離ｎ＝１）ことを示す。
具体的には、例えば、図５（Ｂ）の構造特定情報１０において、１列２行目の成分と、１列６行目の成分とは、「１」であり、環状ペプチド２０において、アスパラギン酸は、ロイシンとリシンとに隣接していることがわかる。また、構造特定情報１０において、２列２行目の成分と２列３行目の成分が「１」であり、環状ペプチド２０において、アスパラギン酸の隣に配置されたロイシンは、リシンとも隣接することがわかる。
本実施形態の構造特定情報１０は、例えば、情報処理装置２００の利用者等によって予め作成されて、特徴量算出装置１００に入力されてよい。
次に、図６を参照して、本実施形態の特徴量算出装置１００の処理について説明する。図６は、第一の実施形態の特徴量算出装置の処理を説明するフローチャートである。
本実施形態の特徴量算出装置１００の特徴量算出部１１０は、入力受付部１１１により、構造特定情報１０の入力を受け付ける（ステップＳ６０１）。続いて、特徴量算出装置１００は、ペア特定部１１２により、構造特定情報１０からアミノ酸の配列の順番を読み込む（ステップＳ６０２）。
続いて、ペア特定部１１２は、構造特定情報１０が示すアミノ酸の配列から、ペアに含まれるアミノ酸の１つとなる、ある種類のアミノ酸（第１原子団）を特定する（ステップＳ６０３）。
以下の説明では、ステップＳ６０３で特定されるアミノ酸の種類を「Ａ」とし、ステップＳ６０３で特定された種類のアミノ酸を、アミノ酸Ａと表現する場合がある。
続いて、ペア特定部１１２は、アミノ酸Ａと、アミノ酸Ａとペアとなるアミノ酸との距離を示すｎの値を「１」とする（ステップＳ６０４）。
続いて、ペア特定部１１２は、構造特定情報１０が示すアミノ酸の配列から、アミノ酸Ａからｎ個隣に配置されたアミノ酸（第２原子団）を特定する（ステップＳ６０５）。
以下の説明では、ステップＳ６０５で特定されるアミノ酸の種類を「Ｂ」とし、ステップＳ６０５で特定された種類のアミノ酸をアミノ酸Ｂと表現する場合がある。
言い換えれば、ペア特定部１１２は、構造特定情報１０が示すアミノ酸の配列において、「Ａ」という種類のアミノ酸を基準とし、「Ａ」という種類のアミノ酸からの距離ｎに配置された、「Ｂ」という種類のアミノ酸を特定する。
続いて、特徴量算出部１１０は、ペア数カウント部１１３により、アミノ酸Ａのｎ個隣のアミノ酸Ｂの個数を数える（ステップＳ６０６）。
言い換えれば、ペア数カウント部１１３は、アミノ酸Ａと、アミノ酸Ａからｎ番目に位置するアミノ酸Ｂとを含むペア（対）の数を数える。
続いて、特徴量算出部１１０は、構造特定情報１０が示すアミノ酸の配列において、ｎの値が最大の値となるまで、ステップＳ６０３からステップＳ６０６の処理を行ったか否かを判定する（ステップＳ６０７）。ｎの最大値とは、構造特定情報１０が示す環状ペプチドに含まれるアミノ酸の数であってよい。
ステップＳ６０７において、ｎの値が最大となっていない場合、特徴量算出部１１０は、ｎ＝ｎ＋１とし（ステップＳ６０８）、ステップＳ６０５に戻る。
ステップＳ６０７において、ｎの値が最大となった場合、特徴量算出部１１０は、構造特定情報１０に含まれる全ての種類のアミノ酸について、ステップＳ６０４からステップＳ６０８までの処理を行ったか否かを判定する（ステップＳ６０９）。
ステップＳ６０９において、全ての種類のアミノ酸について処理を行っていない場合、特徴量算出部１１０は、ステップＳ６０３で特定された種類とは異なる種類を種類「Ａ」とし（ステップＳ６１０）、ステップＳ６０４に戻る。
ステップＳ６０９において、全ての種類のアミノ酸について処理を行った場合、特徴量算出部１１０は、特徴量取得部１１４により、ペア数カウント部１１３が取得した数を行列で表現した特徴量３０を取得する（ステップＳ６１１）。
続いて、特徴量算出部１１０は、出力部１１５により、取得した特徴量３０を情報処理装置２００等の外部装置へ出力し（ステップＳ６１２）、処理を終了する。
このように、本実施形態の特徴量算出装置１００は、複数種別に分類される、複数の原子団が環状に配列された環状分子である環状ペプチドに関し、複数の原子団（アミノ酸）の各々の種別と複数の原子団の配列とを特定する構造特定情報を受信する処理を実行する。また、特徴量算出装置１００は、構造特定情報を受信すると、複数種別のうちの任意の第１種別（アミノ酸Ａ）と任意の第２種別（アミノ酸Ｂ）を特定する処理と、複数の原子団のうち、第１種別に分類される１又は複数の第１原子団と、第２種別に分類される１又は複数の第２原子団と、を構造特定情報に基づいて特定する処理と、を実行する。さらに、特徴量算出装置１００は、構造特定情報に基づいて、第１原子団と第２原子団の配列における相互の距離ｎが所定距離となる第１原子団と第２原子団の対の数を算出する処理を実行する。
本実施形態を適用して取得した特徴量に基づいて複数の環状ペプチドの相互類似度を算出したり、特徴量を機械学習等の処理に適用することができる。図７Ａは、特徴量を用いた処理について説明する第一の図である。図７Ｂは、特徴量を用いた処理について説明する第二の図である。図７Ｃは、特徴量を用いた処理について説明する第三の図である。
図７Ａ、図７Ｂ、図７Ｃのそれぞれは、環状ペプチド７１、環状ペプチド７２、環状ペプチド７３について、本実施形態を適用して特徴量を取得した場合を示している。
図７Ａに示す特徴量３１は、２つのアミノ酸Ａと、１つのアミノ酸Ｂを含む環状ペプチド７１について、本実施形態を適用して取得した特徴量である。また、図７Ｂに示す特徴量３２は、３つのアミノ酸Ａと、１つのアミノ酸Ｂとを含む環状ペプチド７２について、本実施形態を適用して取得した特徴量である。また、図７Ｃに示す特徴量３３は、２つのアミノ酸Ａと、３つのアミノ酸Ｂを含む環状ペプチド７３について、本実施形態を適用して取得した特徴量である。
本実施形態では、特徴量算出装置１００が算出した特徴量３１、３２、３３に基づき、情報処理装置２００が環状ペプチド７１、７２、７３の類似度を算出した。具体的には、本実施形態では、コサイン類似度計算式を用いて環状ペプチド７１、７２、７３の類似度を算出した。コサイン類似度計算式とは、行列を１行のベクトルとみなし、ベクトル間のなす角度から類似度を算出する方法である。
図７の例では、環状ペプチド７１と環状ペプチド７２との類似度は０．７７であり、環状ペプチド７１と環状ペプチド７３との類似度は０．５１であり、環状ペプチド７２と環状ペプチド７３との類似度は０．５０となった。
このように、本実施形態を適用した特徴量を用いることで、環状ペプチドのサイズ等に関わらず、環状ペプチド同士の類似性を比較、検討することができる。また、情報処理装置２００が、既知の環状ペプチドの属性値を含む教師データに基づいて機械学習を行い、特徴量算出装置１００が算出した特徴量３１、３２、３３に基づいて、環状ペプチド７１、７２、７３の属性値を推定してもよい。また、情報処理装置２００が、特徴量３１、３２、３３と環状ペプチド７１、７２、７３の属性値に関する情報に基づいて機械学習を行ってもよい。尚、情報処理装置２００は、それぞれバスで相互に接続されている入力装置、出力装置、ドライブ装置、補助記憶装置、メモリ装置、演算処理装置及びインターフェース装置を含むコンピュータである。
（第二の実施形態）
以下に、図面を参照して、第二の実施形態について説明する。第二の実施形態では、アミノ酸同士の距離ｎを、環状分子における環の第１方向の距離とするか、又は、第１方向とは逆の第２方向の距離とするか、指定する点が、第一の実施形態と相違する。以下の第二の実施形態の説明では、第一の実施形態との相違点について説明し、第一の実施形態と同様の機能構成を有するものには、第一の実施形態の説明で用いた符号と同様の符号を付与し、その説明を省略する。
以下に、図面を参照して、第二の実施形態について説明する。第二の実施形態では、アミノ酸同士の距離ｎを、環状分子における環の第１方向の距離とするか、又は、第１方向とは逆の第２方向の距離とするか、指定する点が、第一の実施形態と相違する。以下の第二の実施形態の説明では、第一の実施形態との相違点について説明し、第一の実施形態と同様の機能構成を有するものには、第一の実施形態の説明で用いた符号と同様の符号を付与し、その説明を省略する。
図８は、第二の実施形態の特徴量について説明する図である。図８（Ａ）、（Ｂ）では、アミノ酸の配列において、種類「Ａ」のアミノ酸、種類「Ｂ」のアミノ酸、種類「Ｃ」のアミノ酸が、アミド結合（－ＮＨＣＯ－）によって結合された状態を示している。
この場合、アミノ酸同士は、アミド結合によって結合されるため、アミノ酸Ａ、アミノ酸Ｂ、アミノ酸Ｃが図面上の右回り方向でこの順番に配列されている場合と、アミノ酸Ａ、アミノ酸Ｂ、アミノ酸Ｃが図面上の左回り方向でこの順番に配列されている場合とで、構造が異なる。
図８（Ａ）では、右回り方向（矢印Ｙ１方向）にアミノ酸Ａ、アミノ酸Ｂ、アミノ酸Ｃの順で配列した場合の例を示す。この場合、アミノ酸ＡのＮ末端がアミノ酸ＢのＣ末端と結合され、アミノ酸ＢのＮ末端とアミノ酸ＣのＣ末端とが結合される。
図８（Ｂ）は、左回り方向（矢印Ｙ２方向）にアミノ酸Ａ、アミノ酸Ｂ、アミノ酸Ｃの順で配列した場合を示す。この場合、アミノ酸ＡのＣ末端がアミノ酸ＢのＮ末端と結合され、アミノ酸ＢのＣ末端とアミノ酸ＣのＮ末端とが結合される。
したがって、図８（Ａ）における、距離ｎ＝１のアミノ酸Ａとアミノ酸Ｂのペアと、図８（Ｂ）における、距離ｎ＝１のアミノ酸Ａとアミノ酸Ｂのペアとでは、構造が異なる。
本実施形態では、この点に着目し、アミノ酸同士のペアを決定する際に、アミノ酸同士
距離が、右回り方向に向かう距離であるか、又は、左回り方向に向かう距離であるかを指定する。具体的には、本実施形態では、構造特定情報１０と共に、アミノ酸同士の距離が右回り方向の距離であるか、又は、左回り方向の距離であるかを指定する方向指定情報の入力を受け付ける。
距離が、右回り方向に向かう距離であるか、又は、左回り方向に向かう距離であるかを指定する。具体的には、本実施形態では、構造特定情報１０と共に、アミノ酸同士の距離が右回り方向の距離であるか、又は、左回り方向の距離であるかを指定する方向指定情報の入力を受け付ける。
そして、本実施形態では、構造特定情報１０と方向指定情報とに基づき、環状ペプチドの特徴量を算出する。
また、本実施形態では、方向指定情報により、アミノ酸同士の距離の向きが特定されるため、ペアに含まれるアミノ酸同士が同じであっても、異なるペアとしてカウントされる。
図８（Ｃ）に示す環状ペプチド８０では、アミノ酸Ａ、アミノ酸Ｂ、アミノ酸Ｃと、他の２つのアミノ酸を含む。
この場合に、アミノ酸同士の距離を右回り方向の距離とした場合、アミノ酸Ａとアミノ酸Ｃのペアは、アミノ酸Ａから右回り方向に２個隣のアミノ酸Ｃのペアと、アミノ酸Ｃから右回り方向に３個隣のアミノ酸Ｃのペアとなる。
言い換えれば、環状ペプチド８０において、右回り方向に向かう距離をアミノ酸同士の距離とした場合に、アミノ酸Ａとアミノ酸Ｃを含むペアは、距離ｎ＝２のアミノ酸Ａ－アミノ酸Ｃのペアと、距離ｎ＝３のアミノ酸Ｃ－アミノ酸Ａのペアとなる。
このように、本実施形態では、ペアに含まれるアミノ酸の種類が同一であっても、距離を特定する際の方向が指定されているため、これらのペアが別々にカウントされる。このため、本実施形態では、アミノ酸の配列をより正確に表現することができる。
以下に、図９を参照して、本実施形態の特徴量算出部１１０Ａの機能構成について説明する。図９は、第二の実施形態の特徴量算出部の機能を説明する図である。
本実施形態の特徴量算出部１１０Ａは、入力受付部１１１、ペア特定部１１２Ａ、ペア数カウント部１１３、特徴量取得部１１４、出力部１１５、方向特定部１１６を含む。
ペア特定部１１２Ａは、あるアミノ酸から、方向特定部１１６により特定された方向に向かって距離ｎの位置にある他のアミノ酸を、あるアミノ酸とペアとなるアミノ酸に特定する。
方向特定部１１６は、情報処理装置２００等から入力される方向指定情報に基づき、環状ペプチドにおけるアミノ酸同士の距離を数える際の方向を特定する。
以下に、図１０を参照して、本実施形態の特徴量算出部１１０Ａの処理について説明する。図１０は、第二の実施形態の特徴量算出装置の処理を説明するフローチャートである。
本実施形態の特徴量算出部１１０Ａは、入力受付部１１１により、構造特定情報１０の入力を受け付ける（ステップＳ１００１）。続いて、特徴量算出部１１０Ａは、入力受付部１１１により、方向指定情報の入力を受け付ける（ステップＳ１００２）。
図１０のステップＳ１００３からステップＳ１００５までの処理は、図６のステップＳ６０２からステップＳ６０４までの処理と同様であるから、説明を省略する。
特徴量算出部１１０Ａは、ステップＳ１００５に続いて、ペア特定部１１２Ａにより、ステップＳ１００２で入力された方向指定情報を参照し、種類「Ａ」のアミノ酸から指定された方向へ向かって距離ｎの位置に配置されたアミノ酸を特定し（ステップＳ１００６）、ステップＳ１００７へ進む。
図１０のステップＳ１００７からステップＳ１０１３までの処理は、図６のステップＳ６０６からステップＳ６１２までの処理と同様であるから、説明を省略する。
このように、本実施形態では、あるアミノ酸から距離ｎの位置に配置された他のアミノ酸を特定する際に、指定された方向へ向かって距離ｎの他のアミノ酸を特定する。このため、本実施形態によれば、アミノ酸の配列により形成された環状ペプチドの構造を、高い精度で特徴量に反映させることができる。
開示の技術では、以下に記載する付記のような形態が考えられる。
（付記１）
複数種別に分類される、複数の原子団が環状に配列された環状分子に関し、前記複数の原子団の各々の種別と、前記の複数の原子団の配列とを特定する構造特定情報を受信する処理と、
前記複数種別のうちの任意の第１種別と任意の第２種別を特定する処理と、
前記複数の原子団のうち、前記第１種別に分類される１又は複数の第１原子団と、前記第２種別に分類される１又は複数の第２原子団と、を前記構造特定情報に基づいて特定する処理と、
前記構造特定情報に基づいて、前記第１原子団と前記第２原子団の前記配列における相互の距離が所定距離となる前記第１原子団と前記第２原子団の対の数を算出する処理と
をコンピュータに実行させることを特徴とする特徴量算出プログラム。
（付記２）
前記環状分子の環に沿った第１方向と、前記第１方向とは逆向きに前記環に沿った第２方向の何れかを指定する方向指定情報を受信する処理と、
前記方向指定情報によって指定される方向に沿って前記距離を算出する処理と、
を更にコンピュータに実行させる付記１記載の特徴量算出プログラム。
（付記３）
前記複数の原子団の各々は、アミノ酸であり、前記環状分子は、環状ペプチドである、付記１又は２記載の特徴量算出プログラム。
（付記４）
コンピュータによる特徴量算出方法であって、前記コンピュータが、
複数種別に分類される、複数の原子団が環状に配列された環状分子に関し、前記複数の原子団の各々の種別と、前記の複数の原子団の配列とを特定する構造特定情報を受信する処理と、
前記複数種別のうちの任意の第１種別と任意の第２種別を特定する処理と、
前記複数の原子団のうち、前記第１種別に分類される１又は複数の第１原子団と、前記第２種別に分類される１又は複数の第２原子団と、を前記構造特定情報に基づいて特定する処理と、
前記構造特定情報に基づいて、前記第１原子団と前記第２原子団の前記配列における相互の距離が所定距離となる前記第１原子団と前記第２原子団の対の数を算出する処理と
を実行する特徴量算出方法。
（付記５）
複数種別に分類される、複数の原子団が環状に配列された環状分子に関し、前記複数の原子団の各々の種別と、前記の複数の原子団の配列とを特定する構造特定情報を受信する受信部と、
前記複数種別のうちの任意の第１種別と任意の第２種別を特定する第１処理部と、
前記複数の原子団のうち、前記第１種別に分類される１又は複数の第１原子団と、前記第２種別に分類される１又は複数の第２原子団と、を前記構造特定情報に基づいて特定する第２処理部と、
前記構造特定情報に基づいて、前記第１原子団と前記第２原子団の前記配列における相互の距離が所定距離となる前記第１原子団と前記第２原子団の対の数を算出する第３処理部と、
を有する特徴量算出装置。
本発明は、具体的に開示された実施形態に限定されるものではなく、特許請求の範囲から脱することなく、種々の変形や変更が可能である。
（付記１）
複数種別に分類される、複数の原子団が環状に配列された環状分子に関し、前記複数の原子団の各々の種別と、前記の複数の原子団の配列とを特定する構造特定情報を受信する処理と、
前記複数種別のうちの任意の第１種別と任意の第２種別を特定する処理と、
前記複数の原子団のうち、前記第１種別に分類される１又は複数の第１原子団と、前記第２種別に分類される１又は複数の第２原子団と、を前記構造特定情報に基づいて特定する処理と、
前記構造特定情報に基づいて、前記第１原子団と前記第２原子団の前記配列における相互の距離が所定距離となる前記第１原子団と前記第２原子団の対の数を算出する処理と
をコンピュータに実行させることを特徴とする特徴量算出プログラム。
（付記２）
前記環状分子の環に沿った第１方向と、前記第１方向とは逆向きに前記環に沿った第２方向の何れかを指定する方向指定情報を受信する処理と、
前記方向指定情報によって指定される方向に沿って前記距離を算出する処理と、
を更にコンピュータに実行させる付記１記載の特徴量算出プログラム。
（付記３）
前記複数の原子団の各々は、アミノ酸であり、前記環状分子は、環状ペプチドである、付記１又は２記載の特徴量算出プログラム。
（付記４）
コンピュータによる特徴量算出方法であって、前記コンピュータが、
複数種別に分類される、複数の原子団が環状に配列された環状分子に関し、前記複数の原子団の各々の種別と、前記の複数の原子団の配列とを特定する構造特定情報を受信する処理と、
前記複数種別のうちの任意の第１種別と任意の第２種別を特定する処理と、
前記複数の原子団のうち、前記第１種別に分類される１又は複数の第１原子団と、前記第２種別に分類される１又は複数の第２原子団と、を前記構造特定情報に基づいて特定する処理と、
前記構造特定情報に基づいて、前記第１原子団と前記第２原子団の前記配列における相互の距離が所定距離となる前記第１原子団と前記第２原子団の対の数を算出する処理と
を実行する特徴量算出方法。
（付記５）
複数種別に分類される、複数の原子団が環状に配列された環状分子に関し、前記複数の原子団の各々の種別と、前記の複数の原子団の配列とを特定する構造特定情報を受信する受信部と、
前記複数種別のうちの任意の第１種別と任意の第２種別を特定する第１処理部と、
前記複数の原子団のうち、前記第１種別に分類される１又は複数の第１原子団と、前記第２種別に分類される１又は複数の第２原子団と、を前記構造特定情報に基づいて特定する第２処理部と、
前記構造特定情報に基づいて、前記第１原子団と前記第２原子団の前記配列における相互の距離が所定距離となる前記第１原子団と前記第２原子団の対の数を算出する第３処理部と、
を有する特徴量算出装置。
本発明は、具体的に開示された実施形態に限定されるものではなく、特許請求の範囲から脱することなく、種々の変形や変更が可能である。
１０ 構造特定情報
２０ 環状ペプチド
１００ 特徴量算出装置
１１０、１１０Ａ 特徴量算出部
１１１ 入力受付部
１１２、１１２Ａ ペア特定部
１１３ ペア数カウント部
１１４ 特徴量取得部
１１５ 出力部
１１６ 方向特定部
２００ 情報処理装置
２０ 環状ペプチド
１００ 特徴量算出装置
１１０、１１０Ａ 特徴量算出部
１１１ 入力受付部
１１２、１１２Ａ ペア特定部
１１３ ペア数カウント部
１１４ 特徴量取得部
１１５ 出力部
１１６ 方向特定部
２００ 情報処理装置
Claims (5)
- 複数種別に分類される、複数の原子団が環状に配列された環状分子に関し、前記複数の原子団の各々の種別と、前記の複数の原子団の配列とを特定する構造特定情報を受信する処理と、
前記複数種別のうちの任意の第１種別と任意の第２種別を特定する処理と、
前記複数の原子団のうち、前記第１種別に分類される１又は複数の第１原子団と、前記第２種別に分類される１又は複数の第２原子団と、を前記構造特定情報に基づいて特定する処理と、
前記構造特定情報に基づいて、前記第１原子団と前記第２原子団の前記配列における相互の距離が所定距離となる前記第１原子団と前記第２原子団の対の数を算出する処理と
をコンピュータに実行させることを特徴とする特徴量算出プログラム。 - 前記環状分子の環に沿った第１方向と、前記第１方向とは逆向きに前記環に沿った第２方向の何れかを指定する方向指定情報を受信する処理と、
前記方向指定情報によって指定される方向に沿って前記距離を算出する処理と、
を更にコンピュータに実行させる請求項１記載の特徴量算出プログラム。 - 前記複数の原子団の各々は、アミノ酸であり、前記環状分子は、環状ペプチドである、請求項１又は２記載の特徴量算出プログラム。
- コンピュータによる特徴量算出方法であって、前記コンピュータが、
複数種別に分類される、複数の原子団が環状に配列された環状分子に関し、前記複数の原子団の各々の種別と、前記の複数の原子団の配列とを特定する構造特定情報を受信する処理と、
前記複数種別のうちの任意の第１種別と任意の第２種別を特定する処理と、
前記複数の原子団のうち、前記第１種別に分類される１又は複数の第１原子団と、前記第２種別に分類される１又は複数の第２原子団と、を前記構造特定情報に基づいて特定する処理と、
前記構造特定情報に基づいて、前記第１原子団と前記第２原子団の前記配列における相互の距離が所定距離となる前記第１原子団と前記第２原子団の対の数を算出する処理と
を実行する特徴量算出方法。 - 複数種別に分類される、複数の原子団が環状に配列された環状分子に関し、前記複数の原子団の各々の種別と、前記の複数の原子団の配列とを特定する構造特定情報を受信する受信部と、
前記複数種別のうちの任意の第1種別と任意の第2種別を特定する第１処理部と、
前記複数の原子団のうち、前記第１種別に分類される１又は複数の第１原子団と、前記第２種別に分類される１又は複数の第2原子団と、を前記構造特定情報に基づいて特定する第２処理部と、
前記構造特定情報に基づいて、前記第１原子団と前記第２原子団の前記配列における相互の距離が所定距離となる前記第１原子団と前記第２原子団の対の数を算出する第３処理部と、
を有する特徴量算出装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022010118A JP2023108850A (ja) | 2022-01-26 | 2022-01-26 | 特徴量算出プログラム、特徴量算出方法、特徴量算出装置 |
| EP22198688.8A EP4220644A1 (en) | 2022-01-26 | 2022-09-29 | Feature amount calculation program, feature amount calculation method, and feature amount calculation device |
| US17/937,571 US20230238076A1 (en) | 2022-01-26 | 2022-10-03 | Computer-readable recording medium storing feature amount calculation program, feature amount calculation method, and feature amount calculation device |
| CN202211260719.XA CN116504332A (zh) | 2022-01-26 | 2022-10-14 | 计算机可读记录介质、特征量计算方法和特征量计算装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022010118A JP2023108850A (ja) | 2022-01-26 | 2022-01-26 | 特徴量算出プログラム、特徴量算出方法、特徴量算出装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023108850A true JP2023108850A (ja) | 2023-08-07 |
Family
ID=83508783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022010118A Pending JP2023108850A (ja) | 2022-01-26 | 2022-01-26 | 特徴量算出プログラム、特徴量算出方法、特徴量算出装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230238076A1 (ja) |
| EP (1) | EP4220644A1 (ja) |
| JP (1) | JP2023108850A (ja) |
| CN (1) | CN116504332A (ja) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012509848A (ja) | 2008-11-24 | 2012-04-26 | シドニー ウェスト エリア ヘルス サービス | 環状ペプチドおよびその使用 |
| EP3596106B1 (en) | 2017-04-26 | 2021-08-11 | Hunan Zonsen Peplib Biotech Co., Ltd | Peptide library constructing method |
| CN108062551A (zh) * | 2017-06-28 | 2018-05-22 | 浙江大学 | 一种基于邻接矩阵的图特征提取系统、图分类系统和方法 |
| EP3821433B1 (en) * | 2018-09-21 | 2024-06-05 | DeepMind Technologies Limited | Iterative protein structure prediction using gradients of quality scores |
| JPWO2021106706A1 (ja) * | 2019-11-28 | 2021-06-03 |
-
2022
- 2022-01-26 JP JP2022010118A patent/JP2023108850A/ja active Pending
- 2022-09-29 EP EP22198688.8A patent/EP4220644A1/en active Pending
- 2022-10-03 US US17/937,571 patent/US20230238076A1/en active Pending
- 2022-10-14 CN CN202211260719.XA patent/CN116504332A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP4220644A1 (en) | 2023-08-02 |
| CN116504332A (zh) | 2023-07-28 |
| US20230238076A1 (en) | 2023-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Daily | Parasail: SIMD C library for global, semi-global, and local pairwise sequence alignments | |
| Goldberg et al. | LocTree2 predicts localization for all domains of life | |
| Blom et al. | Exact and complete short-read alignment to microbial genomes using Graphics Processing Unit programming | |
| Li et al. | Evaluating the effect of database inflation in proteogenomic search on sensitive and reliable peptide identification | |
| US20200209236A1 (en) | Methods for identifying candidate biomarkers | |
| Ashkenazy et al. | Multiple sequence alignment averaging improves phylogeny reconstruction | |
| CN109872781A (zh) | 基于Xgboost的药物靶点识别方法 | |
| Sulimov et al. | Development of docking programs for Lomonosov supercomputer | |
| JP2023108850A (ja) | 特徴量算出プログラム、特徴量算出方法、特徴量算出装置 | |
| Ravindra et al. | Rigid graph alignment | |
| Santa Maria Jr et al. | Perspective on the challenges and opportunities of accelerating drug discovery with artificial intelligence | |
| US7945396B2 (en) | Molecular force field assignment method, molecular force field assignment apparatus and molecular force field assignment program | |
| Zeni et al. | On the genome sequence alignment fpga acceleration via ksw2z | |
| Chionh et al. | Augmenting SSEs with structural properties for rapid protein structure comparison | |
| Li et al. | CycPeptMP: Enhancing Membrane Permeability Prediction of Cyclic Peptides with Multi-Level Molecular Features and Data Augmentation | |
| モハマド,レザファイサル | Effect of Features Generated from Adjacent and Overlapped Segments in Protein Sequence Classification | |
| CN109273048B (zh) | 一种蛋白质表面残基的快速确定方法 | |
| Li et al. | On de novo Bridging Paired-end RNA-seq Data | |
| Lladós et al. | PPCAS: Implementation of a probabilistic pairwise model for consistency-based multiple alignment in apache spark | |
| WO2024048460A1 (ja) | 分子間相互作用解析装置、分子間相互作用解析方法及びプログラム | |
| Mohd-Hilmi et al. | Accelerating group fusion for ligand-based virtual screening on multi-core and many-core platforms | |
| WO2024130589A1 (en) | Fragment-based quantum mechanical calculation of protein properties | |
| Pfab et al. | DeepTracer: Automated protein complex structure prediction from CoV-related Cryo-EM density maps | |
| Zhang et al. | π-PrimeNovo: An Accurate and Efficient Non-Autoregressive Deep Learning Model for De Novo Peptide Sequencing | |
| Li | Computational Methods for Predicting Protein-protein Interactions and Binding Sites |