JP6891372B2 - 酵素−電極間電子伝達増強作用の有無の予測方法 - Google Patents
酵素−電極間電子伝達増強作用の有無の予測方法 Download PDFInfo
- Publication number
- JP6891372B2 JP6891372B2 JP2019121978A JP2019121978A JP6891372B2 JP 6891372 B2 JP6891372 B2 JP 6891372B2 JP 2019121978 A JP2019121978 A JP 2019121978A JP 2019121978 A JP2019121978 A JP 2019121978A JP 6891372 B2 JP6891372 B2 JP 6891372B2
- Authority
- JP
- Japan
- Prior art keywords
- action
- compound
- smr
- descriptor
- peoe
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 56
- 230000027756 respiratory electron transport chain Effects 0.000 title claims description 18
- 230000002708 enhancing effect Effects 0.000 title description 5
- 150000001875 compounds Chemical class 0.000 claims description 111
- 230000009471 action Effects 0.000 claims description 96
- 125000005002 aryl methyl group Chemical group 0.000 claims description 28
- 125000003118 aryl group Chemical group 0.000 claims description 23
- 229910021392 nanocarbon Inorganic materials 0.000 claims description 19
- 150000002148 esters Chemical class 0.000 claims description 15
- 102000004190 Enzymes Human genes 0.000 claims description 14
- 108090000790 Enzymes Proteins 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 12
- 239000003623 enhancer Substances 0.000 claims description 10
- 229920001940 conductive polymer Polymers 0.000 claims 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 26
- 229910052799 carbon Inorganic materials 0.000 description 19
- 125000003275 alpha amino acid group Chemical group 0.000 description 14
- 229940088598 enzyme Drugs 0.000 description 12
- 125000004429 atom Chemical group 0.000 description 11
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 10
- 239000002041 carbon nanotube Substances 0.000 description 10
- 229910021393 carbon nanotube Inorganic materials 0.000 description 10
- 238000001035 drying Methods 0.000 description 10
- 239000008103 glucose Substances 0.000 description 10
- 239000000758 substrate Substances 0.000 description 10
- 241000235395 Mucor Species 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 239000002109 single walled nanotube Substances 0.000 description 8
- 125000001743 benzylic group Chemical group 0.000 description 7
- 238000002484 cyclic voltammetry Methods 0.000 description 7
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 6
- 229920002799 BoPET Polymers 0.000 description 6
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 6
- 239000012064 sodium phosphate buffer Substances 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- FWMNVWWHGCHHJJ-SKKKGAJSSA-N 4-amino-1-[(2r)-6-amino-2-[[(2r)-2-[[(2r)-2-[[(2r)-2-amino-3-phenylpropanoyl]amino]-3-phenylpropanoyl]amino]-4-methylpentanoyl]amino]hexanoyl]piperidine-4-carboxylic acid Chemical compound C([C@H](C(=O)N[C@H](CC(C)C)C(=O)N[C@H](CCCCN)C(=O)N1CCC(N)(CC1)C(O)=O)NC(=O)[C@H](N)CC=1C=CC=CC=1)C1=CC=CC=C1 FWMNVWWHGCHHJJ-SKKKGAJSSA-N 0.000 description 5
- 108010050375 Glucose 1-Dehydrogenase Proteins 0.000 description 5
- 239000010408 film Substances 0.000 description 5
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 5
- 229910052737 gold Inorganic materials 0.000 description 5
- 239000010931 gold Substances 0.000 description 5
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 5
- 229920000139 polyethylene terephthalate Polymers 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 241000228212 Aspergillus Species 0.000 description 4
- 241000907556 Mucor hiemalis Species 0.000 description 4
- 229910021607 Silver chloride Inorganic materials 0.000 description 4
- 239000007853 buffer solution Substances 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- 125000000816 ethylene group Chemical group [H]C([H])([*:1])C([H])([H])[*:2] 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 125000001997 phenyl group Chemical group [H]C1=C([H])C([H])=C(*)C([H])=C1[H] 0.000 description 4
- 229910052709 silver Inorganic materials 0.000 description 4
- 239000004332 silver Substances 0.000 description 4
- HKZLPVFGJNLROG-UHFFFAOYSA-M silver monochloride Chemical compound [Cl-].[Ag+] HKZLPVFGJNLROG-UHFFFAOYSA-M 0.000 description 4
- NRHMKIHPTBHXPF-TUJRSCDTSA-M sodium cholate Chemical compound [Na+].C([C@H]1C[C@H]2O)[C@H](O)CC[C@]1(C)[C@@H]1[C@@H]2[C@@H]2CC[C@H]([C@@H](CCC([O-])=O)C)[C@@]2(C)[C@@H](O)C1 NRHMKIHPTBHXPF-TUJRSCDTSA-M 0.000 description 4
- 229910021642 ultra pure water Inorganic materials 0.000 description 4
- 239000012498 ultrapure water Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 240000006439 Aspergillus oryzae Species 0.000 description 3
- 235000002247 Aspergillus oryzae Nutrition 0.000 description 3
- 108090000854 Oxidoreductases Proteins 0.000 description 3
- 102000004316 Oxidoreductases Human genes 0.000 description 3
- 239000000853 adhesive Substances 0.000 description 3
- 230000001070 adhesive effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- VWWQXMAJTJZDQX-UYBVJOGSSA-N flavin adenine dinucleotide Chemical compound C1=NC2=C(N)N=CN=C2N1[C@@H]([C@H](O)[C@@H]1O)O[C@@H]1CO[P@](O)(=O)O[P@@](O)(=O)OC[C@@H](O)[C@@H](O)[C@@H](O)CN1C2=NC(=O)NC(=O)C2=NC2=C1C=C(C)C(C)=C2 VWWQXMAJTJZDQX-UYBVJOGSSA-N 0.000 description 3
- 235000019162 flavin adenine dinucleotide Nutrition 0.000 description 3
- 239000011714 flavin adenine dinucleotide Substances 0.000 description 3
- 229940093632 flavin-adenine dinucleotide Drugs 0.000 description 3
- 125000000524 functional group Chemical group 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 description 3
- 150000002894 organic compounds Chemical class 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 125000001424 substituent group Chemical group 0.000 description 3
- 239000010409 thin film Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 description 2
- AUNGANRZJHBGPY-SCRDCRAPSA-N Riboflavin Chemical compound OC[C@@H](O)[C@@H](O)[C@@H](O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-SCRDCRAPSA-N 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 125000003277 amino group Chemical group 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000005515 coenzyme Substances 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 125000004185 ester group Chemical group 0.000 description 2
- 125000001495 ethyl group Chemical group [H]C([H])([H])C([H])([H])* 0.000 description 2
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 2
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 125000004433 nitrogen atom Chemical group N* 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- YPUDISCJWPUYAX-VRPWFDPXSA-N (3S,4S,5R)-2-amino-2,5-bis(hydroxymethyl)oxolane-3,4-diol Chemical compound OCC1(N)O[C@H](CO)[C@@H](O)[C@@H]1O YPUDISCJWPUYAX-VRPWFDPXSA-N 0.000 description 1
- JYEUMXHLPRZUAT-UHFFFAOYSA-N 1,2,3-triazine Chemical group C1=CN=NN=C1 JYEUMXHLPRZUAT-UHFFFAOYSA-N 0.000 description 1
- IANQTJSKSUMEQM-UHFFFAOYSA-N 1-benzofuran Chemical group C1=CC=C2OC=CC2=C1 IANQTJSKSUMEQM-UHFFFAOYSA-N 0.000 description 1
- HYZJCKYKOHLVJF-UHFFFAOYSA-N 1H-benzimidazole Chemical group C1=CC=C2NC=NC2=C1 HYZJCKYKOHLVJF-UHFFFAOYSA-N 0.000 description 1
- LJCNDNBULVLKSG-UHFFFAOYSA-N 2-aminoacetic acid;butane Chemical compound CCCC.CCCC.NCC(O)=O LJCNDNBULVLKSG-UHFFFAOYSA-N 0.000 description 1
- RLFWWDJHLFCNIJ-UHFFFAOYSA-N 4-aminoantipyrine Chemical compound CN1C(C)=C(N)C(=O)N1C1=CC=CC=C1 RLFWWDJHLFCNIJ-UHFFFAOYSA-N 0.000 description 1
- SJZRECIVHVDYJC-UHFFFAOYSA-N 4-hydroxybutyric acid Chemical compound OCCCC(O)=O SJZRECIVHVDYJC-UHFFFAOYSA-N 0.000 description 1
- 239000007991 ACES buffer Substances 0.000 description 1
- 230000035495 ADMET Effects 0.000 description 1
- 241000235389 Absidia Species 0.000 description 1
- 229930024421 Adenine Natural products 0.000 description 1
- GFFGJBXGBJISGV-UHFFFAOYSA-N Adenine Chemical compound NC1=NC=NC2=C1N=CN2 GFFGJBXGBJISGV-UHFFFAOYSA-N 0.000 description 1
- 241000589155 Agrobacterium tumefaciens Species 0.000 description 1
- 108010021809 Alcohol dehydrogenase Proteins 0.000 description 1
- 102000007698 Alcohol dehydrogenase Human genes 0.000 description 1
- 108010025188 Alcohol oxidase Proteins 0.000 description 1
- 241000346770 Bispora Species 0.000 description 1
- XMWRBQBLMFGWIX-UHFFFAOYSA-N C60 fullerene Chemical class C12=C3C(C4=C56)=C7C8=C5C5=C9C%10=C6C6=C4C1=C1C4=C6C6=C%10C%10=C9C9=C%11C5=C8C5=C8C7=C3C3=C7C2=C1C1=C2C4=C6C4=C%10C6=C9C9=C%11C5=C5C8=C3C3=C7C1=C1C2=C4C6=C2C9=C5C3=C12 XMWRBQBLMFGWIX-UHFFFAOYSA-N 0.000 description 1
- 241000036569 Carp sprivivirus Species 0.000 description 1
- 108010089254 Cholesterol oxidase Proteins 0.000 description 1
- 108010000659 Choline oxidase Proteins 0.000 description 1
- 102100026816 DNA-dependent metalloprotease SPRTN Human genes 0.000 description 1
- 101710175461 DNA-dependent metalloprotease SPRTN Proteins 0.000 description 1
- 101710088194 Dehydrogenase Proteins 0.000 description 1
- 241000288113 Gallirallus australis Species 0.000 description 1
- 108010015776 Glucose oxidase Proteins 0.000 description 1
- 239000004366 Glucose oxidase Substances 0.000 description 1
- 101001081953 Homo sapiens Phosphoribosylaminoimidazole carboxylase Proteins 0.000 description 1
- 102000003855 L-lactate dehydrogenase Human genes 0.000 description 1
- 108700023483 L-lactate dehydrogenases Proteins 0.000 description 1
- 241000254158 Lampyridae Species 0.000 description 1
- 241001305961 Lichtheimia hyalospora Species 0.000 description 1
- 241001480588 Macrolepiota Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 241000498617 Mucor javanicus Species 0.000 description 1
- 241000283283 Orcinus orca Species 0.000 description 1
- 241000282372 Panthera onca Species 0.000 description 1
- 102100027330 Phosphoribosylaminoimidazole carboxylase Human genes 0.000 description 1
- JUJWROOIHBZHMG-UHFFFAOYSA-N Pyridine Chemical group C1=CC=NC=C1 JUJWROOIHBZHMG-UHFFFAOYSA-N 0.000 description 1
- 108010042687 Pyruvate Oxidase Proteins 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 108010092464 Urate Oxidase Proteins 0.000 description 1
- 108010093894 Xanthine oxidase Proteins 0.000 description 1
- 102100033220 Xanthine oxidase Human genes 0.000 description 1
- DGEZNRSVGBDHLK-UHFFFAOYSA-N [1,10]phenanthroline Chemical group C1=CN=C2C3=NC=CC=C3C=CC2=C1 DGEZNRSVGBDHLK-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000010535 acyclic diene metathesis reaction Methods 0.000 description 1
- 229960000643 adenine Drugs 0.000 description 1
- 125000000217 alkyl group Chemical group 0.000 description 1
- 125000005577 anthracene group Chemical group 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 125000003710 aryl alkyl group Chemical group 0.000 description 1
- 235000020054 awamori Nutrition 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 125000000609 carbazolyl group Chemical group C1(=CC=CC=2C3=CC=CC=C3NC12)* 0.000 description 1
- 150000001721 carbon Chemical group 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 239000003575 carbonaceous material Substances 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 239000002079 double walled nanotube Substances 0.000 description 1
- 230000009881 electrostatic interaction Effects 0.000 description 1
- -1 for example Chemical compound 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910003472 fullerene Inorganic materials 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229940116332 glucose oxidase Drugs 0.000 description 1
- 235000019420 glucose oxidase Nutrition 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 108010090622 glycerol oxidase Proteins 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000033444 hydroxylation Effects 0.000 description 1
- 238000005805 hydroxylation reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004310 lactic acid Substances 0.000 description 1
- 235000014655 lactic acid Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002048 multi walled nanotube Substances 0.000 description 1
- 125000001624 naphthyl group Chemical group 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003960 organic solvent Substances 0.000 description 1
- 125000004430 oxygen atom Chemical group O* 0.000 description 1
- 150000002978 peroxides Chemical class 0.000 description 1
- 125000001484 phenothiazinyl group Chemical group C1(=CC=CC=2SC3=CC=CC=C3NC12)* 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 229920001184 polypeptide Polymers 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 102000004196 processed proteins & peptides Human genes 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- FROBCXTULYFHEJ-OAHLLOKOSA-N propaquizafop Chemical compound C1=CC(O[C@H](C)C(=O)OCCON=C(C)C)=CC=C1OC1=CN=C(C=C(Cl)C=C2)C2=N1 FROBCXTULYFHEJ-OAHLLOKOSA-N 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 125000003226 pyrazolyl group Chemical group 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 229920003002 synthetic resin Polymers 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 125000001425 triazolyl group Chemical group 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M1/00—Apparatus for enzymology or microbiology
- C12M1/40—Apparatus specially designed for the use of free, immobilised, or carrier-bound enzymes, e.g. apparatus containing a fluidised bed of immobilised enzymes
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N11/00—Carrier-bound or immobilised enzymes; Carrier-bound or immobilised microbial cells; Preparation thereof
- C12N11/14—Enzymes or microbial cells immobilised on or in an inorganic carrier
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/25—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving enzymes not classifiable in groups C12Q1/26 - C12Q1/66
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/26—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving oxidoreductase
- C12Q1/32—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving oxidoreductase involving dehydrogenase
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/28—Electrolytic cell components
- G01N27/30—Electrodes, e.g. test electrodes; Half-cells
- G01N27/327—Biochemical electrodes, e.g. electrical or mechanical details for in vitro measurements
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Biotechnology (AREA)
- Genetics & Genomics (AREA)
- Microbiology (AREA)
- Immunology (AREA)
- Physics & Mathematics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Molecular Biology (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Sustainable Development (AREA)
- Inorganic Chemistry (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Immobilizing And Processing Of Enzymes And Microorganisms (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Description
酵素−電極間電子伝達増強作用の有無の予測方法に関する技術が開示される。
ナノカーボンは電気の伝導率が高いことから他の物質との電子伝達を行う導電材料としての応用が進んでいる。例えばナノカーボンをカーボン、樹脂及び有機溶剤からなるインクに混合し基板上に印刷してバイオセンサ用の電極として用いることが提案されている（特許文献１）。また、ナノカーボンの一種であるカーボンナノチューブは過酸化物を測定するセンサに用いられたり（特許文献２）、酵素とともにフィルム状に成形し、センサや燃料電池の電極として用いられたりしている（特許文献３）。さらに単層カーボンナノチューブを用いることで酵素から直接電子移動で電極への電子伝達を行うことも報告されている（非特許文献１）。これは従来メディエーターが必須であった、フラビンアデニンジヌクレオチドを補酵素とするグルコースデヒドロゲナーゼ（ＦＡＤＧＤＨ）をメディエーターなしでグルコースセンサーに用いることを可能にする。
ACS Catal. 2017, 7, 725_734
ナノカーボンによる酵素−電極間電子伝達を増強する作用（以下、「作用Ａ」と称する）の有無を予測する手段の提供が１つの課題である。
本発明者らは課題を解決すべく鋭意研究を重ねた結果、対象化合物が作用Ａを有するか否かは、対象化合物の構造から特定の記述子の値を生成し、その値を前記記述子の関数として表される予測モデルに適用することにより、予測できることを見出した。斯かる知見に更なる研究と改良を重ね本発明を完成するに至った。
本発明は、以下の態様を包含する：
項１．
対象化合物が、ナノカーボンによる酵素−電極間電子伝達を増強する作用Ａを有するか否かを予測する方法であって、
対象化合物の構造から作用Ａに関連する記述子の値を生成するステップ、及び
前記作用Ａに関連する記述子の値を、作用Ａに関連する記述子の関数として表される予測モデルに適用し、対象化合物が作用Ａを有するか否かを予測するステップ
を含んでおり、
前記作用Ａに関連する記述子が、fr_Ar_OH又はSMR_VSA9を含む、方法。
項２．
前記作用Ａに関連する記述子が、さらにSMR_VSA6、PEOE_VSA11、fr_ester、及びfr_aryl_methylからなる群から選択される少なくとも一種の記述子を含む、項１に記載の方法。
項３．
前記作用Ａに関連する記述子が、さらにSMR_VSA6、PEOE_VSA11、及びfr_aryl_methylを含む、項１に記載の方法。
項４．
前記予測モデルが、
f(x)＝−1.00＋a×fr_Ar_OH＋b×SMR_VSA6＋c×PEOE_VSA11＋d×fr_aryl_methyl、又は
f(x)＝−1.00＋e×SMR_VSA9＋f×fr_ester＋g×fr_aryl_methyl＋h×SMR_VSA6＋i×PEOE_VSA11
（式中、a〜iは、機械学習により決定される数である。）
において、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルである、項１〜３のいずれかに記載の方法。
項５．
対象化合物が、ナノカーボンによる酵素−電極間電子伝達を増強する作用Ａを有するか否かを予測する方法であって、
学習用化合物の構造から作用Ａに関連する記述子を抽出するステップ、
前記作用Ａに関連する記述子の関数として表される予測モデルを作成するステップ、
対象化合物の構造から作用Ａに関連する記述子の値を生成するステップ、及び
前記作用Ａに関連する記述子の値を前記予測モデルに適用し、対象化合物が作用Ａを有するか否かを予測するステップ
を含む、方法。
項６．
項１〜５のいずれかに記載の方法を実行するための手段を備えるシステム。
項７．
項１〜５のいずれかに記載の方法を実行するためのプログラム。
項８．
項７に記載のプログラムが記録された記録媒体。
項９．
化合物Ｘからなる、ナノカーボンによる酵素−電極間電子伝達の増強剤であって、
化合物Ｘの記述子fr_Ar_OH、SMR_VSA6、PEOE_VSA11、及びfr_aryl_methylの値が、下記式：
−1.00＋2.00×fr_Ar_OH＋0.37×SMR_VSA6−0.20×PEOE_VSA11＋1.43×fr_aryl_methyl
≧０
を満たす、増強剤。
項１０．
化合物Ｘが、芳香環骨格を有する化合物である、項９に記載の増強剤。
項１．
対象化合物が、ナノカーボンによる酵素−電極間電子伝達を増強する作用Ａを有するか否かを予測する方法であって、
対象化合物の構造から作用Ａに関連する記述子の値を生成するステップ、及び
前記作用Ａに関連する記述子の値を、作用Ａに関連する記述子の関数として表される予測モデルに適用し、対象化合物が作用Ａを有するか否かを予測するステップ
を含んでおり、
前記作用Ａに関連する記述子が、fr_Ar_OH又はSMR_VSA9を含む、方法。
項２．
前記作用Ａに関連する記述子が、さらにSMR_VSA6、PEOE_VSA11、fr_ester、及びfr_aryl_methylからなる群から選択される少なくとも一種の記述子を含む、項１に記載の方法。
項３．
前記作用Ａに関連する記述子が、さらにSMR_VSA6、PEOE_VSA11、及びfr_aryl_methylを含む、項１に記載の方法。
項４．
前記予測モデルが、
f(x)＝−1.00＋a×fr_Ar_OH＋b×SMR_VSA6＋c×PEOE_VSA11＋d×fr_aryl_methyl、又は
f(x)＝−1.00＋e×SMR_VSA9＋f×fr_ester＋g×fr_aryl_methyl＋h×SMR_VSA6＋i×PEOE_VSA11
（式中、a〜iは、機械学習により決定される数である。）
において、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルである、項１〜３のいずれかに記載の方法。
項５．
対象化合物が、ナノカーボンによる酵素−電極間電子伝達を増強する作用Ａを有するか否かを予測する方法であって、
学習用化合物の構造から作用Ａに関連する記述子を抽出するステップ、
前記作用Ａに関連する記述子の関数として表される予測モデルを作成するステップ、
対象化合物の構造から作用Ａに関連する記述子の値を生成するステップ、及び
前記作用Ａに関連する記述子の値を前記予測モデルに適用し、対象化合物が作用Ａを有するか否かを予測するステップ
を含む、方法。
項６．
項１〜５のいずれかに記載の方法を実行するための手段を備えるシステム。
項７．
項１〜５のいずれかに記載の方法を実行するためのプログラム。
項８．
項７に記載のプログラムが記録された記録媒体。
項９．
化合物Ｘからなる、ナノカーボンによる酵素−電極間電子伝達の増強剤であって、
化合物Ｘの記述子fr_Ar_OH、SMR_VSA6、PEOE_VSA11、及びfr_aryl_methylの値が、下記式：
−1.00＋2.00×fr_Ar_OH＋0.37×SMR_VSA6−0.20×PEOE_VSA11＋1.43×fr_aryl_methyl
≧０
を満たす、増強剤。
項１０．
化合物Ｘが、芳香環骨格を有する化合物である、項９に記載の増強剤。
本発明によれば、作用Ａの有無の予測方法に関する技術が提供される。
１．対象化合物が作用Ａを有するか否かを予測する方法
対象化合物が作用Ａを有するか否かを予測する方法は、一実施形態において、下記ステップ：
（１）対象化合物の構造から作用Ａに関連する記述子の値を生成するステップ、及び
（２）前記作用Ａに関連する記述子の値を、作用Ａに関連する記述子の関数として表される予測モデルに適用し、対象化合物が作用Ａを有するか否かを予測するステップ
を含むことが好ましい。
対象化合物が作用Ａを有するか否かを予測する方法は、一実施形態において、下記ステップ：
（１）対象化合物の構造から作用Ａに関連する記述子の値を生成するステップ、及び
（２）前記作用Ａに関連する記述子の値を、作用Ａに関連する記述子の関数として表される予測モデルに適用し、対象化合物が作用Ａを有するか否かを予測するステップ
を含むことが好ましい。
１−１．ステップ（１）
対象化合物としては、構造が特定可能なものである限り特に制限はなく、分子量が１０００以下の低分子有機化合物、分子量が１０００を超える高分子有機化合物（例えば、合成樹脂、タンパク質、多糖）などが挙げられる。対象化合物は、低分子有機化合物であることが好ましい。また、一実施形態において、対象化合物は単独でメディエーターとしての機能をもたない化合物であることが、予測精度の観点から好ましい。
対象化合物としては、構造が特定可能なものである限り特に制限はなく、分子量が１０００以下の低分子有機化合物、分子量が１０００を超える高分子有機化合物（例えば、合成樹脂、タンパク質、多糖）などが挙げられる。対象化合物は、低分子有機化合物であることが好ましい。また、一実施形態において、対象化合物は単独でメディエーターとしての機能をもたない化合物であることが、予測精度の観点から好ましい。
一実施形態において、対象化合物は、芳香環骨格を有する化合物であることが好ましい。芳香環骨格の環構成原子の数は、例えば５〜１８、好ましくは５〜１６、さらに好ましくは５〜１４である。対象化合物中の芳香環の数は、例えば４以下、好ましくは３以下、さらに好ましくは１又は２である。芳香環骨格には、１つのベンゼン環からなる骨格、２以上（例えば、２〜４）のベンゼン環からなる骨格（ナフタレン骨格、アントラセン骨格など）、ベンゼン環と他の芳香環（含窒素芳香環、含酸素芳香環、含硫黄芳香環など）との縮合環からなる骨格（フェナントロリン骨格、ベンゾフラン骨格、ベンゾイミダゾール骨格、カルバゾール骨格など）、炭素と他の元素（窒素、酸素、硫黄など）により構成される芳香環からなる骨格（トリアジン骨格、トリアゾール骨格、ピリジン骨格など）を有するものが包含される。一実施形態において、対象化合物は、１つのベンゼン環からなる骨格を有する化合物が好ましい。また、一実施形態において、フェノチアジン骨格を有さない化合物が好ましい。
一実施形態において、芳香環骨格を有する化合物は、電子供与性の置換基を有することが好ましい。電子供与性の置換基とはヒドロキシ基、アミノ基、及びメチル基等のことである。好ましい電子供与性の置換基は、ヒドロキシ基である。
作用Ａは、ナノカーボンによる酵素−電極間電子伝達を増強する作用である限り特に制限されない。ナノカーボンは、電子伝達機能を有する、ナノカーボンとして認識される物質であれば如何なる物質であってもよい。そのような物質は、例えば、カーボンナノチューブ、カーボンナノホーン、カーボンナノツイスト、コクーン、カーボンナノコイル、グラフェン、フラーレンなどを含む、主に炭素により構成されている炭素材料を意味する。カーボンナノチューブは、単層カーボンナノチューブであっても、二層カーボンナノチューブであっても、多層カーボンナノチューブであってもよい。一実施形態において、ナノカーボンは、カーボンナノチューブであることが好ましく、単層カーボンナノチューブであることが好ましい。
酵素は、触媒反応に伴って電子を遊離するものが好ましい。そのような酵素としては、例えば、酸化還元酵素を挙げることができる。酸化還元酵素としては、例えば、グルコースデヒドロゲナーゼ、グルコースオキシダーゼ、乳酸オキシダーゼ、コレステロールオキシダーゼ、アルコールオキシダーゼ、ザルコシンオキシダーゼ、フルクトシルアミンオキシダーゼ、ピルビン酸オキシダーゼ、乳酸デヒドロゲナーゼ、アルコールデヒドロゲナーゼ、グリセロールオキシダーゼ、グリセロール−３−リン酸オキシダーゼ、ウリカーゼ、コリンオキシダーゼ、キサンチンオキシダーゼ、及びヒドロキシ酪酸デヒドロゲナーゼ等を挙げることができる。
一実施形態において、酵素は、グルコースデヒドロゲナーゼであることが好ましく、フラビン結合型グルコースデヒドロゲナーゼであることが好ましく、フラビンアデニンジヌクレオチド（ＦＡＤ）を補酵素とするグルコースデヒドロゲナーゼ（ＦＡＤＧＤＨ）が好ましい。ＦＡＤＧＤＨは、ポリペプチドで形成される３次元構造のくぼみにＦＡＤを保持するため、そこで生成された電子を電極に伝達するためには、従来、メディエーターと呼ばれる物質を要した。これに対し、ナノカーボン（好ましくはカーボンナノチューブ、より好ましくは単層カーボンナノチューブ）を用いることにより、メディエーターを利用しなくても、電子を電極に伝達することが可能となる。
ＦＡＤＧＤＨの種類は制限されず、任意のものを使用することができる。ＦＡＤＧＤＨの具体例としては、次の生物のいずれかに由来するものを挙げることができる：アスペルギルス・テレウス、アスペルギルス・オリゼ、アルペルギルス・ニガー、アスペルギルス・フォエチダス、アルペルギルス・アウレウス、アスペルギルス・バージカラー、アスペルギルス・カワチ、アルペルギルス・アワモリ、アグロバクテリウム・ツメファシエンス、サイトファーガ・マリノフラバ、アガリカス・ビスポラス、マクロレピオタ・ラコデス、ブルクホルデリア・セパシア、ムコール・サブチリシマス、ムコール・ギリエルモンディ、ムコール・プライニ、ムコール・ジャバニカス、ムコール・シルシネロイデス、ムコール・シルシネロイデス・エフ・シルシネロイデス、ムコール・ヒエマリス、ムコール・ヒエマリス・エフ・シルバチカス、ムコール・ダイモルフォスポラス、アブシジア・シリンドロスポラ、アブシジア・ヒアロスポラ、アクチノムコール・エレガンス、シルシネラ・シンプレックス、シルシネラ・アンガレンシス、シルシネラ・シネンシス、シルシネラ・ラクリミスポラ、シルシネラ・マイナー、シルシネラ・ムコロイデス、シルシネラ・リジダ、シルシネラ・アンベラータ、シルシネラ・ムスカエ、メタリジウム・エスピー及びコレトトリカム・エスピー。
一実施形態において、好ましいＦＡＤＧＤＨは、アスペルギルス・オリゼ由来のＦＡＤＧＤＨ、ムコール・ヒエマリス由来のＦＡＤＧＤＨ、ムコール・サブチリシマス由来のＦＡＤＧＤＨ、シルシネラ・シンプレックス由来のＦＡＤＧＤＨ、メタリジウム・エスピー由来のＦＡＤＧＤＨ又はコレトトリカム・エスピー由来のＦＡＤＧＤＨであり、好ましくは配列番号１〜６のアミノ酸配列と８０％以上の同一性を有し、より好ましくは配列番号１〜６のアミノ酸配列と９０％以上の同一性を有し、さらに好ましくは配列番号１〜６のアミノ酸配列と９５％以上の同一性を有し、グルコース脱水素活性を有するものを挙げることができる。アミノ酸配列の同一性は、市販の又は電気通信回線（インターネット）を通じて利用可能な解析ツールを用いて算出することができ、例えば、全米バイオテクノロジー情報センター（ＮＣＢＩ）の相同性アルゴリズムＢＬＡＳＴ（Basic local alignment search tool）http://www.ncbi.nlm.nih.gov/BLAST/ においてデフォルト（初期設定）のパラメータを用いて、算出することができる。なお、配列番号１のアミノ酸配列は、アスペルギルス・オリゼ由来のＦＡＤＧＤＨのものであり、配列番号２のアミノ酸配列は、ムコール・ヒエマリス由来のＦＡＤＧＤＨのものであり、配列番号３のアミノ酸配列は、ムコール・サブチリシマス由来のＦＡＤＧＤＨのものであり、配列番号４のアミノ酸配列は、シルシネラ・シンプレックス由来のＦＡＤＧＤＨのものであり、配列番号５のアミノ酸配列は、メタリジウム・エスピー由来のＦＡＤＧＤＨのものであり、配列番号６のアミノ酸配列は、コレトトリカム・エスピー由来のＦＡＤＧＤＨのものである。
電極としては、特に制限はなく、例えば、絶縁性基板上に金属膜（例えば、金属薄膜）又は炭素膜（例えば、炭素薄膜）が積層されたものを使用することができる。絶縁性基板は、例えば、ガラス基板又はプラスチック基板（例えば、ＰＥＴ基板）を使用することができる。金属膜を形成する金属の種類は、電極に使用されるものであれば特に制限されず、例えば、金、白金、及びチタン等を挙げることができる。また、炭素膜としては、例えば、カーボンペーストによる薄膜を使用することができる。
作用Ａに関連する記述子は、作用Ａの有無を予測することが可能な記述子である限り、その種類及び数は特に制限されない。一実施形態において、作用Ａに関連する記述子は、スパースモデリングにより抽出された記述子であることが好ましく、より具体的には、後述の追加のステップ（ｉ）で抽出された記述子であることが好ましい。
一実施形態において、作用Ａに関連する記述子は、0〜4次元記述子から選択された少なくとも一種であることが好ましい。0次元記述子としては、例えば、C, H, O, N, ハロゲン等の原子の数、結合数、分子量等が挙げられる。1次元記述子としては、例えば、アルキル基, アリール基, アリールアルキル基, ヒドロキシ基, エステル基, アミノ基等の官能基の数、芳香環の数等が挙げられる。2次元記述子としては、例えば、SMR_VSA1〜10, PEOE_VSA1〜14, SlogP_VSA1〜12, Estate_VSA1〜11等の構造式で特徴付けられるもの等が挙げられる。3次元記述子としては、例えば、3D-MoRSE, WHIM, GETAWAY等の幾何学的に特徴付けられるもの等が挙げられる。4次元記述子としては、例えば、GRID, CoMFA, Volsurf等によって算出され、相互作用エネルギーで特徴付けられるもの等が挙げられる。
一実施形態において、作用Ａに関連する記述子は、0〜2次元記述子から選択された少なくとも一種であることが好ましい。
作用Ａに関連する記述子の数は、特に制限されないが、予測精度を高める点から、２以上が好ましく、３以上がより好ましく、４以上がさらに好ましい。また、作用Ａに関連する記述子の数は、単純な予測モデルを構築する点から、１０以下が好ましく、８以下がより好ましく、６以下がさらに好ましい。
一実施形態において、作用Ａに関連する記述子は、fr_Ar_OH又はファンデルワールス表面積に関する記述子又は分極率に関する記述子を含むことが好ましく、fr_Ar_OH又はSMR_VSA9を含むことがより好ましく、fr_Ar_OH又はSMR_VSA9に加えて、さらにSMR_VSA6、PEOE_VSA11、fr_ester、及びfr_aryl_methylからなる群から選択される少なくとも一種の記述子を含むことがさらに好ましく、fr_Ar_OH又はSMR_VSA9、SMR_VSA6、PEOE_VSA11、及びfr_aryl_methylを含むことが特に好ましい。また、作用Ａに関連する記述子がSMR_VSA9を含む場合、さらにfr_ester、fr_aryl_methyl、SMR_VSA6、及びPEOE_VSA11を含むことも好ましい。
記述子「fr_Ar_OH」は、芳香環に結合するヒドロキシ基の数である。
記述子「SMR_VSA9」は、三重結合をもつ炭素、並びに、酸素原子及び芳香環に結合する芳香族炭素の総表面積（単位：Å ２ ）である。より詳細には、SMR_VSA9は、溶解自由エネルギー、沸点などの分子の物理化学的性質を予測するためにLABUTEによって作られたVSA型記述子の一つである（LABUTE, Paul. A widely applicable set of descriptors. Journal of Molecular Graphics and Modelling, 2000, 18.4-5: 464-477）。
VSA型記述子は、分子中の各原子が任意の性質（数値）Pｉをもつとすると、ある範囲内の性質Pをもつ表面積の合計として定義され、下記式(S1)：
で表される。ここで、Vｉは各原子のファンデルワールス表面積(van der Waals surface area; VSA)であり、原子のファンデルワールス半径と標準的な結合距離から近似的に計算された値である。δ(A)は条件式Aが真のとき1、偽のとき0を返す関数である。
VSA型記述子「P_VSAk」は、水素原子を除く全ての原子についてのVｉδ(A)の総和である。条件式AのPｉがMR(後述)のとき、このVSA型記述子はSMR_VSAkと呼ばれる。SMR_VSAkは、主に分極率を記述する。SMR_VSAkに対する範囲の境界{aｋ}は、下記式(S2)：
で表される。MRとは、分子のモル屈折率(molar refractivity)を原子寄与法（下記式(S3)）：
により予測する際の原子毎の係数Pｉであり、Crippenらによって3412分子の実験データから決定されたものである。MRの値は68個の原子タイプ毎に定められている。そのうち、SMR_VSA9に対応する範囲[3.80, 4.00]にある原子タイプは、下表に示す3タイプのみである。
例えば、アンピロンの場合、ピラゾール環に結合する芳香族炭素がC20に該当し、フェノールの場合、ヒドロキシ基に隣接する芳香族炭素がC23に該当する。
すなわち、SMR_VSA9は、それに対応する範囲[3.80, 4.00]にある原子タイプに属する原子のファンデルワールス表面積の総和ということができる。
記述子「SMR_VSA6」は、非芳香族へテロ原子と結合する第一及び二級非芳香族炭素、並びに、芳香環に結合する窒素原子の総表面積（単位：Å ２ ）である。より詳細には、SMR_VSA6は、SMR_VSA9と同様、VSA型記述子の一つであり、SMR_VSA6に対応する範囲[2.75, 3.05]にある原子タイプに属する原子のファンデルワールス表面積の総和である。なお、SMR_VSA6に対応する範囲[2.75, 3.05]にある原子タイプは、下表に示す4タイプのみである。
記述子「PEOE_VSA11」は、0.15〜0.20の電荷（単位は電荷素量で表す）を持つ原子の総表面積（単位：Å ２ ）である。より詳細には、PEOE_VSA11を含むPEOE_VSAkは、SMR_VSAkと同様、VSA型記述子の一つであり、条件式AのPｉをPEOE(後述)としたときの式(S1)により定義される。PEOE_VSAkは、主に静電相互作用を記述する。PEOE_VSAkに対する範囲の境界{aｋ}は、下記式(S4)：
で表される。PEOEとは、Gasteigerらによって提案された経験的原子電荷決定法により算出された原子電荷である。このGasteigerらによる推算法では原子の電気陰性度を基に原子電荷が決定される。
記述子「fr_ester」は、エステル基の数である。
記述子「fr_aryl_methyl」は、ヒドロキシ化を受けうるベンジル位炭素の数である。ヒドロキシ化を受けうるベンジル位炭素とは、芳香環に結合するメチル基またはエチル基またはエチレン基を構成する炭素原子のうち芳香環に直接結合している炭素原子のことを指す。ただし、エチレン基の一端に芳香環が結合し他端に非芳香族性の酸素原子または窒素原子が結合している場合、エチレン基のベンジル位炭素は、ヒドロキシ化を受けうるベンジル位炭素の数には含めない。また、芳香環に結合する基がメチル基、エチル基、エチレン基の全ての場合において、ベンジル位炭素が結合する芳香族性原子に隣接する2つの芳香族性原子のどちらもが水素原子以外と非芳香族性結合をもつなら、当該ベンジル位炭素は、ヒドロキシ化を受けうるベンジル位炭素の数には含めない。
一実施形態において、ステップ（１）は、DRAGON、alvaDesc、CODESSA PRO、ADAPT、ADMET Predictor、CORINA Symphony、Pentacle、VolSurf+、ISIDA Fragmentor、JOELib、Molconn-Z、PowerMV、PreADMET、PaDEL-Descriptor、cinfony、Chemopy、The Chemistry Development Kit、RDKit、Open Babel、ToMoCoMD-CARDD、QuaSAR-Descriptor、Molecular Operating Environment、SYBYL(商標)-X Suite、BIOVIA(商標) Discovery Studio、BIOVIA(商標) Material Studio、QikProp、Jaguar、MacroModel、VCharge、MarvinSketch、Spartan、MOPAC(商標)、GAMESS、Gaussian(商標)、HyperChem、Q-Chem、BOSS、Firefly、Molpro、Molcas、ADF、TURBOMOLE、PQS、MPQC、Dalton、LSDalton、COLUMBUS、NWChem、PSI4、CFOUR、ACES、ORCA、SMASH、ABINIT-MP、NTChem、PAICS、Mold2等のコンピュータソフトウェアを利用して、対象化合物の構造から作用Ａに関連する記述子の値を計算する方法であることが好ましい。一実施形態において、コンピュータソウトウェアは、RDKitであることが好ましい。
１−２．ステップ（２）
作用Ａに関連する記述子の関数として表される予測モデルは、対象化合物が作用Ａを有するか否かを予測することが可能なモデルである限り、特に制限はない。一実施形態において、予測モデルは、機械学習により作成された予測モデルであることが好ましく、より具体的には、後述の追加のステップ（ii）で作成された予測モデルであることが好ましい。
作用Ａに関連する記述子の関数として表される予測モデルは、対象化合物が作用Ａを有するか否かを予測することが可能なモデルである限り、特に制限はない。一実施形態において、予測モデルは、機械学習により作成された予測モデルであることが好ましく、より具体的には、後述の追加のステップ（ii）で作成された予測モデルであることが好ましい。
一実施形態において、予測モデルは、下記式(N)又は(M)：
f(x)＝-1.00＋a×fr_Ar_OH＋b×SMR_VSA6＋c×PEOE_VSA11＋d×fr_aryl_methyl (N) 又は
f(x)＝-1.00＋e×SMR_VSA9＋f×fr_ester＋g×fr_aryl_methyl＋h×SMR_VSA6＋i×PEOE_VSA11 (M)
（式中、a〜iは、機械学習により決定される数である。）
において、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることが好ましい。
f(x)＝-1.00＋a×fr_Ar_OH＋b×SMR_VSA6＋c×PEOE_VSA11＋d×fr_aryl_methyl (N) 又は
f(x)＝-1.00＋e×SMR_VSA9＋f×fr_ester＋g×fr_aryl_methyl＋h×SMR_VSA6＋i×PEOE_VSA11 (M)
（式中、a〜iは、機械学習により決定される数である。）
において、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることが好ましい。
一実施形態において、予測モデルは、下記式(N1)〜(N4)及び(M1)〜(M5)：
f(x)＝−1.00＋2.44×fr_Ar_OH (N1)
f(x)＝−1.00＋2.14×fr_Ar_OH＋0.25×SMR_VSA6 (N2)
f(x)＝−1.00＋2.14×fr_Ar_OH＋0.39×SMR_VSA6−0.21×PEOE_VSA11 (N3)
f(x)＝−1.00＋2.00×fr_Ar_OH＋0.37×SMR_VSA6−0.20×PEOE_VSA11＋1.43×fr_aryl_methyl (N4)
f(x)＝−1.00＋0.37×SMR_VSA9 (M1)
f(x)＝−1.00＋0.39×SMR_VSA9−1.72×fr_ester (M2)
f(x)＝−1.00＋0.37×SMR_VSA9−1.56×fr_ester＋1.48×fr_aryl_methyl (M3)
f(x)＝−1.00＋0.34×SMR_VSA9−1.38×fr_ester＋1.39×fr_aryl_methyl＋0.17×SMR_VSA6 (M4)
f(x)＝−1.00＋0.34×SMR_VSA9−1.38×fr_ester＋1.39×fr_aryl_methyl＋0.36×SMR_VSA6−0.18×PEOE_VSA11 (M5)
のいずれかにおいて、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることが好ましく、式(N2)〜(N4)及び(M2)〜(M5)のいずれかにおいて、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることがより好ましく、式(N3)〜(N4)及び(M3)〜(M5)のいずれかにおいて、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることがさらに好ましく、式(N4)及び(M4)〜(M5)のいずれかにおいて、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることがさらにより好ましく、式(N4)又は(M5)において、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることが特に好ましい。
f(x)＝−1.00＋2.44×fr_Ar_OH (N1)
f(x)＝−1.00＋2.14×fr_Ar_OH＋0.25×SMR_VSA6 (N2)
f(x)＝−1.00＋2.14×fr_Ar_OH＋0.39×SMR_VSA6−0.21×PEOE_VSA11 (N3)
f(x)＝−1.00＋2.00×fr_Ar_OH＋0.37×SMR_VSA6−0.20×PEOE_VSA11＋1.43×fr_aryl_methyl (N4)
f(x)＝−1.00＋0.37×SMR_VSA9 (M1)
f(x)＝−1.00＋0.39×SMR_VSA9−1.72×fr_ester (M2)
f(x)＝−1.00＋0.37×SMR_VSA9−1.56×fr_ester＋1.48×fr_aryl_methyl (M3)
f(x)＝−1.00＋0.34×SMR_VSA9−1.38×fr_ester＋1.39×fr_aryl_methyl＋0.17×SMR_VSA6 (M4)
f(x)＝−1.00＋0.34×SMR_VSA9−1.38×fr_ester＋1.39×fr_aryl_methyl＋0.36×SMR_VSA6−0.18×PEOE_VSA11 (M5)
のいずれかにおいて、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることが好ましく、式(N2)〜(N4)及び(M2)〜(M5)のいずれかにおいて、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることがより好ましく、式(N3)〜(N4)及び(M3)〜(M5)のいずれかにおいて、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることがさらに好ましく、式(N4)及び(M4)〜(M5)のいずれかにおいて、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることがさらにより好ましく、式(N4)又は(M5)において、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルであることが特に好ましい。
式(N), (N1)〜(N4), (M), 及び(M1)〜(M5)は、f(x)が０以上であるか否かを判定するため、それぞれ、右辺をα倍（αは０以外の任意の数）した式と等価である。例えば、式(N1)は、下記式(N1’)：
f(x)＝-1.00×α＋2.44×α×fr_Ar_OH (N1’)
と等価である。
f(x)＝-1.00×α＋2.44×α×fr_Ar_OH (N1’)
と等価である。
予測モデルの予測精度（試行回数に対する予測と実際の結果とが一致する回数の割合）は、７５％以上が好ましく、８０％以上がより好ましく、８５％以上がさらに好ましく、９０％以上がさらにより好ましく、９５％以上が特に好ましく、１００％が最も好ましい。
１−３．任意の追加のステップ（ｉ）
一実施形態において、対象化合物が作用Ａを有するか否かを予測する方法は、ステップ（１）及び（２）に加えて、学習用化合物の構造から作用Ａに関連する記述子を抽出するステップ（ｉ）を含むことが好ましい。
一実施形態において、対象化合物が作用Ａを有するか否かを予測する方法は、ステップ（１）及び（２）に加えて、学習用化合物の構造から作用Ａに関連する記述子を抽出するステップ（ｉ）を含むことが好ましい。
学習用化合物としては、作用Ａの有無が確認されている化合物である限り特に制限されないが、基本骨格、官能基等が異なる複数の化合物を用いることが好ましい。なお、作用Ａの有無を確認する方法は、次の方法１及び方法２のいずれかである。
＜方法１＞
ＰＥＴ基板に金を蒸着したシートを用いて、９ｍｍ２の作用電極部位を持つ電極チップを作製する（図１）。図１において、「１」はＰＥＴフィルムであり、「２」は粘着シートであり、「３」は金蒸着ＰＥＴフィルムであり、「４」は作用電極部位を示す。この作用電極部位に２％（ｗ／ｖ）のコール酸ナトリウム及び０．１５％（ｗ／ｖ）の単層カーボンナノチューブ（ＳｕｐｅｒＰｕｒｅＴｕｂｅｓ、ＮａｎｏＩｎｔｅｇｒｉｓ社、外径１．１〜１．７ｎｍ）を含む水分散液を５μＬ滴下し乾燥させる。乾燥後、作用電極部位に超純水に溶解したＦＡＤＧＤＨ（配列番号２のアミノ酸配列を有する；２０Ｕ／μＬ）を５μＬ滴下し乾燥させる。乾燥後、作用電極部位に、学習用化合物をエタノール又はアセトン又はリン酸ナトリウム緩衝液に溶解した溶液（１％（ｗ／ｖ））を５μＬ滴下し乾燥させる。乾燥後、作用電極部位に３％（ｗ／ｖ）ナフィオン液を５μＬ滴下し乾燥させ、カーボンナノチューブ及びＦＡＤＧＤＨを作用電極に固定化する。電気化学アナライザー（ＡＬＳ／ＣＨＩ ６６０Ｂ、エービーエス（株）社製）の作用極に上記で作製した電極チップ、参照電極に銀／塩化銀電極、対極に白金線をセットする。この３電極を４０ｍＭリン酸ナトリウム緩衝液（ｐＨ７．４）に浸漬する。この緩衝液にグルコースを添加しない場合、又はグルコースを４８ｍＭとなるように添加する場合において、サイクリックボルタンメトリーによる測定を実施し、得られたサイクリックボルタモグラムから作用Ａの有無を判定する。
＜方法２＞
ＰＥＴ基板に金を蒸着したシートを用いて、９ｍｍ２の作用電極部位を持つ電極チップを作製する（図１）。この作用電極部位に２％（ｗ／ｖ）のコール酸ナトリウム及び０．１５％（ｗ／ｖ）の単層カーボンナノチューブ（ＳｕｐｅｒＰｕｒｅＴｕｂｅｓ、ＮａｎｏＩｎｔｅｇｒｉｓ社、外径１．１〜１．７ｎｍ）を含む水分散液を５μＬ滴下し乾燥させる。乾燥後、作用電極部位に超純水に溶解したＦＡＤＧＤＨ（配列番号２のアミノ酸配列を有する；２０Ｕ／μＬ）を５μＬ滴下し乾燥させる。乾燥後、作用電極部位に３％（ｗ／ｖ）ナフィオン液を５μＬ滴下し乾燥させ、カーボンナノチューブ及びＦＡＤＧＤＨを作用電極に固定化する。次に、４０ｍＭリン酸ナトリウム緩衝液（ｐＨ７．４）に学習用化合物を０．１％（ｗ／ｖ）添加して溶解する。電気化学アナライザー（ＡＬＳ／ＣＨＩ ６６０Ｂ）の作用極に上記で作製した電極チップ、参照電極に銀／塩化銀電極、対極に白金線をセットし、上記学習用化合物を溶解したリン酸ナトリウム緩衝液に浸漬する。この緩衝液にグルコースを添加しない（０ｍＭ）、又はグルコースを４８ｍＭとなるように添加する場合において、サイクリックボルタンメトリーによる測定を実施し、得られたサイクリックボルタモグラムから作用Ａの有無を判定する。
＜方法１＞
ＰＥＴ基板に金を蒸着したシートを用いて、９ｍｍ２の作用電極部位を持つ電極チップを作製する（図１）。図１において、「１」はＰＥＴフィルムであり、「２」は粘着シートであり、「３」は金蒸着ＰＥＴフィルムであり、「４」は作用電極部位を示す。この作用電極部位に２％（ｗ／ｖ）のコール酸ナトリウム及び０．１５％（ｗ／ｖ）の単層カーボンナノチューブ（ＳｕｐｅｒＰｕｒｅＴｕｂｅｓ、ＮａｎｏＩｎｔｅｇｒｉｓ社、外径１．１〜１．７ｎｍ）を含む水分散液を５μＬ滴下し乾燥させる。乾燥後、作用電極部位に超純水に溶解したＦＡＤＧＤＨ（配列番号２のアミノ酸配列を有する；２０Ｕ／μＬ）を５μＬ滴下し乾燥させる。乾燥後、作用電極部位に、学習用化合物をエタノール又はアセトン又はリン酸ナトリウム緩衝液に溶解した溶液（１％（ｗ／ｖ））を５μＬ滴下し乾燥させる。乾燥後、作用電極部位に３％（ｗ／ｖ）ナフィオン液を５μＬ滴下し乾燥させ、カーボンナノチューブ及びＦＡＤＧＤＨを作用電極に固定化する。電気化学アナライザー（ＡＬＳ／ＣＨＩ ６６０Ｂ、エービーエス（株）社製）の作用極に上記で作製した電極チップ、参照電極に銀／塩化銀電極、対極に白金線をセットする。この３電極を４０ｍＭリン酸ナトリウム緩衝液（ｐＨ７．４）に浸漬する。この緩衝液にグルコースを添加しない場合、又はグルコースを４８ｍＭとなるように添加する場合において、サイクリックボルタンメトリーによる測定を実施し、得られたサイクリックボルタモグラムから作用Ａの有無を判定する。
＜方法２＞
ＰＥＴ基板に金を蒸着したシートを用いて、９ｍｍ２の作用電極部位を持つ電極チップを作製する（図１）。この作用電極部位に２％（ｗ／ｖ）のコール酸ナトリウム及び０．１５％（ｗ／ｖ）の単層カーボンナノチューブ（ＳｕｐｅｒＰｕｒｅＴｕｂｅｓ、ＮａｎｏＩｎｔｅｇｒｉｓ社、外径１．１〜１．７ｎｍ）を含む水分散液を５μＬ滴下し乾燥させる。乾燥後、作用電極部位に超純水に溶解したＦＡＤＧＤＨ（配列番号２のアミノ酸配列を有する；２０Ｕ／μＬ）を５μＬ滴下し乾燥させる。乾燥後、作用電極部位に３％（ｗ／ｖ）ナフィオン液を５μＬ滴下し乾燥させ、カーボンナノチューブ及びＦＡＤＧＤＨを作用電極に固定化する。次に、４０ｍＭリン酸ナトリウム緩衝液（ｐＨ７．４）に学習用化合物を０．１％（ｗ／ｖ）添加して溶解する。電気化学アナライザー（ＡＬＳ／ＣＨＩ ６６０Ｂ）の作用極に上記で作製した電極チップ、参照電極に銀／塩化銀電極、対極に白金線をセットし、上記学習用化合物を溶解したリン酸ナトリウム緩衝液に浸漬する。この緩衝液にグルコースを添加しない（０ｍＭ）、又はグルコースを４８ｍＭとなるように添加する場合において、サイクリックボルタンメトリーによる測定を実施し、得られたサイクリックボルタモグラムから作用Ａの有無を判定する。
一実施形態において、学習用化合物には単独でメディエーターとしての機能をもつ化合物を含めないことが、予測モデルの簡潔化および予測精度の向上の観点から好ましい。
一実施形態において、学習用化合物は、下記からなる群から選択される複数の化合物が好ましい。
学習用化合物の数の下限は、特に制限されないが、予測精度を高める点から、５以上が好ましく、１０以上がより好ましく、１５以上がさらに好ましく、２０以上が特に好ましい。また、学習用化合物の上限は、特に制限されないが、データの収集性の点から、５０以下が好ましく、４０以下がより好ましく、３０以下がさらに好ましい。
学習用化合物には、作用Ａを有する化合物及び作用Ａを有さない化合物の両方が含まれることが好ましい。作用Ａを有する化合物の数と作用Ａを有さない化合物の数との比は、１：５〜５：１が好ましく、１：４〜４：１がより好ましい。
作用Ａを有する化合物の数と作用Ａを有さない化合物の数との比が１：１と異なる場合には、比が１：１となるように学習用化合物の数を調整することが好ましい。調整方法としては、例えば、数が少ない方に対するオーバーサンプリング、数が多い方に対するアンダーサプリング、それらの組合せ等が挙げられる。オーバーサンプリングの手法としては、例えば、ランダムオーバーサンプリンング、SMOTE、SMOTE-NC、ADASYN等が挙げられる。アンダーサンプリングの手法としては、例えば、ランダムアンダーサンプリンング、ONESS、NearMiss、NCL等が挙げられる。学習用化合物の数が多くない場合には、オーバーサンプリングを用いることが好ましい。
一実施形態において、ステップ（ｉ）は、学習用化合物の構造から一群の記述子の値を生成し、その群からスパースモデリングを用いて作用Ａに関連する記述子を抽出する方法であることが好ましい。
一実施形態において、一群の記述子は、0〜2次元記述子から選択されることが好ましく、学習用化合物全てに対して同じ値をもつ記述子を含まないことが好ましい。
一実施形態において、作用Ａに関連する記述子を抽出する前に、一群の記述子の値を正規化することが好ましい。正規化の方法としては、例えば、標準化変換、Yeo-Johnson変換等が挙げられる。一実施形態において、Yeo-Johnson変換を実行することが好ましく、機械学習用PythonライブラリであるScikit-learnを用いてYeo-Johnson変換を実行することがより好ましい。
スパースモデリングとしては、例えば、貪欲法、凸緩和法、確率推論などが挙げられる。貪欲法としては、例えば、直交マッチング追跡(OMP)、マッチング追跡(MP)、弱マッチング追跡(Weak MP)、閾値アルゴリズムなどが挙げられる。凸緩和法としては、例えば、基底追跡法、反復再重み付け最小二乗法(IRLS)、ホモトピー法などが挙げられる。確率推論としては、近似メッセージ伝搬法(AMP)などが挙げられる。一実施形態において、スパースモデリングは、直交マッチング追跡であることが好ましい。
１−４．任意の追加のステップ（ii）
一実施形態において、対象化合物が作用Ａを有するか否かを予測する方法は、ステップ（１）及び（２）に加えて、作用Ａに関連する記述子の関数として表される予測モデルを作成するステップ（ii）を含むことが好ましい。
一実施形態において、対象化合物が作用Ａを有するか否かを予測する方法は、ステップ（１）及び（２）に加えて、作用Ａに関連する記述子の関数として表される予測モデルを作成するステップ（ii）を含むことが好ましい。
一実施形態において、ステップ（ii）は、機械学習により予測モデルを作成することが好ましい。機械学習としては、例えば、サポートベクターマシン、関連ベクターマシン、ロジスティック回帰、変分ベイズロジスティック回帰、フィッシャーの線形判別分析、ベイジアンネットワーク、ニューラルネットワーク、アダブースト、ランダムフォレスト等が挙げられる。これらは単独で使用しても２つ以上を併用してもよい。データ数が少ない場合は、線形モデルを採用する方法を採用することが、過学習の防止および解釈可能性の高さの観点から好ましい。一実施形態において、機械学習は、線形サポートベクターマシン、又は変分ベイズロジスティック回帰が好ましい。また、一実施形態において、機械学習は、LibSVM、TensorFlowTM、Chainer（商標）、Jubatus（商標）、Caffe、Theano、Torch、neonTM、MXNet、The Microsoft Cognitive Toolkit、R(C)、MATLAB（商標）、Mathematica（商標）、SAS（商標）、RapidMiner（商標）、KNIME（商標）、WeKa、shogun-toolbox/shogun、Orange、Apache MahoutTM、scikit-learn、mlpy、XGBoost、Deeplearning4j等のコンピュータソフトウェアを利用して実行することが好ましい。
一実施形態において、対象化合物が作用Ａを有するか否かを予測する方法は、ステップ（１）、（２）、（ｉ）、及び（ii）を含むことが好ましい。
２．対象化合物が作用Ａを有するか否かを予測する方法を実行するための手段を備えるシステム
対象化合物が作用Ａを有するか否かを予測する方法は、上記１で記載した通りである。一実施形態において、当該方法を実行するための手段は、入力装置、主記憶装置、補助記憶装置、演算装置、出力装置、及び制御装置を含むことが好ましい。
対象化合物が作用Ａを有するか否かを予測する方法は、上記１で記載した通りである。一実施形態において、当該方法を実行するための手段は、入力装置、主記憶装置、補助記憶装置、演算装置、出力装置、及び制御装置を含むことが好ましい。
入力装置は、学習用化合物及び／又は対象化合物の構造を入力可能な限り特に制限されず、例えば、キーボード、マウス、タッチパネル等が挙げられる。主記憶装置は、入力装置で入力されたデータ、補助記憶装置に格納されたデータ、プログラム等を取り込み格納できる限り特に制限されず、例えば、ＲＡＭ、ＲＯＭ等が挙げられる。補助記憶装置は、データ、プログラム等が格納できる限り特に制限されず、例えば、ハードディスクドライブ、光ディスク、ＳＳＤ等が挙げられる。制御装置は、主記憶装置に格納されたプログラムに従って、演算装置等を制御できる限り特に制限されない。出力装置は、演算装置で演算された結果を表示できる限り特に制限されず、例えば、ディスプレイ等が挙げられる。
上記手段を含むシステムは、例えば、入力装置で入力された構造データ、及び当該構造データから作用Ａに関連する記述子、予測モデル、予測結果等を作成するためのプログラムを主記憶装置に取り込んで格納し、前記データ及びプログラムを演算装置に取り込んで、制御装置から送られた演算命令に基づいて演算し、演算結果を主記憶装置に返して出力装置により出力することができる。
３．対象化合物が作用Ａを有するか否かを予測する方法を実行するためのプログラム及び記録媒体
対象化合物が作用Ａを有するか否かを予測する方法は、上記１で記載した通りである。プログラムは、上記方法を実行できる限り特に制限されない。一実施形態において、プログラムは、CD（Compact Disc）-ROM、CD-R、CD-RW、DVD（Digital Versatile Disc）、DVD-RAM、BD（Blu-ray（商標）Disc）、MO（MagnetoOptical disc）、SSD、磁気テープ、各種メモリーカード（USBフラッシュメモリー、SDメモリーカード等）等のコンピュータ読み取り可能な記憶媒体に格納した状態、或いはクラウドコンピュータ等からダウンロードする形態で提供される。また、ネットワークを介して接続されたコンピュータの補助記憶装置にプログラムを格納すること、ネットワークを通じて他のコンピュータにプログラムを転送することなども可能である。
対象化合物が作用Ａを有するか否かを予測する方法は、上記１で記載した通りである。プログラムは、上記方法を実行できる限り特に制限されない。一実施形態において、プログラムは、CD（Compact Disc）-ROM、CD-R、CD-RW、DVD（Digital Versatile Disc）、DVD-RAM、BD（Blu-ray（商標）Disc）、MO（MagnetoOptical disc）、SSD、磁気テープ、各種メモリーカード（USBフラッシュメモリー、SDメモリーカード等）等のコンピュータ読み取り可能な記憶媒体に格納した状態、或いはクラウドコンピュータ等からダウンロードする形態で提供される。また、ネットワークを介して接続されたコンピュータの補助記憶装置にプログラムを格納すること、ネットワークを通じて他のコンピュータにプログラムを転送することなども可能である。
４．ナノカーボンによる酵素−電極間電子伝達の増強剤
一実施形態において、ナノカーボンによる酵素−電極間電子伝達の増強剤は、化合物Ｘからなることが好ましい。化合物Ｘの記述子fr_Ar_OH、SMR_VSA6、PEOE_VSA11、fr_ester、及びfr_aryl_methylの値が、式(N), (N1)〜(N4), (M), 及び(M1)〜(M5)のいずれかで表されるf(x)≧０を満たすものであることが好ましく、下記式：
−1.00＋2.00×fr_Ar_OH＋0.37×SMR_VSA6−0.20×PEOE_VSA11＋1.43×fr_aryl_methyl
≧０
を満たすものであることが特に好ましい。また、式(N1)〜(N4)及び(M1)〜(M5)のうち、２つ以上の式（例えば、式(N1)及び(N4)）において、f(x)≧０を満たすものであることも好ましい。
一実施形態において、ナノカーボンによる酵素−電極間電子伝達の増強剤は、化合物Ｘからなることが好ましい。化合物Ｘの記述子fr_Ar_OH、SMR_VSA6、PEOE_VSA11、fr_ester、及びfr_aryl_methylの値が、式(N), (N1)〜(N4), (M), 及び(M1)〜(M5)のいずれかで表されるf(x)≧０を満たすものであることが好ましく、下記式：
−1.00＋2.00×fr_Ar_OH＋0.37×SMR_VSA6−0.20×PEOE_VSA11＋1.43×fr_aryl_methyl
≧０
を満たすものであることが特に好ましい。また、式(N1)〜(N4)及び(M1)〜(M5)のうち、２つ以上の式（例えば、式(N1)及び(N4)）において、f(x)≧０を満たすものであることも好ましい。
一実施形態において、化合物Ｘは、上記１で記載した対象化合物と同様の構造を有することが好ましく、単独でメディエータとしての機能をもたない化合物であることが好ましい。なお、ナノカーボン、酵素、及び電極は、上記１で記載した通りである。
＜学習用データ＞
ＰＥＴ基板に金を蒸着したシートを用いて、９ｍｍ２の作用電極部位を持つ電極チップを作製した（図１）。図１において、「１」はＰＥＴフィルムであり、「２」は粘着シートであり、「３」は金蒸着ＰＥＴフィルムであり、「４」は作用電極部位を示す。この作用電極部位に２％（ｗ／ｖ）のコール酸ナトリウム及び０．１５％（ｗ／ｖ）の単層カーボンナノチューブ（ＳｕｐｅｒＰｕｒｅＴｕｂｅｓ、ＮａｎｏＩｎｔｅｇｒｉｓ社、外径１．１〜１．７ｎｍ）を含む水分散液を５μＬ滴下し乾燥させた。乾燥後、作用電極部位に超純水に溶解したＦＡＤＧＤＨ（配列番号２のアミノ酸配列を有する；２０Ｕ／μＬ）を５μＬ滴下し乾燥させた。乾燥後、作用電極部位に、下記の群１及び群２の化合物をエタノール又はアセトン又はリン酸ナトリウム緩衝液に溶解した溶液（１％（ｗ／ｖ））を５μＬ滴下し乾燥させた。乾燥後、作用電極部位に３％（ｗ／ｖ）ナフィオン液を５μＬ滴下し乾燥させ、カーボンナノチューブ及びＦＡＤＧＤＨを作用電極に固定化した。
ＰＥＴ基板に金を蒸着したシートを用いて、９ｍｍ２の作用電極部位を持つ電極チップを作製した（図１）。図１において、「１」はＰＥＴフィルムであり、「２」は粘着シートであり、「３」は金蒸着ＰＥＴフィルムであり、「４」は作用電極部位を示す。この作用電極部位に２％（ｗ／ｖ）のコール酸ナトリウム及び０．１５％（ｗ／ｖ）の単層カーボンナノチューブ（ＳｕｐｅｒＰｕｒｅＴｕｂｅｓ、ＮａｎｏＩｎｔｅｇｒｉｓ社、外径１．１〜１．７ｎｍ）を含む水分散液を５μＬ滴下し乾燥させた。乾燥後、作用電極部位に超純水に溶解したＦＡＤＧＤＨ（配列番号２のアミノ酸配列を有する；２０Ｕ／μＬ）を５μＬ滴下し乾燥させた。乾燥後、作用電極部位に、下記の群１及び群２の化合物をエタノール又はアセトン又はリン酸ナトリウム緩衝液に溶解した溶液（１％（ｗ／ｖ））を５μＬ滴下し乾燥させた。乾燥後、作用電極部位に３％（ｗ／ｖ）ナフィオン液を５μＬ滴下し乾燥させ、カーボンナノチューブ及びＦＡＤＧＤＨを作用電極に固定化した。
電気化学アナライザー（ＡＬＳ／ＣＨＩ ６６０Ｂ、エービーエス（株）社製）の作用極に上記で作製した電極チップ、参照電極に銀／塩化銀電極、対極に白金線をセットした。この３電極を４０ｍＭリン酸ナトリウム緩衝液（ｐＨ７．４）に浸漬した。この緩衝液にグルコースを添加しない場合、又はグルコースを４８ｍＭとなるように添加する場合において、サイクリックボルタンメトリーによる測定を実施した。
上記と同様に、ＰＥＴ基板に金を蒸着したシートを用いて、９ｍｍ２の作用電極部位を持つ電極チップを用意した（図１）。この作用電極部位に２％（ｗ／ｖ）のコール酸ナトリウム及び０．１５％（ｗ／ｖ）の単層カーボンナノチューブ（ＳｕｐｅｒＰｕｒｅＴｕｂｅｓ、ＮａｎｏＩｎｔｅｇｒｉｓ社、外径１．１〜１．７ｎｍ）を含む水分散液を５μＬ滴下し乾燥させた。乾燥後、作用電極部位に超純水に溶解したＦＡＤＧＤＨ（配列番号２のアミノ酸配列を有する；２０Ｕ／μＬ）を５μＬ滴下し乾燥させた。乾燥後、作用電極部位に３％（ｗ／ｖ）ナフィオン液を５μＬ滴下し乾燥させ、カーボンナノチューブ及びＦＡＤＧＤＨを作用電極に固定化した。次に、４０ｍＭリン酸ナトリウム緩衝液（ｐＨ７．４）に、下記の群１及び群２の化合物を０．１％（ｗ／ｖ）添加して溶解した。電気化学アナライザー（ＡＬＳ／ＣＨＩ ６６０Ｂ）の作用極に上記で作製した電極チップ、参照電極に銀／塩化銀電極、対極に白金線をセットし、上記学習用化合物を溶解したリン酸ナトリウム緩衝液に浸漬した。この緩衝液にグルコースを添加しない（０ｍＭ）、又はグルコースを４８ｍＭとなるように添加する場合において、サイクリックボルタンメトリーによる測定を実施した。
得られたサイクリックボルタモグラムから、群１の化合物は、カーボンナノチューブによる酵素−電極間電子伝達を増強する作用Ａを有さず、群２の化合物は作用Ａを有することが分かった。
作用Ａを有さない化合物として群１の化合物を含む17個の化合物を、作用Ａを有する化合物として群２の化合物からなる17個の化合物を、学習用データに用いた。
＜予測モデルの作成＞
作用Ａの有無の予測モデルの作成は、学習用データを用いて、(1)記述子の作成、(2)作用Ａに関連する記述子の抽出、及び(3)予測式の作成の3段階により行った。
作用Ａの有無の予測モデルの作成は、学習用データを用いて、(1)記述子の作成、(2)作用Ａに関連する記述子の抽出、及び(3)予測式の作成の3段階により行った。
(1) 記述子の作成
Rdkit(Open-source cheminformatics; http://www.rdkit.org)を用いて、学習用データの各化合物を、化学構造式に基づいて、200種類の記述子の値を計算し、200次元ベクトルに変換した。200種類の記述子には、官能基数、トポロジー、分極性などを表す記述子が含まれる。なお、基本的で汎用性の高い記述子を優先的に用いるため、3次元記述子は除外した。また、学習用データの化合物全てに対し同じ値をもつ記述子は意味をもたないため除外した。
Rdkit(Open-source cheminformatics; http://www.rdkit.org)を用いて、学習用データの各化合物を、化学構造式に基づいて、200種類の記述子の値を計算し、200次元ベクトルに変換した。200種類の記述子には、官能基数、トポロジー、分極性などを表す記述子が含まれる。なお、基本的で汎用性の高い記述子を優先的に用いるため、3次元記述子は除外した。また、学習用データの化合物全てに対し同じ値をもつ記述子は意味をもたないため除外した。
(2) 作用Ａに関連する記述子の抽出
学習用データの化合物の作用Ａの有無を判定するために必要な記述子は、200種類のうちでも少数であるから、予測式を作成する前に、記述子の抽出を行った。記述子の抽出には、直交マッチング追跡(orthogonal matching pursuit; OMP)(MALLAT, Stephane; ZHANG, Zhifeng. Matching pursuit with time-frequency dictionaries. Courant Institute of Mathematical Sciences New York United States, 1993)を用いた。OMPはスパースモデリングの一種であり、式(1)のL0ノルム制限付き最適化問題(Rubinstein, R., Zibulevsky, M. and Elad, M., Efficient Implementation of the K-SVD Algorithm using Batch Orthogonal Matching Pursuit Technical Report - CS Technion, April 2008)を係数ベクトルCについて解いた。
ここで、y＝(y１,…,yｎ)Ｔの成分yｉは各化合物の作用Ａの有(1)無(-1)を表し、X＝(x１,…,xｎ)Ｔは各化合物の記述子xｉを並べた行列である。このとき、式(1)を解いて得られる係数ベクトルCは、たかだかS個しか非ゼロ要素をもたないスパース（疎）なベクトルとなる。そこで、非ゼロ要素に対応する記述子を抽出し、次の予測式の作成に使用した。
学習用データの化合物の作用Ａの有無を判定するために必要な記述子は、200種類のうちでも少数であるから、予測式を作成する前に、記述子の抽出を行った。記述子の抽出には、直交マッチング追跡(orthogonal matching pursuit; OMP)(MALLAT, Stephane; ZHANG, Zhifeng. Matching pursuit with time-frequency dictionaries. Courant Institute of Mathematical Sciences New York United States, 1993)を用いた。OMPはスパースモデリングの一種であり、式(1)のL0ノルム制限付き最適化問題(Rubinstein, R., Zibulevsky, M. and Elad, M., Efficient Implementation of the K-SVD Algorithm using Batch Orthogonal Matching Pursuit Technical Report - CS Technion, April 2008)を係数ベクトルCについて解いた。
なお、OMPを行う前に、計算の安定化を目的として記述子行列Xを列、すなわち記述子ごとに標準化変換（式(2)）することが一般的である。
ここで、μｊは列ごとの平均、σｊは標準偏差を表す。しかし、データ数が少ない場合、外れ値が存在する場合には、標準化変換をしても変換後の分布は標準正規分布とはならない可能性がある。そこで、OMPを行う前に、より強力にデータを標準正規分布に近づけることのできるYeo-Johnson変換(YEO, In‐Kwon; JOHNSON, Richard A. A new family of power transformations to improve normality or symmetry. Biometrika, 2000, 87.4: 954-959)を列ごとに行った(式(3)）。
ここでλｊは0≦λｊ≦2の範囲の指数パラメータであり、最尤推定により決定した。これらの処理は、機械学習用PythonライブラリであるScikit-learn(Machine Learning in Python, Pedregosa et al., JMLR 12, pp. 2825-2830, 2011)を用いて実行した。
抽出する記述子の数Sが1のとき、fr_Ar_OHという記述子が選ばれ、Sが2のとき、さらにSMR_VSA6という記述子が選ばれ、Sが3のとき、さらにPEOE_VSA11という記述子が選ばれ、Sが4のとき、さらにfr_aryl_methylという記述子が選ばれた。或いは、抽出する記述子の数Sが1のとき、SMR_VSA9という記述子が選ばれ、Sが2のとき、さらにfr_esterという記述子が選ばれ、Sが3のとき、さらにfr_aryl_methylという記述子が選ばれ、Sが4のとき、さらにSMR_VSA6という記述子が選ばれ、Sが5のとき、さらにPEOE_VSA11という記述子が選ばれた。
(3) 予測式の作成
既に重要な記述子がOMPにより抽出されており、単純な分類手法で十分であるため、予測式の作成には、線形カーネルによるサポートベクター分類(Support Vector Classification; SVC)(R.-E. Fan, K.-W. Chang, C.-J. Hsieh, X.-R. Wang, and C.-J. Lin. LIBLINEAR: A Library for Large Linear Classification, Journal of Machine Learning Research 9(2008), 1871-1874. Software available at http://www.csie.ntu.edu.tw/~cjlin/liblinear)を用いた。線形SVCでは、双対変数ベクトル
に関する拘束付き最小化(式(4))を行った。
ここでxｉとyｉは式(1)と同様に各化合物の記述子と作用Ａの有無を表す。ただし、バイアス（切片）の効果を考慮するためにxｉの第0次元に定数項を追加した：
このとき、最適化された双対変数ベクトルαを用い、作用Ａの有無を判別する式(5)を得た。
ここで、
である。また、式(4)中のCは正則化係数と呼ばれるハイパーパラメータである。一つ抜き(Leave One Out)法を用いた交差検証によりCの決定を試みたが、Cを変化させてもテスト精度が変わらず安定していたため、C＝1とした。これら線形SVCの計算は、Scikit-learnを用いて実行した。なお、予測式の作成に関しては、前述の抽出とは異なり、記述子に対するYeo-Johnson変換及び標準化変換は施していない。
既に重要な記述子がOMPにより抽出されており、単純な分類手法で十分であるため、予測式の作成には、線形カーネルによるサポートベクター分類(Support Vector Classification; SVC)(R.-E. Fan, K.-W. Chang, C.-J. Hsieh, X.-R. Wang, and C.-J. Lin. LIBLINEAR: A Library for Large Linear Classification, Journal of Machine Learning Research 9(2008), 1871-1874. Software available at http://www.csie.ntu.edu.tw/~cjlin/liblinear)を用いた。線形SVCでは、双対変数ベクトル
以上の手順により、抽出する記述子の数Sが1〜4の場合の予測式を作成した。
学習用化合物の作用Ａの有無の予測精度は、予測式(N1)の場合91.2％であり、予測式(N2)の場合94.1％であり、予測式(N3)の場合97.1％であり、予測式(N4)の場合100％であり、予測式(M1)の場合91.2％であり、予測式(M2)の場合94.1％であり、予測式(M3)の場合97.1％であり、予測式(M4)の場合97.1％であり、予測式(M5)の場合100％であった。
＜検証用データ＞
群３の化合物を検証用データに用いた。
群３の化合物を検証用データに用いた。
群３の各化合物について、化学構造式から記述子の値を算出し、その値を予測式に適用したところ、予測式(N1)〜(N4)及び(M1)〜(M5)のいずれを用いても、群３のうち、化合物（3-1）〜（3-9）は作用Ａを有し、化合物（3-10）及び（3-11）は作用Ａを有さないと予測された。実際、群３の化合物を学習用データで述べたのと同様の試験に供したところ、予測通りの結果となり、予測と実際の結果は完全に一致する（予測精度が１００％である）ことが分かった。
Claims (11)
- 対象化合物が、ナノカーボンによる酵素−電極間電子伝達を増強する作用Ａを有するか否かを予測する方法であって、
対象化合物の構造から作用Ａに関連する記述子の値を生成するステップ、及び
前記作用Ａに関連する記述子の値を、作用Ａに関連する記述子の関数として表される予測モデルに適用し、対象化合物が作用Ａを有するか否かを予測するステップ
を含んでおり、
前記作用Ａに関連する記述子が、fr_Ar_OH又はSMR_VSA9を含む、方法。 - 前記作用Ａに関連する記述子が、さらにSMR_VSA6、PEOE_VSA11、fr_ester、及びfr_aryl_methylからなる群から選択される少なくとも一種の記述子を含む、請求項１に記載の方法。
- 前記作用Ａに関連する記述子が、さらにSMR_VSA6、PEOE_VSA11、及びfr_aryl_methylを含む、請求項１に記載の方法。
- 前記予測モデルが、
f(x)＝−1.00＋a×fr_Ar_OH＋b×SMR_VSA6＋c×PEOE_VSA11＋d×fr_aryl_methyl、又はf(x)＝−1.00＋e×SMR_VSA9＋f×fr_ester＋g×fr_aryl_methyl＋h×SMR_VSA6＋i×PEOE_VSA11
（式中、a〜iは、機械学習により決定される数である。）
において、f(x)が０以上であれば、対象化合物が作用Ａを有すると予測するモデルである、請求項１〜３のいずれかに記載の方法。 - 対象化合物が、ナノカーボンによる酵素−電極間電子伝達を増強する作用Ａを有するか否かを予測する方法であって、
学習用化合物の構造から作用Ａに関連する記述子を抽出するステップ、
前記作用Ａに関連する記述子の関数として表される予測モデルを作成するステップ、 対象化合物の構造から作用Ａに関連する記述子の値を生成するステップ、及び
前記作用Ａに関連する記述子の値を前記予測モデルに適用し、対象化合物が作用Ａを有するか否かを予測するステップ
を含む、方法。 - 請求項１〜５のいずれかに記載の方法を実行するための手段を備えるシステム。
- 請求項１〜５のいずれかに記載の方法を実行するためのプログラム。
- 請求項７に記載のプログラムが記録された記録媒体。
- 化合物Ｘからなる、ナノカーボンによる酵素−電極間電子伝達の増強剤であって、
化合物Ｘの記述子fr_Ar_OH、SMR_VSA6、PEOE_VSA11、及びfr_aryl_methylの値が、下記式：
−1.00＋2.00×fr_Ar_OH＋0.37×SMR_VSA6−0.20×PEOE_VSA11＋1.43×fr_aryl_methyl≧０
を満たす、増強剤（但し、水溶性導電性ポリマーを除く）。 - 化合物Ｘからなる、ナノカーボンによる酵素−電極間電子伝達の増強剤であって、
化合物Ｘの記述子fr_Ar_OH、SMR_VSA6、PEOE_VSA11、及びfr_aryl_methylの値が、下記式：
−1.00＋2.00×fr_Ar_OH＋0.37×SMR_VSA6−0.20×PEOE_VSA11＋1.43×fr_aryl_methyl≧０
を満たし、且つ、化合物Ｘの分子量が１０００以下である、増強剤。 - 化合物Ｘが、芳香環骨格を有する化合物である、請求項９又は１０に記載の増強剤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019121978A JP6891372B2 (ja) | 2019-06-28 | 2019-06-28 | 酵素−電極間電子伝達増強作用の有無の予測方法 |
| PCT/JP2020/024471 WO2020262327A1 (ja) | 2019-06-28 | 2020-06-22 | 酵素－電極間電子伝達増強作用の有無の予測方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019121978A JP6891372B2 (ja) | 2019-06-28 | 2019-06-28 | 酵素−電極間電子伝達増強作用の有無の予測方法 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020184522A Division JP2021040633A (ja) | 2020-11-04 | 2020-11-04 | 酵素−電極間電子伝達増強作用の有無の予測方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021007323A JP2021007323A (ja) | 2021-01-28 |
| JP6891372B2 true JP6891372B2 (ja) | 2021-06-18 |
Family
ID=74059769
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019121978A Active JP6891372B2 (ja) | 2019-06-28 | 2019-06-28 | 酵素−電極間電子伝達増強作用の有無の予測方法 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6891372B2 (ja) |
| WO (1) | WO2020262327A1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021040633A (ja) * | 2020-11-04 | 2021-03-18 | 東洋紡株式会社 | 酵素−電極間電子伝達増強作用の有無の予測方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007055100A1 (ja) * | 2005-11-08 | 2007-05-18 | Ultizyme International Ltd. | 酵素電極 |
| JP5026873B2 (ja) * | 2007-07-04 | 2012-09-19 | 株式会社船井電機新応用技術研究所 | 酵素電極、酵素電極の製造方法及び酵素センサ |
| CN101908630B (zh) * | 2009-06-04 | 2012-08-08 | 中国科学院化学研究所 | 一种介体型生物燃料电池阳极及其制备方法 |
| US20130230744A1 (en) * | 2010-11-18 | 2013-09-05 | Japan Science And Technology Agency | Electrode for microbial fuel cell and microbial fuel cell using the same |
| EP2866025B1 (en) * | 2012-06-25 | 2023-08-16 | ARKRAY, Inc. | Enzyme electrode |
| CN105492902B (zh) * | 2013-08-07 | 2020-07-24 | 爱科来株式会社 | 使用电化学式生物传感器的物质测量方法和测量装置 |
| JP6312441B2 (ja) * | 2014-01-09 | 2018-04-18 | 国立大学法人信州大学 | 単層カーボンナノチューブ、それを含む電極シート、それの製造方法、および、それの分散体の製造方法 |
| CN105403605A (zh) * | 2015-10-23 | 2016-03-16 | 太原理工大学 | 一种纳米碳管载葡萄糖氧化酶膜电极的制备方法 |
| US10697918B2 (en) * | 2016-05-04 | 2020-06-30 | Massachusetts Institute Of Technology | Polymer / single-walled carbon nanotube composite for gas detection |
| JP6901717B2 (ja) * | 2016-08-29 | 2021-07-14 | 国立研究開発法人産業技術総合研究所 | グルコースセンサ用試薬、グルコースセンサ、グルコースセンサの製造方法、および、グルコース測定装置 |
-
2019
- 2019-06-28 JP JP2019121978A patent/JP6891372B2/ja active Active
-
2020
- 2020-06-22 WO PCT/JP2020/024471 patent/WO2020262327A1/ja active Application Filing
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021040633A (ja) * | 2020-11-04 | 2021-03-18 | 東洋紡株式会社 | 酵素−電極間電子伝達増強作用の有無の予測方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020262327A1 (ja) | 2020-12-30 |
| JP2021007323A (ja) | 2021-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lv et al. | Evaluation of different computational methods on 5-methylcytosine sites identification | |
| Lv et al. | RF-PseU: a random forest predictor for RNA pseudouridine sites | |
| Ashoor et al. | Graph embedding and unsupervised learning predict genomic sub-compartments from HiC chromatin interaction data | |
| Zhang et al. | NARROMI: a noise and redundancy reduction technique improves accuracy of gene regulatory network inference | |
| Xing et al. | Identifying N6-methyladenosine sites using multi-interval nucleotide pair position specificity and support vector machine | |
| Filipovska et al. | A universal code for RNA recognition by PUF proteins | |
| He | Grand challenge commentary: RNA epigenetics? | |
| Chuang et al. | An improved PSO algorithm for generating protective SNP barcodes in breast cancer | |
| Huang et al. | 6mA-RicePred: a method for identifying DNA N6-methyladenine sites in the rice genome based on feature fusion | |
| Liu et al. | iRSpot-DACC: a computational predictor for recombination hot/cold spots identification based on dinucleotide-based auto-cross covariance | |
| Corrado et al. | RNAcommender: genome-wide recommendation of RNA–protein interactions | |
| Mao et al. | Comparative analyses between retained introns and constitutively spliced introns in Arabidopsis thaliana using random forest and support vector machine | |
| Manavalan et al. | Computational prediction of species-specific yeast DNA replication origin via iterative feature representation | |
| Abbas et al. | TS-m6A-DL: Tissue-specific identification of N6-methyladenosine sites using a universal deep learning model | |
| Song et al. | m6A-TSHub: unveiling the context-specific m 6 A methylation and m 6 A-affecting mutations in 23 human tissues | |
| Barash et al. | Model-based detection of alternative splicing signals | |
| He et al. | Sc-ncdnapred: a sequence-based predictor for identifying non-coding dna in saccharomyces cerevisiae | |
| Zhang et al. | Identifying circular RNA and predicting its regulatory interactions by machine learning | |
| JP6891372B2 (ja) | 酵素−電極間電子伝達増強作用の有無の予測方法 | |
| Choi et al. | Predicting protein-binding regions in RNA using nucleotide profiles and compositions | |
| Cai et al. | A bioinformatics tool for the prediction of DNA N6-Methyladenine modifications based on feature fusion and optimization protocol | |
| Ahmed et al. | Accurate prediction of RNA 5-hydroxymethylcytosine modification by utilizing novel position-specific gapped k-mer descriptors | |
| Guo et al. | Prediction of hormone-binding proteins based on K-mer feature representation and naive bayes | |
| Patiyal et al. | Sigma70Pred: a highly accurate method for predicting sigma70 promoter in Escherichia coli K-12 strains | |
| JP2021040633A (ja) | 酵素−電極間電子伝達増強作用の有無の予測方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190701 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190701 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190816 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190827 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20191021 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191206 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200303 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20200804 |
|
| C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20201104 |
|
| C876 | Explanation why request for accelerated appeal examination is justified |
Free format text: JAPANESE INTERMEDIATE CODE: C876 Effective date: 20201104 |
|
| C305 | Report on accelerated appeal examination |
Free format text: JAPANESE INTERMEDIATE CODE: C305 Effective date: 20201118 |
|
| C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20201124 |
|
| C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20201216 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210210 |
|
| C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20210224 |
|
| C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20210330 |
|
| C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20210330 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210428 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6891372 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |