JPWO2020100310A1 - 化合物設計支援方法、化合物設計支援装置、及びプログラム - Google Patents
化合物設計支援方法、化合物設計支援装置、及びプログラム Download PDFInfo
- Publication number
- JPWO2020100310A1 JPWO2020100310A1 JP2020556579A JP2020556579A JPWO2020100310A1 JP WO2020100310 A1 JPWO2020100310 A1 JP WO2020100310A1 JP 2020556579 A JP2020556579 A JP 2020556579A JP 2020556579 A JP2020556579 A JP 2020556579A JP WO2020100310 A1 JPWO2020100310 A1 JP WO2020100310A1
- Authority
- JP
- Japan
- Prior art keywords
- compound
- design support
- plot
- learning network
- chemical space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- 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
- G16C20/50—Molecular design, e.g. of drugs
Abstract
化合物設計支援方法は、1または複数の化合物を選択する選択ステップと、選択した化合物のそれぞれの特性を、当該特性を判定する条件を学習させた特性判定学習ネットワークを用いて判定する特性判定ステップと、特性判定学習ネットワークの中間層の1つである空間化レイヤーにおけるパラメータを軸とするケミカル空間を定義する空間定義ステップと、選択した化合物のそれぞれについて、空間化レイヤーにおけるパラメータ値に基づき、ケミカル空間における座標にプロットするプロットステップと、を備える。
Description
図1は、本発明の実施形態に係る化合物設計支援装置1の構成例を示している。化合物設計支援装置1は、学習ネットワークの学習済みモデルに基づいて、化合物の特性を判定する。図1に示されるように化合物設計支援装置1は、例えばコンピュータとして実現される。すなわち、化合物設計支援装置1は、プロセッサ101、記憶部102、グラフィック処理部104、及び入力インタフェース105を備える。
図2は化合物設計支援装置1の機能ブロック図を示している。図2に示すように、化合物設計支援装置1は、化合物ライブラリLB、入力部13、出力部14、ケミカル空間定義部15、プロット部16、類似化合物抽出部17、境界設定部18、境界類似度判定部19、特性判定学習ネットワークN1、及び化合物推定学習ネットワークN2を備える。
続いて、以上のように構成される化合物設計支援装置1の各機能について、動作の手順と使用方法を説明する。
図5は、化合物ライブラリLBに含まれる化合物のケミカル空間CSへのプロットの手順を示すフローチャートである。プロットの処理が開始されると、はじめにプロット対象の化合物の選択が行われる(ステップS100)。この選択は、ユーザが入力部13を用いて行ってもよいし、所定の条件に当てはまる化合物を自動的に選択するようにしてもよい。また、化合物ライブラリLBに含まれるすべての化合物を自動的に選択するものとしてもよい。
図7は、ケミカル空間CSにプロットされた化合物から類似化合物を抽出する手順を示すフローチャートである。また、図8は、類似化合物の抽出処理を模式的に示す図である。この処理は、ケミカル空間CSへのプロットが行われた状態で開始される。処理が開始されると、ケミカル空間CSにおける座標Aが指定される(ステップS200)。座標Aの指定は、ユーザがその座標の値を指定してもよいし、特定の化合物を指定することで当該化合物のケミカル空間CSにおけるプロットの座標を指定してもよい。続いて、ステップS200で指定した座標Aを中心とする所定の距離rの範囲内にプロットの点が位置する化合物(図8の例では化合物C1〜C3)を特定する(ステップS210)。所定の距離rはユーザが設定できるように構成してもよい。そして、特定された化合物をリスト化して出力する(ステップS220)。このとき出力するリストには、各化合物について、化合物の名称、化学式、特性判定学習ネットワークN1での判定結果、ケミカル空間CSにおける座標等を含めるとよい。なお、図8に示した例では3次元のケミカル空間CSにおける所定の距離rの範囲内の化合物を抽出したが、ケミカル空間CSの次元が3次元とは異なっていても、そのケミカル空間CSの次元での距離において所定の距離rの範囲内の化合物を抽出すればよい。
図9は、ケミカル空間CSに境界Bを定義し、プロットされた点群を区分けする手順を示すフローチャートである。また、図10は、境界設定の処理を模式的に示す図である。この処理は、ケミカル空間CSへのプロットが行われた状態で開始される。処理が開始されると、ケミカル空間CSにおける境界Bが設定される(ステップS300)。ケミカル空間CSにおける境界Bとしては、平面、曲面、閉曲面(例えば球)等の任意の面を設定することができる。図10に示した例では平面の境界Bが設定されている。境界Bを設定するための具体的な方法は任意であり、例えば境界面を表す数式を用いて設定する、グラフィック表示されたプロット中に境界面を表す図形を描く、等の手法により設定等とするとよい。あるいは、ケミカル空間CSへのプロットの点群を解析することにより境界設定部18が自動的に境界を設定するように構成してもよい。
図11は、境界類似度の判定の処理を模式的に示す図である。境界類似度の判定は、ケミカル空間CSへのプロットに対して、特性判定学習ネットワークN1での複数の判定項目(R1〜R3)毎に判定結果に基く境界(図11の例では境界B1〜B3)が設定された状態で実施される。処理が開始されると、境界類似度判定部19が、ケミカル空間CSにおける境界B1〜B1の相互の類似度を算出して出力する。算出される類似度は、判定項目間の相関性を示す尺度となる。図11の例では、境界B1と境界B3は比較的高い類似度を示し、境界B2は、境界B1及びB3のいずれとも低い類似度を示す。このことから、類似度が高い境界を持つ組み合わせである判定項目R1と判定項目R3、相関性が高いことを推測することができる。
図12は、化合物の推定処理を模式的に示す図である。化合物設計支援装置1では、特性判定学習ネットワークN1の空間化レイヤーSLのパラメータを軸に定義されるケミカル空間CSにおける任意の座標Xを指定すると、当該座標Cにプロットされるであろう化合物を推定して出力する機能が提供される。ケミカル空間CSにおける座標Cの指定は、類似化合物の抽出における座標Aの指定と同様の手法により指定するとよい。そして、指定した座標Cから化合物は、指定された座標Cを化合物推定学習ネットワークN2に入力することで推定され、推定された化合物の化学式のリストが出力される。このとき、複数の化合物の化学式が出力されてもよいし、最も確度の高い1つのみが出力されてもよい。化合物推定学習ネットワークN2は、ケミカル空間CSの座標から化合物の化学式を推定する学習ネットワークであり、化合物ライブラリLBに含まれる化合物とケミカル空間CSのプロットの座標との対応関係を教師データとして、機械学習を行うことにより学習済みモデルとされる。化合物推定学習ネットワークN2が出力する化合物は、化合物ライブラリLBに含まれなくてもよい。
101 プロセッサ
102 記憶部
104 グラフィック処理部
105 入力インタフェース
13 入力部
14 出力部
15 ケミカル空間定義部
16 プロット部
17 類似化合物抽出部
18 境界設定部
19 境界類似度判定部
LB 化合物ライブラリ
N1 特性判定学習ネットワーク
N2 化合物推定学習ネットワーク
Claims (16)
- 1または複数の化合物を選択する選択ステップと、
選択した前記化合物のそれぞれの特性を、当該特性を判定する条件を学習させた特性判定学習ネットワークを用いて判定する特性判定ステップと、
前記特性判定学習ネットワークの中間層の1つである空間化レイヤーにおけるパラメータを軸とするケミカル空間を定義する空間定義ステップと、
選択した前記化合物のそれぞれについて、前記空間化レイヤーにおけるパラメータ値に基づき、前記ケミカル空間における座標にプロットするプロットステップと、
を備えることを特徴とする化合物設計支援方法。 - 前記プロットステップにおいて、前記特性判定ステップでの判定結果を識別できるように各化合物のプロットを出力することを特徴とする請求項1に記載の化合物設計支援方法。
- 前記ケミカル空間における座標を指定する座標指定ステップと、
前記座標指定ステップで指定した座標から所定の距離の範囲内にプロットされた化合物を特定する特定ステップと、
前記特定ステップで特定された化合物のリストを出力するリスト出力ステップと、
をさらに備えることを特徴とする請求項1または2に記載の化合物設計支援方法。 - 前記ケミカル空間を複数の領域に区分けする境界を設定する境界設定ステップをさらに備えることを特徴とする請求項1から3のいずれか1項に記載の化合物設計支援方法。
- 前記化合物を、プロットが位置する領域に応じて分類する分類ステップをさらに備えることを特徴とする請求項4に記載の化合物設計支援方法。
- 前記プロットステップにおいて、前記分類ステップで分類された結果を識別できるように各化合物のプロットを出力することを特徴とする請求項5に記載の化合物設計支援方法。
- 前記特性判定学習ネットワークは、複数の前記特性についてそれぞれ判定をするものであり、
前記特性判定ステップにおいて、複数の前記特性のそれぞれについての判定を行い、
前記境界設定ステップにおいて、複数の前記特性のそれぞれについての判定結果に基づいて、複数の前記特性のそれぞれに対応する境界を設定し、
複数の前記特性のそれぞれに対応する境界の、相互の類似度を判定する境界類似度判定ステップをさらに備えることを特徴とする請求項4から6のいずれか1項に記載の化合物設計支援方法。 - 前記ケミカル空間における座標を指定する座標指定ステップと、
化合物とケミカル空間のプロットの座標との対応関係を学習させた化合物推定学習ネットワークにより、前記座標指定ステップで指定した座標に対応する化合物を推定する化合物推定ステップと、
をさらに備えることを特徴とする請求項1から7のいずれか1項に記載の化合物設計支援方法。 - コンピュータに請求項1から8の何れか1項に記載の化合物設計支援方法を実行させるプログラム。
- 1または複数の化合物のそれぞれの特性を判定する特性判定学習ネットワークと、
前記特性判定学習ネットワークの中間層の1つである空間化レイヤーにおけるパラメータを軸とするケミカル空間を定義するケミカル空間定義部と、
前記空間化レイヤーにおけるパラメータ値に基づき、前記ケミカル空間における座標にプロットするプロット部と、
を備えることを特徴とする化合物設計支援装置。 - 前記プロット部は、前記特性判定学習ネットワークでの判定結果を識別できるように各化合物のプロットを出力することを特徴とする請求項10に記載の化合物設計支援装置。
- 前記ケミカル空間における指定された座標から所定の距離の範囲内にプロットされた化合物を特定し、特定した化合物のリストを出力する類似化合物抽出部をさらに備えることを特徴とする請求項10または11に記載の化合物設計支援装置。
- 前記ケミカル空間を複数の領域に区分けする境界を設定する境界設定部をさらに備えることを特徴とする請求項10から12のいずれか1項に記載の化合物設計支援装置。
- 前記特性判定学習ネットワークは、複数の前記特性についてそれぞれ判定をするものであり、
前記境界設定部は、複数の前記特性のそれぞれについての前記特性判定学習ネットワークでの判定結果に基づいて、複数の前記特性のそれぞれに対応する境界を設定し、
複数の前記特性のそれぞれに対応する境界の、相互の類似度を判定する境界類似度判定部をさらに備えることを特徴とする請求項13に記載の化合物設計支援装置。 - 化合物とケミカル空間のプロットの座標との対応関係を学習させた化合物推定学習ネットワークであって、前記ケミカル空間における指定された座標に対応する化合物を推定する化合物推定学習ネットワークをさらに備えることを特徴とする請求項10から14のいずれか1項に記載の化合物設計支援装置。
- コンピュータを請求項10から15の何れか1項に記載の化合物設計支援装置として機能させるプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/042570 WO2020100310A1 (ja) | 2018-11-16 | 2018-11-16 | 化合物設計支援方法、化合物設計支援装置、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020100310A1 true JPWO2020100310A1 (ja) | 2021-09-02 |
JP6935113B2 JP6935113B2 (ja) | 2021-09-15 |
Family
ID=70731436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020556579A Active JP6935113B2 (ja) | 2018-11-16 | 2018-11-16 | 化合物設計支援方法、化合物設計支援装置、及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6935113B2 (ja) |
WO (1) | WO2020100310A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024024596A1 (ja) * | 2022-07-27 | 2024-02-01 | 株式会社レゾナック | 特性予測装置、特性予測方法及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0650890A (ja) * | 1992-03-16 | 1994-02-25 | Agency Of Ind Science & Technol | 官能基推定方法 |
JPH06203002A (ja) * | 1992-12-28 | 1994-07-22 | Hitachi Ltd | ネットワーク処理装置 |
JP2006318048A (ja) * | 2005-05-10 | 2006-11-24 | Kyoto Univ | 化合物群表示装置、化合物群表示方法、プログラム、及びコンピュータ読み取り可能な記録媒体 |
JP2008150360A (ja) * | 2006-11-22 | 2008-07-03 | Shiseido Co Ltd | 安全性評価方法、安全性評価システム及び安全性評価プログラム |
-
2018
- 2018-11-16 JP JP2020556579A patent/JP6935113B2/ja active Active
- 2018-11-16 WO PCT/JP2018/042570 patent/WO2020100310A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0650890A (ja) * | 1992-03-16 | 1994-02-25 | Agency Of Ind Science & Technol | 官能基推定方法 |
JPH06203002A (ja) * | 1992-12-28 | 1994-07-22 | Hitachi Ltd | ネットワーク処理装置 |
JP2006318048A (ja) * | 2005-05-10 | 2006-11-24 | Kyoto Univ | 化合物群表示装置、化合物群表示方法、プログラム、及びコンピュータ読み取り可能な記録媒体 |
JP2008150360A (ja) * | 2006-11-22 | 2008-07-03 | Shiseido Co Ltd | 安全性評価方法、安全性評価システム及び安全性評価プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2020100310A1 (ja) | 2020-05-22 |
JP6935113B2 (ja) | 2021-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI579734B (zh) | 3d視覺化技術 | |
US8958631B2 (en) | System and method for automatically defining and identifying a gesture | |
US10414047B2 (en) | Method and a data processing system for simulating and handling of anti-collision management for an area of a production plant | |
CN105678838B (zh) | 用于设计具有至少一件服装的化身的计算机实现的方法 | |
JP2013225312A5 (ja) | ||
CN110114194B (zh) | 用于确定双手抓握工业对象的抓握位置的系统和方法 | |
JP2019032820A (ja) | 画像を入力とする関数を学習するためのデータセット | |
CN110472067B (zh) | 知识图谱表示学习方法、装置、计算机设备及存储介质 | |
US9135392B2 (en) | Semi-autonomous digital human posturing | |
CN105144072A (zh) | 在多点触控装置上对压感进行模拟 | |
CN104951064B (zh) | 高效的自由空间手指识别 | |
JP7160843B2 (ja) | 残基固有の分子構造特徴を用いた分子変異体の分子特性の予測 | |
JP7006296B2 (ja) | 学習プログラム、学習方法および学習装置 | |
CN110998565A (zh) | 电子装置和用于控制该电子装置的方法 | |
JP7236694B2 (ja) | 情報処理方法、及び情報処理システム | |
JP6935113B2 (ja) | 化合物設計支援方法、化合物設計支援装置、及びプログラム | |
US10025294B2 (en) | Apparel items simulation apparatus and methods | |
US10746889B2 (en) | Method for estimating faults in a three-dimensional seismic image block | |
JP2019522276A5 (ja) | ||
US20150084889A1 (en) | Stroke processing device, stroke processing method, and computer program product | |
US20170046597A1 (en) | Facilitating interpretation of high-dimensional data clusters | |
KR102215824B1 (ko) | 시각 및 텍스트 정보를 포함하는 다이어그램의 분석 방법 및 장치 | |
CN110494862B (zh) | 序列产生装置及其控制方法 | |
JP2017533501A5 (ja) | ||
JP7131013B2 (ja) | 3次元モデル表示プログラム、3次元モデル表示方法、及び表示制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210317 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210317 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210422 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210601 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210618 |
|
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: 20210720 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210818 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6935113 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |