JP7139805B2 - 化合物探索装置、化合物探索方法、及び化合物探索プログラム - Google Patents
化合物探索装置、化合物探索方法、及び化合物探索プログラム Download PDFInfo
- Publication number
- JP7139805B2 JP7139805B2 JP2018169832A JP2018169832A JP7139805B2 JP 7139805 B2 JP7139805 B2 JP 7139805B2 JP 2018169832 A JP2018169832 A JP 2018169832A JP 2018169832 A JP2018169832 A JP 2018169832A JP 7139805 B2 JP7139805 B2 JP 7139805B2
- Authority
- JP
- Japan
- Prior art keywords
- compound
- lattice
- lattice space
- space
- search
- 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
- 150000001875 compounds Chemical class 0.000 title claims description 212
- 238000000034 method Methods 0.000 title claims description 66
- 125000000539 amino acid group Chemical group 0.000 claims description 84
- 108090000623 proteins and genes Proteins 0.000 claims description 46
- 102000004169 proteins and genes Human genes 0.000 claims description 46
- 230000005366 Ising model Effects 0.000 claims description 32
- 238000000137 annealing Methods 0.000 claims description 30
- 230000005283 ground state Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000007704 transition Effects 0.000 description 47
- 235000018102 proteins Nutrition 0.000 description 35
- 230000006870 function Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 27
- 229910003460 diamond Inorganic materials 0.000 description 17
- 239000010432 diamond Substances 0.000 description 17
- 150000001413 amino acids Chemical class 0.000 description 16
- 235000001014 amino acid Nutrition 0.000 description 14
- 229940024606 amino acid Drugs 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 11
- 230000003993 interaction Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 5
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 238000002424 x-ray crystallography Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- DHMQDGOQFOQNFH-UHFFFAOYSA-N Glycine Chemical compound NCC(O)=O DHMQDGOQFOQNFH-UHFFFAOYSA-N 0.000 description 2
- COLNVLDHVKWLRT-QMMMGPOBSA-N L-phenylalanine Chemical compound OC(=O)[C@@H](N)CC1=CC=CC=C1 COLNVLDHVKWLRT-QMMMGPOBSA-N 0.000 description 2
- UCMIRNVEIXFBKS-UHFFFAOYSA-N beta-alanine Chemical compound NCCC(O)=O UCMIRNVEIXFBKS-UHFFFAOYSA-N 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 229920002521 macromolecule Polymers 0.000 description 2
- 230000012846 protein folding Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- MTCFGRXMJLQNBG-REOHCLBHSA-N (2S)-2-Amino-3-hydroxypropansäure Chemical compound OC[C@H](N)C(O)=O MTCFGRXMJLQNBG-REOHCLBHSA-N 0.000 description 1
- -1 10A compound Chemical class 0.000 description 1
- 239000004475 Arginine Substances 0.000 description 1
- DCXYFEDJOCDNAF-UHFFFAOYSA-N Asparagine Natural products OC(=O)C(N)CC(N)=O DCXYFEDJOCDNAF-UHFFFAOYSA-N 0.000 description 1
- WHUUTDBJXJRKMK-UHFFFAOYSA-N Glutamic acid Natural products OC(=O)C(N)CCC(O)=O WHUUTDBJXJRKMK-UHFFFAOYSA-N 0.000 description 1
- 239000004471 Glycine Substances 0.000 description 1
- XUJNEKJLAYXESH-REOHCLBHSA-N L-Cysteine Chemical compound SC[C@H](N)C(O)=O XUJNEKJLAYXESH-REOHCLBHSA-N 0.000 description 1
- ONIBWKKTOPOVIA-BYPYZUCNSA-N L-Proline Chemical compound OC(=O)[C@@H]1CCCN1 ONIBWKKTOPOVIA-BYPYZUCNSA-N 0.000 description 1
- QNAYBMKLOCPYGJ-REOHCLBHSA-N L-alanine Chemical compound C[C@H](N)C(O)=O QNAYBMKLOCPYGJ-REOHCLBHSA-N 0.000 description 1
- ODKSFYDXXFIFQN-BYPYZUCNSA-P L-argininium(2+) Chemical compound NC(=[NH2+])NCCC[C@H]([NH3+])C(O)=O ODKSFYDXXFIFQN-BYPYZUCNSA-P 0.000 description 1
- DCXYFEDJOCDNAF-REOHCLBHSA-N L-asparagine Chemical compound OC(=O)[C@@H](N)CC(N)=O DCXYFEDJOCDNAF-REOHCLBHSA-N 0.000 description 1
- CKLJMWTZIZZHCS-REOHCLBHSA-N L-aspartic acid Chemical compound OC(=O)[C@@H](N)CC(O)=O CKLJMWTZIZZHCS-REOHCLBHSA-N 0.000 description 1
- WHUUTDBJXJRKMK-VKHMYHEASA-N L-glutamic acid Chemical compound OC(=O)[C@@H](N)CCC(O)=O WHUUTDBJXJRKMK-VKHMYHEASA-N 0.000 description 1
- ZDXPYRJPNDTMRX-VKHMYHEASA-N L-glutamine Chemical compound OC(=O)[C@@H](N)CCC(N)=O ZDXPYRJPNDTMRX-VKHMYHEASA-N 0.000 description 1
- HNDVDQJCIGZPNO-YFKPBYRVSA-N L-histidine Chemical compound OC(=O)[C@@H](N)CC1=CN=CN1 HNDVDQJCIGZPNO-YFKPBYRVSA-N 0.000 description 1
- AGPKZVBTJJNPAG-WHFBIAKZSA-N L-isoleucine Chemical compound CC[C@H](C)[C@H](N)C(O)=O AGPKZVBTJJNPAG-WHFBIAKZSA-N 0.000 description 1
- ROHFNLRQFUQHCH-YFKPBYRVSA-N L-leucine Chemical compound CC(C)C[C@H](N)C(O)=O ROHFNLRQFUQHCH-YFKPBYRVSA-N 0.000 description 1
- KDXKERNSBIXSRK-YFKPBYRVSA-N L-lysine Chemical compound NCCCC[C@H](N)C(O)=O KDXKERNSBIXSRK-YFKPBYRVSA-N 0.000 description 1
- FFEARJCKVFRZRR-BYPYZUCNSA-N L-methionine Chemical compound CSCC[C@H](N)C(O)=O FFEARJCKVFRZRR-BYPYZUCNSA-N 0.000 description 1
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 1
- QIVBCDIJIAJPQS-VIFPVBQESA-N L-tryptophane Chemical compound C1=CC=C2C(C[C@H](N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-VIFPVBQESA-N 0.000 description 1
- OUYCCCASQSFEME-QMMMGPOBSA-N L-tyrosine Chemical compound OC(=O)[C@@H](N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-QMMMGPOBSA-N 0.000 description 1
- KZSNJWFQEVHDMF-BYPYZUCNSA-N L-valine Chemical compound CC(C)[C@H](N)C(O)=O KZSNJWFQEVHDMF-BYPYZUCNSA-N 0.000 description 1
- ROHFNLRQFUQHCH-UHFFFAOYSA-N Leucine Natural products CC(C)CC(N)C(O)=O ROHFNLRQFUQHCH-UHFFFAOYSA-N 0.000 description 1
- KDXKERNSBIXSRK-UHFFFAOYSA-N Lysine Natural products NCCCCC(N)C(O)=O KDXKERNSBIXSRK-UHFFFAOYSA-N 0.000 description 1
- 239000004472 Lysine Substances 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- ONIBWKKTOPOVIA-UHFFFAOYSA-N Proline Natural products OC(=O)C1CCCN1 ONIBWKKTOPOVIA-UHFFFAOYSA-N 0.000 description 1
- MTCFGRXMJLQNBG-UHFFFAOYSA-N Serine Natural products OCC(N)C(O)=O MTCFGRXMJLQNBG-UHFFFAOYSA-N 0.000 description 1
- AYFVYJQAPQTCCC-UHFFFAOYSA-N Threonine Natural products CC(O)C(N)C(O)=O AYFVYJQAPQTCCC-UHFFFAOYSA-N 0.000 description 1
- 239000004473 Threonine Substances 0.000 description 1
- QIVBCDIJIAJPQS-UHFFFAOYSA-N Tryptophan Natural products C1=CC=C2C(CC(N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-UHFFFAOYSA-N 0.000 description 1
- KZSNJWFQEVHDMF-UHFFFAOYSA-N Valine Natural products CC(C)C(N)C(O)=O KZSNJWFQEVHDMF-UHFFFAOYSA-N 0.000 description 1
- 235000004279 alanine Nutrition 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- ODKSFYDXXFIFQN-UHFFFAOYSA-N arginine Natural products OC(=O)C(N)CCCNC(N)=N ODKSFYDXXFIFQN-UHFFFAOYSA-N 0.000 description 1
- 235000009697 arginine Nutrition 0.000 description 1
- 235000009582 asparagine Nutrition 0.000 description 1
- 229960001230 asparagine Drugs 0.000 description 1
- 235000003704 aspartic acid Nutrition 0.000 description 1
- 229940000635 beta-alanine Drugs 0.000 description 1
- 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 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 235000018417 cysteine Nutrition 0.000 description 1
- XUJNEKJLAYXESH-UHFFFAOYSA-N cysteine Natural products SCC(N)C(O)=O XUJNEKJLAYXESH-UHFFFAOYSA-N 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000007876 drug discovery Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 235000013922 glutamic acid Nutrition 0.000 description 1
- 239000004220 glutamic acid Substances 0.000 description 1
- ZDXPYRJPNDTMRX-UHFFFAOYSA-N glutamine Natural products OC(=O)C(N)CCC(N)=O ZDXPYRJPNDTMRX-UHFFFAOYSA-N 0.000 description 1
- 235000004554 glutamine Nutrition 0.000 description 1
- 229920000140 heteropolymer Polymers 0.000 description 1
- HNDVDQJCIGZPNO-UHFFFAOYSA-N histidine Natural products OC(=O)C(N)CC1=CN=CN1 HNDVDQJCIGZPNO-UHFFFAOYSA-N 0.000 description 1
- AGPKZVBTJJNPAG-UHFFFAOYSA-N isoleucine Natural products CCC(C)C(N)C(O)=O AGPKZVBTJJNPAG-UHFFFAOYSA-N 0.000 description 1
- 229960000310 isoleucine Drugs 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229930182817 methionine Natural products 0.000 description 1
- COLNVLDHVKWLRT-UHFFFAOYSA-N phenylalanine Natural products OC(=O)C(N)CC1=CC=CC=C1 COLNVLDHVKWLRT-UHFFFAOYSA-N 0.000 description 1
- 230000009870 specific binding Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- OUYCCCASQSFEME-UHFFFAOYSA-N tyrosine Natural products OC(=O)C(N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-UHFFFAOYSA-N 0.000 description 1
- 239000004474 valine 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
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- 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
-
- 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
- G16B40/30—Unsupervised data 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
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- 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
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Chemical & Material Sciences (AREA)
- Bioethics (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Analytical Chemistry (AREA)
- Genetics & Genomics (AREA)
- Epidemiology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Description
一方で、タンパク質の折り畳み問題を解くために必要なビット数は、タンパク質の規模(アミノ酸残基の数)に対して、図1のグラフのように指数関数的に増加する。
このように、ハードウェアで扱えるビットの数の制約により解ける問題規模が制限され、アミノ酸の探索対象を広げることができない。
複数の化合物基が連結した化合物を探索する化合物探索装置において、
前記複数の化合物基が順次配置される格子の集合である格子空間を定義する定義部と、
前記複数の化合物基のいずれかを前記格子空間のいずれかの格子に配置後、次の化合物基を前記格子空間に配置する場合において、前記格子空間から前記次の化合物基を配置すべきでない領域を除外した制限格子空間を生成する制限部と、
前記制限格子空間に前記複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当てる割当部と、
前記各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、前記イジングモデルの最小エネルギーを算出する演算部と、
を有する。
複数の化合物基が連結した化合物を探索する化合物探索方法において、
コンピュータが、
前記複数の化合物基が順次配置される格子の集合である格子空間を定義し、
前記複数の化合物基のいずれかを前記格子空間のいずれかの格子に配置後、次の化合物基を前記格子空間に配置する場合において、前記格子空間から前記次の化合物基を配置すべきでない領域を除外した制限格子空間を生成し、
前記制限格子空間に前記複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当て、
前記各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、前記イジングモデルの最小エネルギーを算出する。
複数の化合物基が連結した化合物を探索する化合物探索プログラムにおいて、
コンピュータに、
前記複数の化合物基が順次配置される格子の集合である格子空間を定義させ、
前記複数の化合物基のいずれかを前記格子空間のいずれかの格子に配置後、次の化合物基を前記格子空間に配置する場合において、前記格子空間から前記次の化合物基を配置すべきでない領域を除外した制限格子空間を生成させ、
前記制限格子空間に前記複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当てさせ、
前記各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、前記イジングモデルの最小エネルギーを算出させる。
また、一つの側面では、所定の化合物の探索に必要な演算ビット又は量子ビットの数を抑制することができ、大きい分子量の化合物の探索が可能となる化合物探索方法を提供できる。
また、一つの側面では、所定の化合物の探索に必要な演算ビット又は量子ビットの数を抑制することができ、大きい分子量の化合物の探索が可能となる化合物探索プログラムを提供できる。
開示の化合物探索装置は、複数の化合物基が連結した化合物を探索する化合物探索装置である。
化合物探索装置は、定義部と、制限部と、割当部と、演算部とを少なくとも有する。
定義部は、複数の化合物基が順次配置される格子の集合である格子空間を定義する。
制限部は、複数の化合物基のいずれかを格子空間のいずれかの格子に配置後、次の化合物基を格子空間に配置する場合において、格子空間から次の化合物基を配置すべきでない領域を除外した制限格子空間を生成する。
割当部は、制限格子空間に複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当てる。
演算部は、各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、イジングモデルの最小エネルギーを算出する。
化合物探索方法においては、コンピュータが、複数の化合物基が順次配置される格子の集合である格子空間を定義し、複数の化合物基のいずれかを格子空間のいずれかの格子に配置後、次の化合物基を格子空間に配置する場合において、格子空間から次の化合物基を配置すべきでない領域を除外した制限格子空間を生成し、制限格子空間に複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当て、各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、イジングモデルの最小エネルギーを算出する。
化合物探索プログラムにおいては、コンピュータに、複数の化合物基が順次配置される格子の集合である格子空間を定義させ、複数の化合物基のいずれかを格子空間のいずれかの格子に配置後、次の化合物基を格子空間に配置する場合において、格子空間から次の化合物基を配置すべきでない領域を除外した制限格子空間を生成させ、制限格子空間に複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当てさせ、各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、イジングモデルの最小エネルギーを算出させる。
タンパク質の安定構造の探索は、通常、以下の手順で行われる。
次に、作成した粗視化モデルを用いて構造探索を行う(図2B)。構造探索は、後述するDiamond encording法によって行う。
次に、粗視化モデルを全原子に戻す(図2C)。
直線構造で表した場合に、5つのアミノ酸残基が結合した図3Aの構造を持つ直鎖ペンタペプチドを例として、考える。図3A~図3Eにおいて、丸の中の番号は、直鎖ペンタペプチドにおけるアミノ酸残基の番号を表す。
まず、ダイアモンド格子の中心に、番号1のアミノ酸残基を配置すると、図3Aに示すように、番号2のアミノ酸残基の配置可能な場所は、中心に隣接する図3Bに示す場所(番号2が付された場所)に限定される。
次に、番号2のアミノ酸残基に結合する番号3のアミノ酸残基の配置可能な場所は、図3Cにおいて、図3Bにおいて番号2が付された場所に隣接する場所(番号3が付された場所)に限定される。
次に、番号3のアミノ酸残基に結合する番号4のアミノ酸残基の配置可能な場所は、図3Dにおいて、図3Cにおいて番号3が付された場所に隣接する場所(番号4が付された場所)に限定される。
次に、番号4のアミノ酸残基に結合する番号5のアミノ酸残基の配置可能な場所は、図3Eにおいて、図3Dにおいて番号4が付された場所に隣接する場所(番号5が付された場所)に限定される。
このようにして、配置可能な場所をつないでいくことで、三次元の構造体が表現できる。
しかし、タンパク質においては、通常、アミノ酸残基同士の相互作用によって、アミノ酸残基が直鎖状に並ぶことはほとんどない。
そのため、図4に示すように、ダイアモンド格子空間の半径rを、アミノ酸残基の数(n)に一致させなくとも、タンパク質の立体構造を求めることができる。
化合物基がアミノ酸残基の場合、化合物としては、例えば、タンパク質が挙げられる。
アミノ酸残基の元となるアミノ酸としては、天然アミノ酸であってもよいし、人工アミノ酸であってもよい。天然アミノ酸としては、例えば、アラニン、アルギニン、アスパラギン、アスパラギン酸、システイン、グルタミン、グルタミン酸、グリシン、ヒスチジン、イソロイシン、ロイシン、リシン、メチオニン、フェニルアラニン、プロリン、セリン、トレオニン、トリプトファン、チロシン、バリン、β-アラニン、β-フェニルアラニンなどが挙げられる。人工アミノ酸としては、例えば、パラベンゾイルフェニルアラニンなどが挙げられる。
例えば、中分子創薬を対象とするタンパク質であれば、10~30程度であってもよい。
図5に示す化合物探索装置10Aは、化合物基数カウント部11と、定義部12と、制限部13と、割当部14と、H生成部15と、重み抽出部16と、重みファイル作成部17と、演算部18と、出力部19とを有する。
まず、化合物基数カウント部11では、入力されたタンパク質(アミノ酸酸残基の配列)を構成するアミノ酸残基(化合物基)の数(n)がカウントされる(S101)。
ここで、格子空間の定義の一例を説明する。格子空間は三次元であるが、以下では、簡略化のため二次元の場合を例として示す。
まず、ダイアモンド格子空間において半径rにある格子の集合をShellとし、各格子点をSrとする。すると、各格子点Srは、図7のように表すことができる。
ここで、図8Aにおいては、V1=S1であり、V2=S2である。
図8Bにおいて、V3=S3である。
図8Cにおいて、V4=S2、S4である。
図8Dにおいて、V5=S3、S5である。
なお、S1、S2、S3を三次元で表すと図9のようになる。図9において、A=S1であり、B=S2であり、C=S3である。
そして、制限格子空間を生成しない場合、n個のアミノ酸残基を有するタンパク質におけるi番目のアミノ酸残基に必要な空間Viは、以下の式で表される。
そして、奇数番目(i=奇数)のアミノ酸残基の場合は、J={1,3,.....i}であり、偶数番目(i=偶数)のアミノ酸残基の場合は、J={2,4,.....i}である。
そうすることで、i番目のアミノ酸残基に必要な空間であるViは、以下の式で表される。
そして、空間制限パラメータLが偶数、かつi<Lのとき、
・奇数番目(i=奇数)のアミノ酸残基の場合は、J={1,3,.....i}である。
・偶数番目(i=偶数)のアミノ酸残基の場合は、J={2,4,.....i}である。
空間制限パラメータLが偶数、かつi>Lのとき、
・奇数番目(i=奇数)のアミノ酸残基の場合は、J={1,3,.....L-1}である。
・偶数番目(i=偶数)のアミノ酸残基の場合は、J={2,4,.....L}である。
空間制限パラメータLが奇数、かつi<Lのとき、
・奇数番目(i=奇数)のアミノ酸残基の場合は、J={1,3,.....i}である。
・偶数番目(i=偶数)のアミノ酸残基の場合は、J={2,4,.....i}である。
空間制限パラメータLが奇数、かつi>Lのとき、
・奇数番目(i=奇数)のアミノ酸残基の場合は、J={1,3,.....L}である。
・偶数番目(i=偶数)のアミノ酸残基の場合は、J={2,4,.....L-1}である。
Hone,Hconn,Holap,Hpairの設定は、H生成部15のHone生成部15A、Hconn生成部15B、Holap生成部15C、Hpair生成部15Dにおいてそれぞれ行われる。
Hconnは、1~n番目のアミノ酸はそれぞれ繋がっているという制約を表す。
Holapは、1~n番目のアミノ酸はそれぞれ重ならないという制約を表す。
Hpairは、アミノ酸同士の相互作用を表す制約を表す。
なお、以下において説明する図11~図14において、X1は、番号1のアミノ酸残基が配置可能な位置を表す。
X2~X5は、番号2のアミノ酸残基が配置可能な位置を表す。
X6~X13は、番号3のアミノ酸残基が配置可能な位置を表す。
X14~X29は、番号4のアミノ酸残基が配置可能な位置を表す。
なお、上記関数において、λoneは、重み付けのための係数である。
なお、上記関数において、λconnは、重み付けのための係数である。例えば、λone>λconnの関係にある。
なお、上記関数において、λolapは、重み付けのための係数である。
次に、重みファイル作成部17において、抽出された重み係数に対応した重みファイルが作成される。重みファイルは、例えば、行列であり、例えば、2X1X2+4X2X3の場合、図15のような行列のファイルとなる。
右辺の1項目は、全ニューロン回路から選択可能な2つのニューロン回路の全組み合わせについて、漏れと重複なく、2つのニューロン回路の状態と重み値との積を積算したものである。
また、右辺の2項目は、全ニューロン回路のそれぞれのバイアス値と状態との積を積算したものである。biは、i番目のニューロン回路のバイアス値を示している。
演算部18(アニーリングマシン)としては、イジングモデルで表されるエネルギー関数について基底状態探索を行なうアニーリング方式を採用するコンピュータであれば、量子アニーリングマシンであっても、半導体技術を用いた半導体アニーリングマシンであっても、CPU(Central Processing Unit)やGPU(Graphics Processing Unit)を用いてソフトウェアにより実行されるシミュレーテッド・アニーリング(Simulated Annealing)の何れであっても良い。
焼き鈍し法(シミュレーテッド・アニーリング法、SA法)はモンテカルロ法の一種であり、乱数値を用いて確率的に解を求める方法である。以下では最適化したい評価関数の値を最小化する問題を例に説明し、評価関数の値をエネルギーと呼ぶことにする。最大化の場合は、評価関数の符号を変えればよい。
(1)状態遷移に伴うエネルギー変化(エネルギー減少)値(-ΔE)に対して、その状態遷移の許容確率pを次の何れかの関数f()により決める。
(2)温度値Tを次式で表されるように反復回数tに対数的に減少させる。
(1)の式で表される許容確率を用いた場合、十分な反復後に定常状態に達したとすると、各状態の占有確率は熱力学における熱平衡状態に対するボルツマン分布にしたがう。
そして、高い温度から徐々に下げていくとエネルギーの低い状態の占有確率が増加するため、十分温度が下がるとエネルギーの低い状態が得られるはずである。この様子が材料を焼き鈍したときの状態変化とよく似ているため、この方法は焼き鈍し法(または、疑似焼き鈍し法)と呼ばれるのである。このとき、エネルギーが上がる状態遷移が確率的に起こることは、物理学における熱励起に相当する。
遷移制御部114は、乱数発生回路114b1、セレクタ114b2、ノイズテーブル114b3、乗算器114b4、比較器114b5を有する。
比較器114b5は、乗算器114b4が出力した乗算結果と、セレクタ114b2が選択したエネルギー変化値である-ΔEとを比較した比較結果を遷移可否fとして出力する。
化合物探索装置の構成例を図20に示す。
図20に示す化合物探索装置10Cは、化合物基数カウント部11と、定義部12と、制限部13と、割当部14と、H生成部15と、重み抽出部16と、重みファイル作成部17と、演算部18と、出力部19とを有する。
図21に、図20の化合物探索装置10Cを用いてタンパク質の安定構造を探索するフローチャートを示す。
制限部13を除いて、図20に示す化合物探索装置10Cの各部は、図5に示す化合物探索装置10Aの各部と同じである。
図21のフローチャートにおいて、工程S201は、図6のフローチャートの工程S101に相当し、工程S202は、工程S102に相当し、工程S204は、工程S104に相当し、工程S205は、工程S105に相当し、工程S206は、工程S106に相当し、工程S207は、工程S107に相当する。
そのため制限部13、及び工程203に着目して説明する。
そのため、直鎖で並ぶアミノ酸残基の数の最大数M(直鎖数制限パラメータM)を設定し、この制限の下でアミノ酸残基が配置すべきでない領域を除外して制限格子空間を生成することで、演算ビット数又は量子ビットを抑制することができる。ここで、Mは、当然に、アミノ酸残基の数(n)より小さい(M<n)。
例えば、図22に示すように、直鎖数制限パラメータMを5とすると、直鎖で並ぶアミノ酸残基の数は、最大数で5となる。
直鎖数制限パラメータMの設定下では、制限格子空間は、アミノ酸残基の数の増加に伴って、図23に示すように増加する。即ち、n個のアミノ酸残基について、直鎖数制限パラメータMを用いた場合の最大格子空間Kは、以下の式で求められる。
化合物探索装置の構成例を図24に示す。
図24に示す化合物探索装置10Dは、化合物基数カウント部11と、定義部12と、制限部13と、割当部14と、H生成部15と、重み抽出部16と、重みファイル作成部17と、演算部18と、出力部19とを有する。
図25に、図24の化合物探索装置10Dを用いてタンパク質の安定構造を探索するフローチャートを示す。
制限部13を除いて、図24に示す化合物探索装置10Dの各部は、図20に示す化合物探索装置10Cの各部と同じである。
図25のフローチャートにおいて、工程S301は、図21のフローチャートの工程201に相当し、工程S302は、工程S202に相当し、工程S303は、工程S203に相当し、工程S305は、工程S204に相当し、工程S306は、工程S205に相当し、工程S307は、工程S206に相当し、工程S308は、工程S207に相当する。
そのため制限部13、及び工程304に着目して説明する。
・奇数番目(i=奇数)のアミノ酸残基の場合は、J={s(1),s(3),.....S(i)}である。
・偶数番目(i=偶数)のアミノ酸残基の場合は、J={s(2),s(4),.....S(i)}である。
空間制限パラメータLが偶数、かつi>Lのとき、
・奇数番目(i=奇数)のアミノ酸残基の場合は、J={s(2),s(4),.....S(L-1)}である。
・偶数番目(i=偶数)のアミノ酸残基の場合は、J={s(2),s(4),.....S(L)}である。
空間制限パラメータLが奇数、かつi<Lのとき、
・奇数番目(i=奇数)のアミノ酸残基の場合は、J={s(1),s(3),.....S(i)}である。
・偶数番目(i=偶数)のアミノ酸残基の場合は、J={s(2),s(4),.....S(i)}である。
空間制限パラメータLが奇数、かつi>Lのとき、
・奇数番目(i=奇数)のアミノ酸残基の場合は、J={s(2),s(4),.....S(L)}である。
・偶数番目(i=偶数)のアミノ酸残基の場合は、J={s(2),s(4),.....S(L-1)}}である。
・実施例1:L=15
・実施例2:L=15、M=5
・実施例3:L=15、M=5
・比較例1:制限なし。
いずれの場合も、制限を設けなかった比較例1と比較して、必要なbit数を減らすことができ、問題規模の大きい化合物(例えば、タンパク質)を探索の対象とすることができるようになることが確認できた。
(付記1)
複数の化合物基が連結した化合物を探索する化合物探索装置において、
前記複数の化合物基が順次配置される格子の集合である格子空間を定義する定義部と、
前記複数の化合物基のいずれかを前記格子空間のいずれかの格子に配置後、次の化合物基を前記格子空間に配置する場合において、前記格子空間から前記次の化合物基を配置すべきでない領域を除外した制限格子空間を生成する制限部と、
前記制限格子空間に前記複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当てる割当部と、
前記各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、前記イジングモデルの最小エネルギーを算出する演算部と、
を有する化合物探索装置。
(付記2)
前記制限格子空間の生成を、直鎖で並ぶ化合物基の数の最大数を設定することにより行う付記1に記載の化合物探索装置。
(付記3)
前記制限格子空間の生成を、直鎖で並ぶ化合物基の数の最大数を設定すること、及び前記最大数を設定して生成する生成格子空間に存在する余剰の格子を除外することにより行う付記1に記載の化合物探索装置。
(付記4)
前記化合物基は、アミノ酸残基である、付記1から3のいずれかに記載の化合物探索装置。
(付記5)
前記化合物は、たんぱく質である、付記4に記載の化合物探索装置。
(付記6)
複数の化合物基が連結した化合物を探索する化合物探索方法において、
コンピュータが、
前記複数の化合物基が順次配置される格子の集合である格子空間を定義し、
前記複数の化合物基のいずれかを前記格子空間のいずれかの格子に配置後、次の化合物基を前記格子空間に配置する場合において、前記格子空間から前記次の化合物基を配置すべきでない領域を除外した制限格子空間を生成し、
前記制限格子空間に前記複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当て、
前記各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、前記イジングモデルの最小エネルギーを算出する、
化合物探索方法。
(付記7)
前記制限格子空間の生成を、直鎖で並ぶ化合物基の数の最大数を設定することにより行う付記6に記載の化合物探索方法。
(付記8)
前記制限格子空間の生成を、直鎖で並ぶ化合物基の数の最大数を設定すること、及び前記最大数を設定して生成する生成格子空間に存在する余剰の格子を除外することにより行う付記6に記載の化合物探索方法。
(付記9)
前記化合物基は、アミノ酸残基である、付記6から8のいずれかに記載の化合物探索方法。
(付記10)
前記化合物は、たんぱく質である、付記9に記載の化合物探索方法。
(付記11)
複数の化合物基が連結した化合物を探索する化合物探索プログラムにおいて、
コンピュータに、
前記複数の化合物基が順次配置される格子の集合である格子空間を定義させ、
前記複数の化合物基のいずれかを前記格子空間のいずれかの格子に配置後、次の化合物基を前記格子空間に配置する場合において、前記格子空間から前記次の化合物基を配置すべきでない領域を除外した制限格子空間を生成させ、
前記制限格子空間に前記複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当てさせ、
前記各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、前記イジングモデルの最小エネルギーを算出させる、
化合物探索プログラム。
(付記12)
前記制限格子空間の生成を、直鎖で並ぶ化合物基の数の最大数を設定することにより行う付記11に記載の化合物探索プログラム。
(付記13)
前記制限格子空間の生成を、直鎖で並ぶ化合物基の数の最大数を設定すること、及び前記最大数を設定して生成する生成格子空間に存在する余剰の格子を除外することにより行う付記11に記載の化合物探索プログラム。
(付記14)
前記化合物基は、アミノ酸残基である、付記11から13のいずれかに記載の化合物探索プログラム。
(付記15)
前記化合物は、たんぱく質である、付記14に記載の化合物探索プログラム。
10B 化合物探索装置
10C 化合物探索装置
10D 化合物探索装置
11 化合物基数カウント部
12 定義部
13 制限部
14 割当部
15 H生成部
16 重み抽出部
17 重みファイル作成部
18 演算部
19 出力部
Claims (7)
- 複数の化合物基が連結した化合物を探索する化合物探索装置において、
前記複数の化合物基が順次配置される格子の集合である格子空間を定義する定義部と、
前記複数の化合物基のいずれかを前記格子空間のいずれかの格子に配置後、次の化合物基を前記格子空間に配置する場合において、前記格子空間から前記次の化合物基を配置すべきでない領域を除外した制限格子空間を生成する制限部と、
前記制限格子空間に前記複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当てる割当部と、
前記各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、前記イジングモデルの最小エネルギーを算出する演算部と、
を有する化合物探索装置。 - 前記制限格子空間の生成を、直鎖で並ぶ化合物基の数の最大数を設定することにより行う請求項1に記載の化合物探索装置。
- 前記制限格子空間の生成を、直鎖で並ぶ化合物基の数の最大数を設定すること、及び前記最大数を設定して生成する生成格子空間に存在する余剰の格子を除外することにより行う請求項1に記載の化合物探索装置。
- 前記化合物基は、アミノ酸残基である、請求項1から3のいずれかに記載の化合物探索装置。
- 前記化合物は、たんぱく質である、請求項4に記載の化合物探索装置。
- 複数の化合物基が連結した化合物を探索する化合物探索方法において、
コンピュータが、
前記複数の化合物基が順次配置される格子の集合である格子空間を定義し、
前記複数の化合物基のいずれかを前記格子空間のいずれかの格子に配置後、次の化合物基を前記格子空間に配置する場合において、前記格子空間から前記次の化合物基を配置すべきでない領域を除外した制限格子空間を生成し、
前記制限格子空間に前記複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当て、
前記各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、前記イジングモデルの最小エネルギーを算出する、
化合物探索方法。 - 複数の化合物基が連結した化合物を探索する化合物探索プログラムにおいて、
コンピュータに、
前記複数の化合物基が順次配置される格子の集合である格子空間を定義させ、
前記複数の化合物基のいずれかを前記格子空間のいずれかの格子に配置後、次の化合物基を前記格子空間に配置する場合において、前記格子空間から前記次の化合物基を配置すべきでない領域を除外した制限格子空間を生成させ、
前記制限格子空間に前記複数の化合物基が配置されうる各格子点にビットをそれぞれ割り当てさせ、
前記各格子点に関する制約条件に基づいて変換したイジングモデルについて、焼き鈍し法を用いた基底状態探索を実行することにより、前記イジングモデルの最小エネルギーを算出させる、
化合物探索プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018169832A JP7139805B2 (ja) | 2018-09-11 | 2018-09-11 | 化合物探索装置、化合物探索方法、及び化合物探索プログラム |
US16/534,650 US11837323B2 (en) | 2018-09-11 | 2019-08-07 | Device and method for searching compound |
CN201910783431.2A CN110890126B (zh) | 2018-09-11 | 2019-08-23 | 用于探索化合物的设备和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018169832A JP7139805B2 (ja) | 2018-09-11 | 2018-09-11 | 化合物探索装置、化合物探索方法、及び化合物探索プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020042576A JP2020042576A (ja) | 2020-03-19 |
JP7139805B2 true JP7139805B2 (ja) | 2022-09-21 |
Family
ID=69719957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018169832A Active JP7139805B2 (ja) | 2018-09-11 | 2018-09-11 | 化合物探索装置、化合物探索方法、及び化合物探索プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11837323B2 (ja) |
JP (1) | JP7139805B2 (ja) |
CN (1) | CN110890126B (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11551128B2 (en) * | 2019-07-30 | 2023-01-10 | International Business Machines Corporation | Branched heteropolymer lattice model for quantum optimization |
JP7410394B2 (ja) * | 2020-03-26 | 2024-01-10 | 富士通株式会社 | 最適化装置及び最適化方法 |
JP2021192199A (ja) * | 2020-06-05 | 2021-12-16 | 富士通株式会社 | 構造探索方法、構造探索装置、構造探索用プログラム、及び相互作用ポテンシャル特定方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003206246A (ja) | 2002-01-07 | 2003-07-22 | Ichiro Yamato | 化合物の立体構造探索プログラム、立体構造探索装置、及び立体構造探索方法 |
US6968275B1 (en) | 2002-02-22 | 2005-11-22 | Hewlett-Packard Development Company, L.P. | Pipelined digital circuit for determining the conformational energy of a folded protein |
JP2006171982A (ja) | 2004-12-14 | 2006-06-29 | Fujitsu Ltd | タンパク質の立体構造探索方法、立体構造探索用コンピュータプログラムおよび立体構造探索装置 |
JP2010257297A (ja) | 2009-04-27 | 2010-11-11 | Fujitsu Ltd | 分子安定構造探索装置、分子安定構造探索プログラム、および分子安定構造探索方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3669704B2 (ja) * | 1994-10-31 | 2005-07-13 | 昭子 板井 | 三次元構造データベースから新規リガンド化合物を検索する方法 |
JP2002536301A (ja) | 1999-01-27 | 2002-10-29 | ザ スクリプス リサーチ インスティテュート | タンパク質モデリングツール |
JP2008146529A (ja) | 2006-12-13 | 2008-06-26 | Matsushita Electric Ind Co Ltd | タンパク質配列断片エントロピー計算による折り畳み順序予測法 |
CN103984878B (zh) * | 2014-04-08 | 2017-01-18 | 浙江工业大学 | 一种基于树搜索和片段组装的蛋白质结构预测方法 |
-
2018
- 2018-09-11 JP JP2018169832A patent/JP7139805B2/ja active Active
-
2019
- 2019-08-07 US US16/534,650 patent/US11837323B2/en active Active
- 2019-08-23 CN CN201910783431.2A patent/CN110890126B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003206246A (ja) | 2002-01-07 | 2003-07-22 | Ichiro Yamato | 化合物の立体構造探索プログラム、立体構造探索装置、及び立体構造探索方法 |
US6968275B1 (en) | 2002-02-22 | 2005-11-22 | Hewlett-Packard Development Company, L.P. | Pipelined digital circuit for determining the conformational energy of a folded protein |
JP2006171982A (ja) | 2004-12-14 | 2006-06-29 | Fujitsu Ltd | タンパク質の立体構造探索方法、立体構造探索用コンピュータプログラムおよび立体構造探索装置 |
JP2010257297A (ja) | 2009-04-27 | 2010-11-11 | Fujitsu Ltd | 分子安定構造探索装置、分子安定構造探索プログラム、および分子安定構造探索方法 |
Also Published As
Publication number | Publication date |
---|---|
US11837323B2 (en) | 2023-12-05 |
CN110890126B (zh) | 2024-03-26 |
JP2020042576A (ja) | 2020-03-19 |
US20200082904A1 (en) | 2020-03-12 |
CN110890126A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7251281B2 (ja) | 結合構造探索装置、結合構造探索方法、及び結合構造探索プログラム | |
Pan et al. | An effective hybrid discrete differential evolution algorithm for the flow shop scheduling with intermediate buffers | |
JP7176381B2 (ja) | 環状分子の構造探索方法、及び構造探索装置、並びにプログラム | |
JP7139805B2 (ja) | 化合物探索装置、化合物探索方法、及び化合物探索プログラム | |
Raventós et al. | Cold bosons in optical lattices: a tutorial for exact diagonalization | |
JP7197789B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
JP2021082165A (ja) | 構造探索方法、構造探索プログラム、及び構造探索装置 | |
Zohali et al. | The economic lot scheduling problem in limited-buffer flexible flow shops: Mathematical models and a discrete fruit fly algorithm | |
Chang et al. | Recent advances in determinant quantum Monte Carlo | |
JP2020106917A (ja) | 最適化装置及び最適化装置の制御方法 | |
JP4165712B2 (ja) | データフローグラフの同一サブグラフ検出装置、高位合成装置、データフローグラフの同一サブグラフ検出方法、データフローグラフの同一サブグラフ検出制御プログラムおよび可読記録媒体 | |
Messerly et al. | An error analysis toolkit for binned counting experiments | |
JP7112312B2 (ja) | 化合物探索装置、化合物探索方法、及び化合物探索プログラム | |
Jocksch et al. | A bucket sort algorithm for the particle-in-cell method on manycore architectures | |
JP7268484B2 (ja) | 構造探索装置、構造探索方法、及び構造探索プログラム | |
JP7256378B2 (ja) | 最適化システムおよび最適化システムの制御方法 | |
Panagiotopoulos et al. | A group-based space-filling design of experiments algorithm | |
JP2022062322A (ja) | 構造探索プログラム、構造探索装置、及び構造探索方法 | |
JP7496952B1 (ja) | 最適化装置、最適化方法、及びプログラム | |
JP2022107518A (ja) | 情報処理システム、情報処理方法及び情報処理装置 | |
JP2023108368A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JPH08314882A (ja) | 電源導入順序決定方法 | |
Xiong et al. | Quasi-LHD Sequential Sampling Method for Computer Experiments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180914 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210610 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20220601 |
|
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: 20220809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220822 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7139805 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |