WO2024218924A1 - 学習プログラム、推論プログラム、学習方法、推論方法および情報処理装置 - Google Patents

学習プログラム、推論プログラム、学習方法、推論方法および情報処理装置 Download PDF

Info

Publication number
WO2024218924A1
WO2024218924A1 PCT/JP2023/015686 JP2023015686W WO2024218924A1 WO 2024218924 A1 WO2024218924 A1 WO 2024218924A1 JP 2023015686 W JP2023015686 W JP 2023015686W WO 2024218924 A1 WO2024218924 A1 WO 2024218924A1
Authority
WO
WIPO (PCT)
Prior art keywords
target
machine learning
ligand
primary
receptor
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.)
Ceased
Application number
PCT/JP2023/015686
Other languages
English (en)
French (fr)
Inventor
正弘 片岡
量 松村
泰 藤井
聡 尾上
まゆみ 城戸
裕美 古賀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to PCT/JP2023/015686 priority Critical patent/WO2024218924A1/ja
Priority to JP2025514981A priority patent/JPWO2024218924A1/ja
Publication of WO2024218924A1 publication Critical patent/WO2024218924A1/ja
Priority to US19/356,244 priority patent/US20260037876A1/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional [2D] or three-dimensional [3D] 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

Definitions

  • the present invention relates to a learning program, etc.
  • Receptors are regulatory proteins present in cells that selectively receive various signal molecules. They are mainly embedded in the cell membrane, but are also found in the cytoplasm and on the surface of the nucleus. A signal molecule that combines with a receptor to induce a biological response is called a "ligand.”
  • Ligand substances include hormones, some amino acids, neurotransmitters, toxins, and medicines. Ligands are known to selectively or specifically exhibit high affinity for specific sites on receptors. In many cases, different receptors exist for each ligand, and the combinations of ligands and receptors that can combine vary greatly depending on the type of cell.
  • Figure 13A shows an example of the relationship between amino acid names, abbreviations, and symbols.
  • the abbreviation and symbol for the amino acid “alanine” are “Ala” and "A.”
  • the relationship between other amino acid names, abbreviations, and symbols is as shown in Figure 13A.
  • An amino acid is an amino group (-NH2) and a carboxy group (-COOH) bonded to carbon (C), and the general structural formula of an amino acid is shown in Figure 13B.
  • Figure 13B is a diagram showing an example of the relationship between the general chemical structural formula of an amino acid and its side chain.
  • a "side chain (R)” is also bonded to the central carbon (C), and this difference determines the type of amino acid.
  • Specific side chains (R) such as “alanine” and "valine” and their chemical structural formulas are shown below.
  • FIG. 14 is a diagram (1) for explaining the conventional technology.
  • the processing of the learning phase of the conventional technology is explained.
  • the device that executes the conventional technology is referred to as the "conventional device.”
  • the conventional device executes machine learning of the machine learning model M1 using a pair of input data and correct answer labels.
  • the input data includes multiple chemical structural formulas 5 of a receptor and each of its atoms, and a chemical structural formula 6 of a ligand to be combined with the receptor and each of its atoms.
  • the chemical structural formula 5 of the receptor includes 5-1, 5-2, and 5-3.
  • the correct answer label contains information about whether the receptor and ligand in the input data can be combined.
  • the conventional device uses a vector dictionary to calculate vectors vc5-1, vc5-2, and vc5-3 for multiple chemical structural formulas 5-1, 5-2, and 5-3 of the receptor based on the vectors of each atom.
  • the conventional device uses a vector dictionary to calculate vector vc6 for chemical structural formula 6 based on the vectors of each atom.
  • the conventional device calculates vector vc7 by multiplying vectors vc5-1, vc5-2, and vc5-3 with vector vc6.
  • the conventional device inputs vector vc7 into machine learning model M1 to obtain output result 8.
  • the conventional device updates the parameters of the machine learning model so that the difference between output result 8 and the correct label becomes smaller.
  • the conventional device trains the machine learning model M1 by repeatedly executing the above process for other pairs of input data and correct labels.
  • FIG. 15 is a diagram (2) for explaining the conventional technology.
  • the conventional device uses a trained machine learning model M1 to infer whether the receptor and ligand of the candidate data can be combined.
  • the candidate data includes multiple chemical structural formulas 10 of a receptor, each of its atoms, and a chemical structural formula 11 of a ligand to be combined with the receptor.
  • the chemical structural formula 10 of the receptor includes 10-1, 10-2, and 10-3.
  • the conventional device uses a vector dictionary to calculate vectors vc10-1, vc10-2, and vc10-3 for chemical formulas 10-1, 10-2, and 10-3 based on the vectors of each atom.
  • the conventional device uses a vector dictionary to calculate vector vc11 for chemical formula 11 based on the vectors of each atom.
  • the conventional device calculates vector vc12 by multiplying vectors vc10-1, vc10-2, and vc10-3 with vector vc11.
  • the conventional device obtains an output result 13 by inputting the vector vc12 into a trained machine learning model M1. If the output result 13 is "OK (combinable)," the conventional device presumes that the combination of the receptor and ligand in the candidate data is appropriate. On the other hand, if the output result 13 is "NG (not combinable),” the conventional device presumes that the combination of the receptor and ligand in the candidate data is inappropriate.
  • whether a receptor and a ligand can combine is influenced not only by protein sequence information for chemical property analysis, but also by coordinate information of the atoms that make up the receptor and ligand for three-dimensional structure analysis.
  • receptors are composed of higher-order protein structures (multiple primary structures) and ligands are composed of primary protein structures
  • the above-mentioned conventional technology focuses on each atom in the chemical structural formula of amino acids, and the granularity and amount of information required for estimation are not optimal, resulting in the problem of being unable to properly estimate whether the target receptor and ligand can combine.
  • the present invention aims to provide a learning program, an inference program, a learning method, an inference method, and an information processing device that can appropriately estimate whether a target receptor and a ligand can combine.
  • the computer executes the following process.
  • the computer acquires training data that associates input data having multiple primary structures included in the higher-order structure of the receptor combined with the ligand, structural information on the multiple primary structures, and labels indicating whether the receptor and ligand can combine.
  • the computer executes machine learning of the machine learning model based on the training data.
  • FIG. 1 is a diagram showing an example of protein structure data.
  • FIG. 2 is a diagram for explaining the processing in the pre-processing phase.
  • FIG. 3 is a diagram showing an example of a Postscript program.
  • FIG. 4 is a diagram (1) for explaining the learning phase.
  • FIG. 5 is a diagram (2) for explaining the learning phase.
  • FIG. 6 is a diagram (1) for explaining the processing in the inference phase.
  • FIG. 7 is a diagram (2) for explaining the processing in the inference phase.
  • FIG. 8 is a functional block diagram showing the configuration of an information processing apparatus according to the present embodiment.
  • FIG. 9 is a flowchart showing the processing procedure of the pre-processing phase.
  • FIG. 10 is a flowchart showing the processing procedure of the learning phase.
  • FIG. 9 is a flowchart showing the processing procedure of the pre-processing phase.
  • FIG. 11 is a flowchart showing the processing procedure of the inference phase.
  • FIG. 12 is a diagram illustrating an example of a hardware configuration of a computer that realizes the same functions as the information processing apparatus of the embodiment.
  • FIG. 13A is a diagram showing an example of the relationship between amino acid names and symbols.
  • FIG. 13B is a diagram showing an example of the relationship between the general chemical structural formula of an amino acid and its side chain.
  • FIG. 14 is a diagram (1) for explaining the prior art.
  • FIG. 15 is a diagram (2) for explaining the prior art.
  • Protein structure data can be obtained from the PDB (Protein Data Bank).
  • FIG. 1 is a diagram showing an example of protein structure data.
  • the protein structure data 30 shown in FIG. 1 includes a header region 30a, a sequence information region 30b, and a coordinate information region 30c as protein structure information.
  • the header region 30a contains the molecular name, etc., corresponding to the protein.
  • sequence information of the amino acids contained in the protein is set.
  • the amino acid sequence information is information in which the abbreviations (three letters) of the amino acids that make up the protein are arranged.
  • the sequence of a series of multiple amino acids in the protein structure data corresponds to the primary structure of the protein. There are various patterns of amino acid sequences contained in the primary structure, but in this embodiment, the amino acid sequence contained in each primary structure is predefined. The sequence of multiple consecutive primary structures corresponds to the higher-order structure of the protein.
  • the PDB may store data in which the receptor and ligand are combined with the sequence information and coordinate information.
  • the protein structure data 30 includes the primary structures of multiple proteins that make up the higher-order structure of the receptor, and the primary structures of proteins that make up the ligand.
  • the positions (three-dimensional coordinates) of multiple atoms that make up the amino acids contained in the protein are set.
  • the position of each atom that makes up the amino acids contained in the sequence information area 30b is set in the coordinate information area 30c.
  • the specific atom is (1) an amino group "N”, (2) an atom located at the tip of the side chain of the central carbon (C) (for example, the amino acid valine "Val" is the atom "C"), and (3) a carboxyl group "O".
  • the specific atoms of interest are referred to as the first atom, the second atom, and the third atom. There may be multiple first atoms in one primary structure, and the positions of the first atoms may differ. The same applies to the second atom and the third atom.
  • the information processing device according to this embodiment executes processing of the preprocessing phase, processing of the learning phase, and processing of the inference phase in that order.
  • the information processing device according to this embodiment will be referred to as "information processing device 100.”
  • FIG. 2 is a diagram for explaining the processing of the pre-processing phase.
  • the information processing device 100 By executing the processing of the pre-processing phase, the information processing device 100 generates a first vector dictionary 142a and a second vector dictionary 142b.
  • the information processing device 100 has a protein structure database PDB141.
  • the protein structure database PDB141 stores protein structure data corresponding to multiple proteins (receptors, or receptors combined with ligands). The protein structure data was described in FIG. 1.
  • the process by which the information processing device 100 generates the first vector dictionary 142a will be described.
  • the information processing device 100 extracts multiple primary structures from each protein structure data in the protein structure database PDB141. As described in FIG. 1, the information on the primary structures is stored in the sequence information area 30b.
  • primary structure 41 multiple primary structures (sequence information) are collectively referred to as "primary structure 41."
  • the primary structure is information on a character string of an amino acid sequence.
  • the information processing device 100 breaks it down into a character string of an amino acid sequence.
  • the information processing device 100 breaks down the primary structure 41 into character strings of multiple amino acid sequences (or functional group sequences of organic compounds), and then arranges the character strings of each primary structure in order.
  • the information processing device 100 applies algorithms such as CBoW or skip-gram (Word2vec) to each arranged character string, treating each amino acid (or functional group) as a word, and calculates a vector for each character string of the primary structure that corresponds to a sentence.
  • the information processing device 100 registers the relationship between the character string of the reference unit of the primary structure 41 and the vector in the first vector dictionary 142a.
  • the information processing device 100 may divide the primary structure 41 into predefined reference units.
  • the information processing device 100 repeatedly executes the above process for other primary structures, thereby registering the relationship between the character strings of the amino acid sequences contained in the other primary structures and the vectors in the first vector dictionary 142a.
  • the information processing device may assign vectors using the amino acid unit as the reference unit.
  • the information processing device 100 extracts coordinate information of multiple primary structures from each protein three-dimensional structure data in the protein structure database PDB141.
  • the coordinate information of the primary structure is information stored in the coordinate information area 30c, and includes information on the positions of the first atom, second atom, and third atom of each amino acid.
  • the coordinate information is an example of "structural information”.
  • the information processing device 100 generates a character string of a Postscript program that draws the shape of a three-dimensional line connecting the positions of the first atom, the second atom, and the third atom included in the coordinate information.
  • FIG. 3 is a diagram showing an example of a Postscript program.
  • the example shown in FIG. 3 shows a three-dimensional line 50 that connects the first atom 50a1, the second atom 50a2, and the third atom 50a3 of the amino acid valine "Val".
  • the same atom may exist in multiple positions.
  • the information processing device 100 may generate the three-dimensional line 50 by repeatedly connecting the closest atoms among the multiple atoms.
  • the information processing device 100 generates a Postscript program 51 that draws a three-dimensional line 50.
  • the Postscript program 51 includes a command statement (character string) for drawing the line 50.
  • the information processing device 100 may also generate a Postscript program that projects the three-dimensional line from a predetermined direction onto a two-dimensional plane and draws the line projected onto the two-dimensional plane.
  • the information processing device 100 performs morphological analysis on the Postscript program to break it down into multiple morphemes (tokens). After breaking down the Postscript program into multiple tokens, the information processing device 100 arranges each token in order. The information processing device 100 applies algorithms such as CBoW or skip-gram to each of the arranged tokens, treats each token as a word, and calculates the vector of each token. The information processing device 100 registers the relationship between the tokens of the Postscript program and the vectors in the second vector dictionary 142b.
  • algorithms such as CBoW or skip-gram
  • the information processing device 100 repeatedly executes the above process for the coordinate information of other primary structures, thereby registering the relationship between the tokens of the Postscript program obtained from the coordinate information of other primary structures and the vectors in the second vector dictionary 142b.
  • the information processing device 100 generates the first vector dictionary 142a and the second vector dictionary 142b by executing the processing of the pre-processing phase.
  • the information processing device 100 may obtain in advance from an external device, the first vector dictionary 142a, which defines the relationship between character strings of amino acid sequences and vectors, and the second vector dictionary 142b, which defines the relationship between tokens of Postscript programs and vectors. If the information processing device 100 obtains the first vector dictionary 142a and the second vector dictionary 142b in advance, it may skip the processing of the pre-processing phase.
  • hiragana characters such as “te,” “ni,” “wo,” and “wa” are words with meaning.
  • the approximately 20 types of amino acids also have chemical properties such as acidic, basic, neutral/hydrophilic, and neutral/hydrophobic.
  • words composed of multiple hiragana characters such as “ai (love)” and “ai (indigo)” also have unique meanings. Therefore, by adding amino acid sequences called motifs that form regular three-dimensional structures such as alpha helices and beta sheets in proteins to the vector dictionary, it is possible to improve the accuracy of the vector dictionary.
  • Figures 4 and 5 are diagrams for explaining the learning phase.
  • the information processing device 100 executes the learning phase processing using a teacher data table 143 prepared in advance.
  • the teacher data table 143 associates an item number, sequence information, coordinate information, and a label.
  • the item number is a number that identifies a record (teacher data) in the teacher data table 143.
  • the sequence information is a higher-order structure of the receptor combined with the ligand, and this higher-order structure includes a series of multiple primary structures.
  • the item number can identify which primary structures that constitute the higher-order structure of the receptor are adjacent to the front and rear of the primary structure of the ligand in the combined state.
  • the coordinate information is information that indicates the positions of the first atom, the second atom, and the third atom of each amino acid of multiple primary structures included in the higher-order structure of the protein.
  • the label indicates whether the receptor combined with the ligand is appropriate or not. For example, if the receptor combined with the ligand is appropriate, the label is set to "OK (for example, 1)". On the other hand, if the receptor combined with the ligand is not appropriate, the label is set to "NG (for example, 0)".
  • the sequence information of item number (1) includes, in order from the beginning, primary structures c1-1, c1-2, c1-3, and c1-4.
  • the primary structure c1-3 is set as the primary structure of the ligand.
  • the coordinate information for item number (1) includes, from the top, coordinate information e1-1, e1-2, e1-3, and e1-4.
  • coordinate information e1-1 is information on the positions of the first atom, second atom, and third atom contained in primary structure c1-1.
  • Coordinate information e1-2 is information on the positions of the first atom, second atom, and third atom contained in primary structure c1-2.
  • Coordinate information e1-3 is information on the positions of the first atom, second atom, and third atom contained in primary structure c1-3.
  • Coordinate information e1-4 is information on the positions of the first atom, second atom, and third atom contained in primary structure c1-4.
  • the information processing device 100 uses the first vector dictionary 142a created in the preparation phase to calculate vectors of each primary structure for chemical property analysis.
  • the vectors of the primary structures are referred to as "sequence property vectors.”
  • the information processing device 100 calculates the sequence characteristic vector vc1-2 of the primary structure c1-2 in the same manner as for the primary structure c1-1.
  • the information processing device 100 calculates the sequence characteristic vector vc1-3 of the primary structure c1-3.
  • the information processing device 100 calculates the sequence characteristic vector vc1-4 of the primary structure c1-4.
  • the information processing device 100 calculates vectors for each piece of coordinate information using the second vector dictionary 142b created in the preparation phase.
  • the vectors for the coordinate information are referred to as "3D coordinate vectors.”
  • the following explanation uses the coordinate information e1-1 included in the coordinate information of item (1).
  • the information processing device 100 generates a Postscript program character string p1-1 that draws a three-dimensional line shape connecting the positions of the first atom, second atom, and third atom included in the coordinate information e1-1.
  • the information processing device 100 performs a morphological analysis on the Postscript program p1-1 to break it down into multiple morphemes (tokens).
  • the information processing device 100 identifies the vectors of each token by comparing each token of the Postscript program p1-1 with the second vector dictionary 142b.
  • the information processing device 100 calculates the three-dimensional coordinate vector vp1-1 by integrating the vectors of each token of the Postscript program p1-1.
  • the information processing device 100 generates a Postscript program p1-2 for the coordinate information e1-2 in the same manner as for the coordinate information e1-1, and calculates a three-dimensional coordinate vector vp1-2 based on the Postscript program p1-2 and the second vector dictionary 142b.
  • the information processing device 100 generates a Postscript program p1-3 for the coordinate information e1-3, and calculates a three-dimensional coordinate vector vp1-3 based on the Postscript program p1-3 and the second vector dictionary 142b.
  • the information processing device 100 generates a Postscript program p1-4 for the coordinate information e1-4, and calculates a three-dimensional coordinate vector vp1-4 based on the Postscript program p1-4 and the second vector dictionary 142b.
  • the information processing device 100 inputs pairs of each sequence characteristic vector of the sequence information of each primary structure of each item number and each three-dimensional coordinate vector of the coordinate information into the machine learning model M1 in order, and trains the machine learning model M1 (updates the parameters) so that the value output from the machine learning model M1 approaches the corresponding label.
  • the machine learning model M1 is a neural network (NN) that includes BERT (Pre-training of Deep Bidirectional Transformers for Language Understanding), Next Sentence Prediction, Transformers, etc.
  • NN neural network
  • This section describes the case where the information processing device 100 updates parameters using the array information, coordinate information, and label corresponding to item number (1) in the teacher data table 143.
  • the information processing device 100 executes the process described in FIG. 4 and calculates sequence characteristic vectors vc1-1 to vc1-4 of each primary structure of the sequence information corresponding to item number (1).
  • the information processing device 100 also calculates each three-dimensional coordinate vector vp1-1 to vp1-4 of the coordinate information corresponding to item number (1).
  • the information processing device 100 inputs pairs of array characteristic vectors of array information and cubic coordinate vectors of coordinate information to the machine learning model M1 in sequence. For example, the information processing device 100 first inputs the array characteristic vector vc1-1 and the cubic coordinate vector vp1-1 to the machine learning model M1. The information processing device 100 secondly inputs the array characteristic vector vc1-2 and the cubic coordinate vector vp1-2 to the machine learning model M1. The information processing device 100 thirdly inputs the array characteristic vector vc1-3 and the cubic coordinate vector vp1-3 to the machine learning model M1. The information processing device 100 fourthly inputs the array characteristic vector vc1-4 and the cubic coordinate vector vp1-4 to the machine learning model M1.
  • the information processing device 100 When the information processing device 100 inputs a pair of the sequence characteristic vector of the final primary structure and the three-dimensional coordinate vector of the coordinate information into the machine learning model M1, it updates the parameters of the machine learning model M1 so that the difference between the output result output from the machine learning model M1 and the label of item number (1) becomes small.
  • the information processing device 100 updates the parameters of the machine learning model M1 by repeatedly executing the same process as above for the array information, coordinate information, and labels from item number (2) onwards in the teacher data table 143.
  • Figures 6 and 7 are diagrams for explaining the processing of the inference phase.
  • the information processing device 100 receives from the user sequence information and coordinate information of a certain receptor that is the subject of inference and that has combined with a certain ligand.
  • the sequence information includes primary structures c10-1, c10-2, c10-3, and c10-4 from the beginning.
  • the primary structure c10-3 is set as the primary structure of the ligand.
  • the coordinate information includes, from the top, coordinate information e10-1, e10-2, e10-3, and e10-4.
  • coordinate information e10-1 is information on the positions of the first atom, second atom, and third atom contained in primary structure c10-1.
  • Coordinate information e10-2 is information on the positions of the first atom, second atom, and third atom contained in primary structure c10-2.
  • Coordinate information e10-3 is information on the positions of the first atom, second atom, and third atom contained in primary structure c10-3.
  • Coordinate information e10-4 is information on the positions of the first atom, second atom, and third atom contained in primary structure c10-4.
  • the information processing device 100 uses the first vector dictionary 142a to calculate sequence characteristic vectors vc10-1, vc10-2, vc10-3, and vc10-4 of the primary structures c10-1, c10-2, c10-3, and c10-4.
  • the process in which the information processing device 100 calculates the sequence characteristic vectors of the primary structures using the first vector dictionary 142a is similar to the process described in the learning phase.
  • the information processing device 100 generates Postscript programs p10-1, p10-2, p10-3, and p10-4 based on the coordinate information e10-1, e10-2, e10-3, and e10-4.
  • the process in which the information processing device 100 generates Postscript programs based on the coordinate information is similar to the process described in the learning phase.
  • the information processing device 100 uses the second vector dictionary 142b to calculate the three-dimensional coordinate vectors vp10-1, vp10-2, vp10-3, and vp10-4 of the Postscript programs p10-1, p10-2, p10-3, and p10-4.
  • the process by which the information processing device 100 calculates the three-dimensional coordinate vectors using the second vector dictionary 142b is the same as the process described in the learning phase.
  • the information processing device 100 sequentially inputs the pairs of array characteristic vectors vc10-1 to vc10-4 of the array information and the three-dimensional coordinate vectors vp10-1 to vp10-4 of the coordinate information, which were explained in FIG. 6, to the machine learning model M1.
  • the information processing device 100 inputs the array characteristic vector vc10-1 and the cubic coordinate vector vp10-1 to the machine learning model M1.
  • the information processing device 100 inputs the array characteristic vector vc10-2 and the cubic coordinate vector vp10-2 to the machine learning model M1.
  • the information processing device 100 inputs the array characteristic vector vc10-3 and the cubic coordinate vector vp10-3 to the machine learning model M1.
  • the information processing device 100 inputs the array characteristic vector vc10-4 and the cubic coordinate vector vp10-4 to the machine learning model M1.
  • the information processing device 100 When the information processing device 100 inputs a pair of the sequence characteristic vector of the final primary structure and the three-dimensional coordinate vector of the coordinate information into the machine learning model M1, it obtains the output result output from the machine learning model M1.
  • the machine learning model M1 of this embodiment may output a score indicating the likelihood of successful merging.
  • the information processing device 100 estimates that the receptor shown in the sequence information in FIG. 6 combined with the ligand is appropriate (the sequence of the receptor's primary structure is also appropriate). On the other hand, if the score of the output result is less than the threshold (combination NG), the information processing device 100 estimates that the receptor shown in the sequence information in FIG. 6 combined with the ligand is not appropriate.
  • the information processing device 100 executes machine learning of the machine learning model based on training data in which input data having sequence information of multiple primary structures contained in the higher-order structure of the receptor combined with the ligand and coordinate information of multiple primary structures is associated with a label indicating whether the receptor and ligand can combine. This makes it possible to generate a machine learning model M1 for appropriately estimating whether the target receptor and ligand can combine.
  • the information processing device 100 inputs data having sequence information of multiple primary structures contained in the higher-order structure of the receptor combined with the target ligand, and coordinate information of the multiple primary structures, into the trained machine learning model M1.
  • the information processing device 100 can estimate whether the receptor combined with the ligand is appropriate by using the output results. In this embodiment, it is also possible to determine whether the arrangement of multiple primary structures of the receptor (including the primary structure of the ligand) is appropriate.
  • FIG. 8 is a functional block diagram showing the configuration of an information processing device according to this embodiment.
  • the information processing device 100 has a communication unit 110, an input unit 120, a display unit 130, a storage unit 140, and a control unit 150.
  • the communication unit 110 is connected to an external device or the like via a wired or wireless connection, and transmits and receives information to and from the external device or the like.
  • the communication unit 110 is realized by a NIC (Network Interface Card) or the like.
  • the communication unit 110 may be connected to a network (not shown).
  • the communication unit 110 may receive information on the protein structure database PDB 141, the first vector dictionary 142a, and the second vector dictionary 142b from the external device, and register the information in the storage unit 140.
  • the input unit 120 is an input device that inputs various types of information to the information processing device 100.
  • the input unit 120 corresponds to a keyboard, a mouse, a touch panel, etc.
  • the user may operate the input unit 120 to input array information and coordinate information to be inferred.
  • the display unit 130 is a display device that displays information output from the control unit 150.
  • the display unit 130 corresponds to a liquid crystal display, an organic EL (Electro Luminescence) display, a touch panel, etc. For example, it displays the estimation result of the estimation phase by the control unit 150.
  • the memory unit 140 has a protein structure database PDB141, a first vector dictionary 142a, a second vector dictionary 142b, a teacher data table 143, and a machine learning model M1.
  • the memory unit 140 is realized, for example, by a semiconductor memory element such as a RAM (Random Access Memory) or a flash memory, or a storage device such as a hard disk or an optical disk.
  • the first vector dictionary 142a is a dictionary that stores a correspondence between character strings that are basic units of a primary structure and vectors. Other explanations regarding the first vector dictionary 142a are the same as those regarding the first vector dictionary 142a shown in FIG. 2 etc.
  • the second vector dictionary 142b is a dictionary that stores tokens of a Postscript program generated from coordinate information in association with vectors. Other explanations regarding the second vector dictionary 142b are the same as those regarding the second vector dictionary 142b shown in FIG. 2 etc.
  • the machine learning model M1 is a neural network such as BERT, Next Sentence Prediction, or Transformers, as described in Figure 5.
  • the preprocessing unit 151 executes the processing of the preprocessing phase described in FIG. 2 and the like.
  • the preprocessing unit 151 acquires protein structure data from the protein structure database PDB141, and acquires multiple primary structures and coordinate information corresponding to each primary structure from the protein structure data.
  • the preprocessing unit 151 breaks down the primary structure into character strings of multiple reference units (e.g., amino acid sequences), applies algorithms such as CBoW or skip-gram (Word2vec), and assigns a vector to each character string.
  • the preprocessing unit 151 sets the relationship between character strings and vectors in the first vector dictionary 142a.
  • the preprocessing unit 151 generates a Postscript program that draws the shape of a three-dimensional line connecting the positions of the first atom, the second atom, and the third atom contained in the coordinate information.
  • the preprocessing unit 151 performs morphological analysis on the Postscript program to break it down into multiple morphemes (tokens).
  • the preprocessing unit 151 applies algorithms such as CBoW and skip-gram (Word2vec), assigns vectors to each token, and sets the relationship between the tokens and vectors of the Postscript program in the second vector dictionary 142b.
  • the explanation of other processes of the preprocessing unit 151 is the same as the explanation of the processes of the preprocessing phase explained in FIG. 2 and FIG. 3. Note that the preprocessing unit 151 may skip the processes of the preprocessing phase if the first vector dictionary 142a and the second vector dictionary 142b have been acquired in advance.
  • the learning processing unit 152 executes the learning phase processing described in Figures 4 and 5.
  • the learning processing unit 152 acquires teacher data from the teacher data table 143.
  • the learning processing unit 152 calculates sequence characteristic vectors of each primary structure of the sequence information based on the first vector dictionary 142a.
  • the learning processing unit 152 generates character strings of a Postscript program from multiple pieces of coordinate information included in the coordinate information, and calculates each three-dimensional coordinate vector based on the second vector dictionary 142b.
  • the inference processing unit 153 executes the processing of the inference phase described in FIG. 6 and FIG. 7.
  • the inference processing unit 153 acquires array information and coordinate information to be inferred from an external device or the input unit 120.
  • the inference processing unit 153 uses the first vector dictionary 142a to calculate sequence characteristic vectors for each primary structure of the sequence information.
  • the learning processing unit 152 generates a Postscript program from multiple pieces of coordinate information contained in the coordinate information, and calculates each three-dimensional coordinate vector based on the second vector dictionary 142b.
  • the inference processing unit 153 determines whether the receptor indicated in the sequence information of the inference target and combined with the ligand is appropriate (the sequence of the receptor's primary structure is also appropriate). On the other hand, if the score of the output result is less than the threshold (combination NG), the inference processing unit 153 infers that the receptor indicated in the sequence information of the inference target and combined with the ligand is not appropriate.
  • the inference processing unit 153 outputs the estimation results to the display unit 130 for display.
  • FIG. 9 is a flowchart showing the processing procedure of the preprocessing phase.
  • the preprocessing unit 151 of the information processing device 100 acquires protein structure data from the protein structure database PDB141 (step S101).
  • the preprocessing unit 151 acquires a plurality of primary structures and coordinate information corresponding to each primary structure from the protein structure data (step S102).
  • the preprocessing unit 151 breaks down the primary structure into multiple reference unit character strings and assigns a vector to each character string (step S103).
  • the preprocessing unit 151 sets the relationship between the character strings and the vectors in the first vector dictionary 142a (step S104).
  • the preprocessing unit 151 generates a Postscript program that draws the shape of a line connecting the positions of the first atom, the second atom, and the third atom contained in the coordinate information (step S105).
  • the preprocessing unit 151 breaks down the character string of the Postscript program into multiple tokens and assigns a vector to each token (step S106).
  • the preprocessing unit 151 sets the relationship between tokens and vectors in the second vector dictionary 142b (step S107).
  • FIG. 10 is a flowchart showing the processing procedure of the learning phase.
  • the learning processing unit 152 of the information processing device 100 acquires teaching data (sequence information and coordinate information) from the teaching data table 143 (step S201).
  • the learning processing unit 152 calculates the sequence characteristic vector of each primary structure included in the sequence information based on the first vector dictionary 142a (step S202).
  • the learning processing unit 152 generates character strings for multiple Postscript programs from multiple pieces of coordinate information (step S203).
  • the learning processing unit 152 calculates a three-dimensional coordinate vector from each Postscript program based on the second vector dictionary 142b (step S204).
  • the learning processing unit 152 inputs the pair of the array characteristic vector and the cubic coordinate vector to the machine learning model M1 (step S205).
  • the learning processing unit 152 calculates the difference between the output result of the machine learning model M1 and the label (step S206).
  • the learning processing unit 152 updates the parameters of the machine learning model M1 so as to reduce the difference (step S207). If the learning processing unit 152 continues the process (step S208, Yes), it proceeds to step S201. On the other hand, if the learning processing unit 152 does not continue the process (step S208, No), it ends the process.
  • FIG. 11 is a flowchart showing the processing procedure of the inference phase.
  • the inference processing unit 153 of the information processing device 100 acquires sequence information and coordinate information of the receptor and ligand to be inferred from the input unit 120 (step S301).
  • the inference processing unit 153 calculates the sequence characteristic vector of each primary structure included in the sequence information based on the first vector dictionary 142a (step S302).
  • the inference processing unit 153 generates multiple Postscript programs from the multiple pieces of coordinate information (step S303).
  • the inference processing unit 153 calculates a three-dimensional coordinate vector from each Postscript program based on the second vector dictionary 142b (step S304).
  • the inference processing unit 153 inputs a pair of the sequence characteristic vector of the primary structure and the three-dimensional coordinate vector to the machine learning model M1 (step S305). Based on the output result of the machine learning model M1, the inference processing unit 153 judges whether the target receptor (receptor combined with the ligand) is appropriate or not (step S306). The inference processing unit 153 displays the judgment result on the display unit 130 (step S307).
  • the information processing device 100 trains the machine learning model M1 using teaching data that associates input data having sequence information of multiple primary structures contained in the higher-order structure of the receptor combined with the ligand and coordinate information of the primary structures with correct labels.
  • the combined state it is possible to identify which primary structures that constitute the higher-order structure of the receptor are adjacent to the front and rear of the primary structure of the ligand. This makes it possible to generate a machine learning model M1 for appropriately estimating whether the target receptor and ligand can combine.
  • the information processing device 100 generates coordinate information based on the positions of specific atoms contained in multiple primary structures. This makes it possible to generate a machine learning model M1 for estimating whether the sequence of the primary structure of a receptor combined with a ligand is appropriate, using both the sequence of the primary structure and the positions of the atoms.
  • the information processing device 100 converts a character string of a PostScript program that draws a line segment connecting the positions of specific atoms contained in multiple primary structures into vector information, and generates the information as coordinate information. This makes it possible to handle the positions of specific atoms as vectors, and to efficiently execute machine learning for the machine learning model M1.
  • the information processing device 100 generates sequence information by converting the primary structure into a vector based on a dictionary that associates character strings of basic protein units with vectors. This makes it possible to handle the primary structure as a vector, and to efficiently execute machine learning for the machine learning model M1.
  • the information processing device 100 inputs input data having sequence information of multiple primary structures contained in the higher-order structure of the target receptor (receptor combined with a ligand) and coordinate information of the primary structures into a trained machine learning model M1. This makes it possible to appropriately estimate whether the target receptor and ligand can combine.
  • the information processing device 100 sequentially inputs pairs of primary structures and coordinate information corresponding to the primary structures into a trained machine learning model M1, and obtains an output result from the machine learning model M1. This makes it possible not only to appropriately estimate whether the target receptor and ligand can combine, but also to estimate whether the sequence of the primary structure of the receptor combined with the ligand is appropriate.
  • FIG. 12 is a diagram showing an example of the hardware configuration of a computer that realizes the same functions as the information processing device of the embodiment.
  • computer 300 has a CPU 301 that executes various types of arithmetic processing, an input device 302 that accepts data input from the user, and a display 303.
  • Computer 300 also has a communication device 304 that transmits and receives data to and from external devices, etc., via a wired or wireless network, and an interface device 305.
  • Computer 300 also has a RAM 306 that temporarily stores various types of information, and a hard disk device 307. Each of devices 301 to 307 is connected to a bus 308.
  • the hard disk device 307 stores a pre-processing program 307a, a learning processing program 307b, and an inference processing program 307c.
  • the CPU 301 reads out each of the programs 307a to 307c and loads them into the RAM 306.
  • the pre-processing program 307a functions as the pre-processing process 306a.
  • the learning processing program 307b functions as the learning processing process 306b.
  • the inference processing program 307c functions as the inference processing process 306c.
  • the processing of the pre-processing process 306a corresponds to the processing of the pre-processing unit 151.
  • the processing of the learning processing process 306b corresponds to the processing of the learning processing unit 152.
  • the processing of the inference processing process 306c corresponds to the processing of the inference processing unit 153.
  • each of the programs 307a to 307c does not necessarily have to be stored in the hard disk device 307 from the beginning.
  • each program may be stored in a "portable physical medium" such as a flexible disk (FD), CD-ROM, DVD, magneto-optical disk, or IC card that is inserted into the computer 300. Then, the computer 300 may read and execute each of the programs 307a to 307c.
  • REFERENCE SIGNS LIST 100 Information processing device 110 Communication unit 120 Input unit 130 Display unit 140 Storage unit 141 Protein structure DB 142a First vector dictionary 142b Second vector dictionary 143 Teacher data table 150 Control unit 151 Preprocessing unit 152 Learning processing unit 153 Inference processing unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biophysics (AREA)
  • Bioethics (AREA)
  • Chemical & Material Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

情報処理装置は、リガンドと合体した受容体の高次構造に含まれる複数の一次構造、および、複数の一次構造の構造情報を有する入力データと、受容体とリガンドとが合体可能であるか否かを示すラベルとが対応づけられた教師データを取得する。情報処理装置は、教師データを基にして、機械学習モデルの機械学習を実行する。

Description

学習プログラム、推論プログラム、学習方法、推論方法および情報処理装置
　本発明は、学習プログラム等に関する。
　受容体は細胞に存在する制御タンパク質で、様々なシグナル分子を選択的に受け取る。主に細胞膜に埋まっているが、細胞質や核表面にも存在する。受容体と合体して生物学的反応を誘発するシグナル分子のことを「リガンド」という。
　リガンドとなる物質は、ホルモン、一部のアミノ酸、神経伝達物質、毒素または医薬品等である。リガンドは受容体の特定の部位に対して選択的、または、特異的に高い親和性を示すことが知られている。なお、リガンド毎に異なる受容体が存在している場合が多く、細胞の種類によって、合体可能なリガンドと受容体との組み合わせは大きく異なる。
　タンパク質の立体構造解析、および、化学特性解析の双方において、合体可能な受容体とリガンドとの組み合わせを推論する研究が進んでいる。
　受容体などのタンパク質の高次構造は、公開データであって、約２０種類のアミノ酸の配列で構成される。図１３Ａは、アミノ酸の名称と略称、および記号との関係の一例を示す図である。たとえば、アミノ酸「アラニン」を示す略称と記号は「Ａｌａ」と「Ａ」となる。他のアミノ酸の名称と略称、および記号との関係は、図１３Ａに示すとおりである。
　アミノ酸とは、炭素（Ｃ）にアミノ基（－ＮＨ２）とカルボキシ基（－ＣＯＯＨ）が結合したものであり、図１３Ｂに、アミノ酸の一般構造式を示す。図１３Ｂは、アミノ酸の化学構造式の一般構造式と側鎖との関係の一例を示す図である。また、中心の炭素（Ｃ）には「側鎖（Ｒ）」が結合しており、この違いによりアミノ酸の種類が異なる。「アラニン」や「バリン」などの具体的な側鎖（Ｒ）とその化学構造式を示す。
　従来技術では、機械学習モデルを用いて、受容体とリガンドとの組み合わせが適切な組み合わせであるか否か（合体可能であるか否か）を判定している。
　図１４は、従来技術を説明するための図（１）である。図１４では、従来技術の学習フェーズの処理を説明する。説明の便宜上、従来技術を実行する装置を「従来装置」と表記する。従来装置は、入力データと、正解ラベルとの組を用いて、機械学習モデルＭ１の機械学習を実行する。
　たとえば、入力データには、受容体の複数の化学構造式５とその各原子と、該受容体との合体対象となるリガンドの化学構造式６とその各原子とが含まれる。受容体の化学構造式５には、５－１，５－２，５－３が含まれる。正解ラベルには、入力データの受容体とリガンドとが合体可能であるか否かの情報が設定される。
　従来装置は、ベクトル辞書を用いて、受容体の複数の化学構造式５－１，５－２，５－３のベクトルｖｃ５－１，ｖｃ５－２，ｖｃ５－３をその各原子のベクトルをもとに算出する。従来装置は、ベクトル辞書を用いて、化学構造式６のベクトルｖｃ６をその各原子のベクトルをもとに算出する。従来装置は、ベクトルｖｃ５－１，ｖｃ５－２，ｖｃ５－３と、ベクトルｖｃ６とを積算したベクトルｖｃ７を算出する。
　従来装置は、ベクトルｖｃ７を機械学習モデルＭ１に入力することで、出力結果８を得る。従来装置は、従来装置は、出力結果８と、正解ラベルとの差分が小さくなるように、機械学習モデルのパラメータを更新する。
　従来装置は、他の入力データと、正解ラベルとの組についても、上記処理を繰り返し実行することで、機械学習モデルＭ１を訓練する。
　図１５は、従来技術を説明するための図（２）である。図１５では、従来技術の推論フェーズの処理を説明する。従来装置は、訓練済みの機械学習モデルＭ１を用いて、候補データの受容体とリガンドとが合体可能であるか否かを推論する。
　たとえば、候補データには、受容体の複数の化学構造式１０とその各原子、該受容体との合体対象となるリガンドの化学構造式１１とが含まれる。受容体の化学構造式１０には、１０－１，１０－２，１０－３が含まれる。
　従来装置は、ベクトル辞書を用いて、化学構造式１０－１，１０－２，１０－３のベクトルｖｃ１０－１，ｖｃ１０－２，ｖｃ１０－３をその各原子のベクトルをもとに算出する。従来装置は、ベクトル辞書を用いて、化学構造式１１のベクトルｖｃ１１をその各原子のベクトルをもとに算出する。従来装置は、ベクトルｖｃ１０－１，ｖｃ１０－２，ｖｃ１０－３と、ベクトルｖｃ１１とを積算したベクトルｖｃ１２を算出する。
　従来装置は、ベクトルｖｃ１２を、訓練済みの機械学習モデルＭ１に入力することで、出力結果１３を得る。従来装置は、出力結果１３が「ＯＫ（合体可能）」である場合には、候補データの受容体と、リガンドとの組み合わせが適切であると推定する。一方、従来装置は、出力結果１３が「ＮＧ（合体可能ではない）」である場合には、候補データの受容体と、リガンドとの組み合わせが適切でないと推定する。
特開２０１９－０２８８７９号公報 米国特許出願公開第２０２２／０２４６２３３号明細書 特表２０１８－５０３１７１号公報 米国特許出願公開第２０１７／０３２３０４９号明細書
　たとえば、受容体とリガンドとが合体可能であるか否については、化学特性解析のためのタンパク質の配列情報だけではなく、立体構造解析のための受容体やリガンドを構成する原子の座標情報の影響を受ける。しかし、受容体はタンパク質の高次構造（複数の一次構造）、リガンドはタンパク質の一次構造で構成されるにも係わらず、上述した従来技術では、アミノ酸の化学構造式の各原子に着目しており、推定を行うための粒度と情報量が最適ではなく、対象となる受容体とリガンドとが合体可能であるか否かを適切に推定することができないという問題がある。
　１つの側面では、本発明は、対象となる受容体とリガンドとが合体可能であるか否かを適切に推定することができる学習プログラム、推論プログラム、学習方法、推論方法および情報処理装置を提供することを目的とする。
　第１の案では、コンピュータに次の処理を実行させる。コンピュータは、リガンドと合体した受容体の高次構造に含まれる複数の一次構造、および、複数の一次構造の構造情報を有する入力データと、受容体とリガンドとが合体可能であるか否かを示すラベルとが対応づけられた教師データを取得する。コンピュータは、教師データを基にして、機械学習モデルの機械学習を実行する。
　対象となる受容体とリガンドとが合体可能であるか否かを適切に推定することができる。
図１は、タンパク質構造データの一例を示す図である。 図２は、前処理フェーズの処理を説明するための図である。 図３は、Postscriptプログラムの一例を示す図である。 図４は、学習フェーズを説明するための図（１）である。 図５は、学習フェーズを説明するための図（２）である。 図６は、推論フェーズの処理を説明するための図（１）である。 図７は、推論フェーズの処理を説明するための図（２）である。 図８は、本実施例に係る情報処理装置の構成を示す機能ブロック図である。 図９は、前処理フェーズの処理手順を示すフローチャートである。 図１０は、学習フェーズの処理手順を示すフローチャートである。 図１１は、推論フェーズの処理手順を示すフローチャートである。 図１２は、実施例の情報処理装置と同様の機能を実現するコンピュータのハードウェア構成の一例を示す図である。 図１３Ａは、アミノ酸の名称と記号との関係の一例を示す図である。 図１３Ｂは、アミノ酸の化学構造式の一般構造式と側鎖との関係の一例を示す図である。 図１４は、従来技術を説明するための図（１）である。 図１５は、従来技術を説明するための図（２）である。
　以下に、本願の開示する学習プログラム、推論プログラム、学習方法、推論方法および情報処理装置の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。
　本実施例に係る情報処理装置の処理の説明を行う前に、情報処理装置が取り扱う「タンパク質構造データ」の一例について説明する。タンパク質構造データは、ＰＤＢ（Protein　Data　Bank)から入手することができる。
　図１は、タンパク質構造データの一例を示す図である。たとえば、図１に示すタンパク質構造データ３０は、タンパク質の構造情報として、ヘッダ領域３０ａと、配列情報領域３０ｂと、座標情報領域３０ｃとが含まれる。ヘッダ領域３０ａには、タンパク質に対応する分子名等が設定される。
　配列情報領域３０ｂには、タンパク質に含まれるアミノ酸の配列情報が設定される。アミノ酸の配列情報は、図１３Ａで説明したように、タンパク質を構成するアミノ酸の略称（３文字）が配列された情報である。
　タンパク質構造データの一連の複数のアミノ酸の配列が、タンパク質の一次構造に対応する。一次構造に含まれるアミノ酸の配列は様々なパターンが存在するが、本実施例では、各一次構造に含まれるアミノ酸の配列は、事前に定義されているものとする。連続する複数の一次構造の並びが、タンパク質の高次構造に対応する。また、ＰＤＢには、配列情報と座標情報に、受容体とリガンドが合体した状態でテータが格納されている場合がある。たとえば、タンパク質構造データ３０には、受容体の高次構造を構成する複数のタンパク質の一次構造と、リガンドを構成するタンパク質一次構造とが含まれる。
　座標情報領域３０ｃは、タンパク質に含まれるアミノ酸を構成する複数の原子の位置（３次元座標）が設定される。本実施例では、配列情報領域３０ｂに含まれるアミノ酸を構成する各原子の位置が、座標情報領域３０ｃに設定されているものとする。本実施例では、複数の原子のうち、所定の原子に着目する。たとえば、所定の原子を、（１）アミノ基「Ｎ」、（２）中心の炭素（Ｃ）の側鎖の先端に位置する原子（たとえば、アミノ酸のバリン「Ｖａｌ」は原子「Ｃ」）、（３）カルボキシル基「Ｏ」とする。以下の説明では、着目する所定の原子を、第１原子、第２原子、第３原子と表記する。一つの一次構造に複数の第１原子が存在し、各第１原子の位置が異なる場合もある。第２原子、第３原子についても同様である。
　上記のように、リガンドと合体した受容体のタンパク質構造データを利用することで、受容体の高次構造（複数の一次構造）、リガンドの一次元構造、および、受容体とリガンドを構成するアミノ酸の所定の原子の座標情報を特定することができる。
　続いて、本実施例に係る情報処理装置の処理について説明する。本実施例に係る情報処理装置は、前処理フェーズの処理、学習フェーズの処理、推論フェーズの処理を順に実行する。以下の説明では、本実施例に係る情報処理装置を「情報処理装置１００」と表記する。
　情報処理装置１００が実行する前処理フェーズの処理について説明する。図２は、前処理フェーズの処理を説明するための図である。情報処理装置１００は、前処理フェーズの処理を実行することで、第１ベクトル辞書１４２ａと、第２ベクトル辞書１４２ｂとを生成する。
　情報処理装置１００は、タンパク質構造データベースＰＤＢ１４１を有する。タンパク質構造データベースＰＤＢ１４１は、複数のタンパク質（受容体、あるいはリガンドと合体した受容体）に対応するタンパク質構造データを格納する。タンパク質構造データについては、図１で説明した。
　情報処理装置１００が、第１ベクトル辞書１４２ａを生成する処理について説明する。情報処理装置１００は、タンパク質構造データベースＰＤＢ１４１の各タンパク質構造データから、複数の一次構造を抽出する。図１で説明したように、一次構造の情報は、配列情報領域３０ｂに格納されている。
　図２の説明では、複数の一次構造（配列情報）をまとめて、「一次構造４１」と表記する。図１で説明したように、一次構造は、アミノ酸配列の文字列の情報である。情報処理装置１００は、アミノ酸配列の文字列に分解する。
　情報処理装置１００は、一次構造４１を複数のアミノ酸配列（あるいは、有機化合物の官能基配列）の文字列に分解した後、各一次構造の文字列を順番に並べる。情報処理装置１００は、順番に並べた各文字列に対して、CBoWやskip-gram（Word2vec）のアルゴリズムを適用し、各アミノ酸（あるいは、官能基）をそれぞれ単語に見立て、文に相当する一次構造の各文字列のベクトルを計算する。情報処理装置１００は、一次構造４１の基準単位の文字列と、ベクトルとの関係を、第１ベクトル辞書１４２ａに登録する。なお、情報処理装置１００は、一次構造４１を事前に定義した基準単位で分割してもよい。
　情報処理装置１００は、他の一次構造に対しても、上記処理を繰り返し実行することで、他の一次構造に含まれるアミノ酸配列の文字列と、ベクトルとの関係を、第１ベクトル辞書１４２ａに登録する。なお、情報処理装置は、アミノ酸の単位を基準単位として、ベクトルを割り当ててもよい。
　続いて、情報処理装置１００が、第２ベクトル辞書１４２ｂを生成する処理について説明する。情報処理装置１００は、タンパク質構造データベースＰＤＢ１４１の各タンパク質立体構造データから、複数の一次構造の座標情報を抽出する。図１で説明したように、一次構造の座標情報は、座標情報領域３０ｃに格納された情報であって、各アミノ酸の第１原子、第２原子、第３原子の位置の情報を含む。座標情報は、「構造情報」の一例である。
　情報処理装置１００は、座標情報に含まれる第１原子、第２原子、第３原子の位置を結んだ３次元の線の形状を描画するPostscriptプログラムの文字列を生成する。図３は、Postscriptプログラムの一例を示す図である。たとえば、図３に示す例では、アミノ酸のバリン「Ｖａｌ」の第１原子５０ａ１と、第２原子５０ａ２と、第３原子５０ａ３とがそれぞれ接続された３次元の線５０を示す。図３に示すように、同一の原子が複数の位置に存在する場合もあり得る。たとえば、情報処理装置１００は、複数の原子のうち、最も近い原子同士を接続することを繰り返すことで、３次元の線５０を生成してもよい。
　情報処理装置１００は、３次元の線５０を描画するPostscriptプログラム５１を生成する。Postscriptプログラム５１には、線５０を描画するための命令文（文字列）が含まれる。なお、情報処理装置１００は、３次元の線を、所定の方向から、２次元平面に投影し、２次元平面に投影された線を描画するPostscriptプログラムを生成してもよい。
　図２の説明に戻る。情報処理装置１００は、Postscriptプログラムに対して形態素解析を実行することで、複数の形態素（トークン）に分解する。情報処理装置１００は、Postscriptプログラムを複数のトークンに分解した後に、各トークンを順番に並べる。情報処理装置１００は、順番に並べた各トークンに対して、CBoWやskip-gramのアルゴリズムを適用し、各トークンをそれぞれ単語に見立て、各トークンのベクトルを計算する。情報処理装置１００は、Postscriptプログラムのトークンと、ベクトルとの関係を、第２ベクトル辞書１４２ｂに登録する。
　情報処理装置１００は、他の一次構造の座標情報に対しても、上記処理を繰り返し実行することで、他の一次構造の座標情報から得られるPostscriptプログラムのトークンと、ベクトルとの関係を、第２ベクトル辞書１４２ｂに登録する。
　上記のように、情報処理装置１００は、前処理フェーズの処理を実行することで、第１ベクトル辞書１４２ａ、第２ベクトル辞書１４２ｂを生成する。なお、情報処理装置１００は、アミノ酸配列の文字列とベクトルとの関係を定義した第１ベクトル辞書１４２ａ、Postscriptプログラムのトークンとベクトルとの関係を定義した第２ベクトル辞書１４２ｂを外部装置等から事前に取得してもよい。情報処理装置１００は、第１ベクトル辞書１４２ａ、第２ベクトル辞書１４２ｂを事前に取得する場合には、前処理フェーズの処理をスキップしてもよい。
　ここではタンパク質の一次構造のアミノ酸配列をテキストの文に見立て、各アミノ酸の記号をテキストの単語に見立て、ベクトル辞書の作成方法を示した。日本語の「て」「に」「を」「は」などの平仮名は意味を持つ単語である。約２０種類のアミノ酸も酸性、塩基性、中性・親水性、中性・疎水性などの化学特性を持っている。また、「あい（愛）」「あい（藍）」などの複数の平仮名で構成される単語も固有な意味を持つ。従って、タンパク質のαヘリックスやβシートなどの規則的な立体構造を構成するモチーフと呼ばれるアミノ酸配列をベクトル辞書に追加することで、ベクトル辞書の高精度化を図ることができる。
　これまで、アミノ酸配列で構成されるバイオ医薬品のリガンドについて、ベクトル辞書の作成方法を示した。一方、従来の官能基配列で構成される有機化合物の医薬品に対し、数十種類の官能基をもとに、アミノ酸配列と同様な方法で算出されたベクトル辞書を作成することで、化学特性分析や立体構造分析が可能となる。なお、約２０種のアミノ酸にＡ～Ｚの文字の割り当てと同様に、官能基に対し、ａ～ｚの文字、および「！」などの記号を割り当てる方法を適用しても良い。
　次に、情報処理装置１００が実行する学習フェーズの処理について説明する。図４および図５は、学習フェーズを説明するための図である。情報処理装置１００は、事前に準備された教師データテーブル１４３を用いて、学習フェーズの処理を実行する。
　図４について説明する。たとえば、教師データテーブル１４３は、項番と、配列情報と、座標情報と、ラベルとを対応付ける。項番は、教師データテーブル１４３のレコード（教師データ）を識別する番号である。配列情報は、リガンドと合体した受容体の高次構造であって、かかる高次構造には、一連の複数の一次構造が含まれる。また、項番により、合体した状態で、リガンドの一次構造の前後に、受容体の高次構造を構成する、どの一次構造が隣接するか、識別することができる。座標情報は、タンパク質の高次構造に含まれる複数の一次構造の各アミノ酸の第１原子、第２原子、第３原子の位置を示す情報である。なお、一つの一次構造に対して、一つの座標情報が設定される。ラベルは、リガンドと合体した受容体が適切であるか否かを示す。たとえば、リガンドと合体した受容体が適切である場合、ラベルには「ＯＫ＜たとえば、１＞」が設定される。一方、リガンドと合体した受容体が適切でない場合、ラベルには「ＮＧ＜たとえば、０＞」が設定される。
　たとえば、項番（１）の配列情報には、先頭から順に、一次構造ｃ１－１，ｃ１－２，ｃ１－３、ｃ１－４が含まれる。たとえば、一次構造ｃ１－１，ｃ１－２，ｃ１－３、ｃ１－４のうち、一次構造ｃ１－３を、リガンドの一次構造とする。
　項番（１）の座標情報には、先頭から順に、座標情報ｅ１－１，ｅ１－２，ｅ１－３，ｅ１－４が含まれる。たとえば、座標情報ｅ１－１は、一次構造ｃ１－１に含まれる第１原子、第２原子、第３原子の位置の情報である。座標情報ｅ１－２は、一次構造ｃ１－２に含まれる第１原子、第２原子、第３原子の位置の情報である。座標情報ｅ１－３は、一次構造ｃ１－３に含まれる第１原子、第２原子、第３原子の位置の情報である。座標情報ｅ１－４は、一次構造ｃ１－４に含まれる第１原子、第２原子、第３原子の位置の情報である。
　ここで、情報処理装置１００は、準備フェーズで作成した第１ベクトル辞書１４２ａを用いて、化学特性解析のための各一次構造のベクトルを算出する。以下の説明では、一次構造のベクトルを「配列特性ベクトル」と表記する。
　項番（１）の配列情報に含まれる一次構造ｃ１－１を用いて説明する。情報処理装置１００は、一次構造ｃ１－１を、基準単位（たとえば、予め設定された原子の単位、あるいはあらかじめ設定された原子の単位）の文字列に分解する。情報処理装置１００は、一次構造ｃ１－１の基準単位の各文字列と、第１ベクトル辞書１４２ａとを比較することで、基準単位の各文字列のベクトルを特定する。情報処理装置１００は、基準単位の各文字列のベクトルを積算することで、一次構造ｃ１－１の配列特性ベクトルｖｃ１－１を算出する。
　情報処理装置１００は、一次構造ｃ１－１と同様にして、一次構造ｃ１－２の配列特性ベクトルｖｃ１－２を算出する。情報処理装置１００は、一次構造ｃ１－３の配列特性ベクトルｖｃ１－３を算出する。情報処理装置１００は、一次構造ｃ１－４の配列特性ベクトルｖｃ１－４を算出する。
　続いて、情報処理装置１００は、準備フェーズで作成した第２ベクトル辞書１４２ｂを用いて、各座標情報のベクトルを算出する。以下の説明では、座標情報のベクトルを「立体座標ベクトル」と表記する。
　項番（１）の座標情報に含まれる座標情報ｅ１－１を用いて説明する。情報処理装置１００は、座標情報ｅ１－１に含まれる第１原子、第２原子、第３原子の位置を結んだ３次元の線の形状を描画するPostscriptプログラムの文字列ｐ１－１を生成する。情報処理装置１００は、Postscriptプログラムｐ１－１に対して形態素解析を実行することで、複数の形態素（トークン）に分解する。
　情報処理装置１００は、Postscriptプログラムｐ１－１の各トークンと、第２ベクトル辞書１４２ｂとを比較することで、各トークンのベクトルを特定する。情報処理装置１００は、Postscriptプログラムｐ１－１の各トークンのベクトルを積算することで、立体座標ベクトルｖｐ１－１を算出する。
　情報処理装置１００は、座標情報ｅ１－１と同様にして、座標情報ｅ１－２のPostscriptプログラムｐ１－２を生成し、Postscriptプログラムｐ１－２と第２ベクトル辞書１４２ｂとを基にして、立体座標ベクトルｖｐ１－２を算出する。情報処理装置１００は、座標情報ｅ１－３のPostscriptプログラムｐ１－３を生成し、Postscriptプログラムｐ１－３と第２ベクトル辞書１４２ｂとを基にして、立体座標ベクトルｖｐ１－３を算出する。情報処理装置１００は、座標情報ｅ１－４のPostscriptプログラムｐ１－４を生成し、Postscriptプログラムｐ１－４と第２ベクトル辞書１４２ｂとを基にして、立体座標ベクトルｖｐ１－４を算出する。
　図５の説明に移行する。情報処理装置１００は、各項番の各一次構造の配列情報の各配列特性ベクトルおよび座標情報の各立体座標ベクトルの組を順番に機械学習モデルＭ１に入力し、機械学習モデルＭ１から出力される値が、該当のラベルに近づくように、機械学習モデルＭ１を訓練（パラメータを更新）する。
　機械学習モデルＭ１は、BERT（Pre-training　of　Deep　Bidirectional　Transformers　for　Language　Understanding）、Next　Sentence　Prediction、Transformers等のＮＮ（Neural　Network）である。
　情報処理装置１００が、教師データテーブル１４３の項番（１）に対応する配列情報、座標情報、ラベルを用いてパラメータを更新する場合について説明する。
　情報処理装置１００は、図４で説明した処理を実行し、項番（１）に対応する配列情報の各一次構造の配列特性ベクトルｖｃ１－１～ｖｃ１－４を算出する。また、情報処理装置１００は、項番（１）に対応する座標情報の各立体座標ベクトルｖｐ１－１～１－４を算出する。
　情報処理装置１００は、配列情報の配列特性ベクトルと、座標情報の立体座標ベクトルとの組を、機械学習モデルＭ１に順番に入力する。たとえば、情報処理装置１００は、１番目に、配列特性ベクトルｖｃ１－１及び立体座標ベクトルｖｐ１－１を、機械学習モデルＭ１に入力する。情報処理装置１００は、２番目に、配列特性ベクトルｖｃ１－２及び立体座標ベクトルｖｐ１－２を、機械学習モデルＭ１に入力する。情報処理装置１００は、３番目に、配列特性ベクトルｖｃ１－３及び立体座標ベクトルｖｐ１－３を、機械学習モデルＭ１に入力する。情報処理装置１００は、４番目に、配列特性ベクトルｖｃ１－４及び立体座標ベクトルｖｐ１－４を、機械学習モデルＭ１に入力する。
　情報処理装置１００は、最後の一次構造の配列特性ベクトルと、座標情報の立体座標ベクトルとの組を機械学習モデルＭ１に入力した時点で、機械学習モデルＭ１から出力される出力結果と、項番（１）のラベルとの差分が小さくなるように、機械学習モデルＭ１のパラメータを更新する。
　情報処理装置１００は、教師データテーブル１４３の項番（２）以降の配列情報、座標情報、ラベルについても、上記と同様の処理を繰り返し実行することで、機械学習モデルＭ１のパラメータを更新する。
　次に、情報処理装置１００が実行する推論フェーズの処理について説明する。図６および図７は、推論フェーズの処理を説明するための図である。まず、図６について説明する。情報処理装置１００は、ユーザから、推論対象のある受容体であって、あるリガンドと合体したある受容体の配列情報と、座標情報とを受け付ける。
　たとえば、配列情報には、先頭から一次構造ｃ１０－１，ｃ１０－２，ｃ１０－３，ｃ１０－４が含まれる。たとえば、一次構造ｃ１０－１，ｃ１０－２，ｃ１０－３、ｃ１０－４のうち、一次構造ｃ１０－３を、リガンドの一次構造とする。
　座標情報には、先頭から順に、座標情報ｅ１０－１，ｅ１０－２，ｅ１０－３，ｅ１０－４が含まれる。たとえば、座標情報ｅ１０－１は、一次構造ｃ１０－１に含まれる第１原子、第２原子、第３原子の位置の情報である。座標情報ｅ１０－２は、一次構造ｃ１０－２に含まれる第１原子、第２原子、第３原子の位置の情報である。座標情報ｅ１０－３は、一次構造ｃ１０－３に含まれる第１原子、第２原子、第３原子の位置の情報である。座標情報ｅ１０－４は、一次構造ｃ１０－４に含まれる第１原子、第２原子、第３原子の位置の情報である。
　ここで、情報処理装置１００は、第１ベクトル辞書１４２ａを用いて、一次構造ｃ１０－１，ｃ１０－２，ｃ１０－３，ｃ１０－４の配列特性ベクトルｖｃ１０－１，ｖｃ１０－２，ｖｃ１０－３，ｖｃ１０－４を算出する。情報処理装置１００が、第１ベクトル辞書１４２ａを用いて、一次構造の配列特性ベクトルを算出する処理は、学習フェーズで説明した処理と同様である。
　続いて、情報処理装置１００は、座標情報ｅ１０－１，ｅ１０－２，ｅ１０－３，ｅ１０－４を基にして、Postscriptプログラムｐ１０－１，ｐ１０－２，ｐ１０－３，ｐ１０－４を生成する。情報処理装置１００が、座標情報を基にして、Postscriptプログラムを生成する処理は、学習フェーズで説明した処理と同様である。
　情報処理装置１００は、第２ベクトル辞書１４２ｂを用いて、Postscriptプログラムｐ１０－１，ｐ１０－２，ｐ１０－３，ｐ１０－４の立体座標ベクトルｖｐ１０－１，ｖｐ１０－２，ｖｐ１０－３，ｖｐ１０－４を算出する。情報処理装置１００が、第２ベクトル辞書１４２ｂを用いて、立体座標ベクトルを算出する処理は、学習フェーズで説明した処理と同様である。
　図７の説明に移行する。情報処理装置１００は、図６で説明した、配列情報の配列特性ベクトルｖｃ１０－１～ｖｃ１０－４と、座標情報の立体座標ベクトルｖｐ１０－１～ｖｐ１０－４との組を、機械学習モデルＭ１に順番に入力する。
　たとえば、情報処理装置１００は、１番目に、配列特性ベクトルｖｃ１０－１及び立体座標ベクトルｖｐ１０－１を、機械学習モデルＭ１に入力する。情報処理装置１００は、２番目に、配列特性ベクトルｖｃ１０－２及び立体座標ベクトルｖｐ１０－２を、機械学習モデルＭ１に入力する。情報処理装置１００は、３番目に、配列特性ベクトルｖｃ１０－３及び立体座標ベクトルｖｐ１０－３を、機械学習モデルＭ１に入力する。情報処理装置１００は、４番目に、配列特性ベクトルｖｃ１０－４及び立体座標ベクトルｖｐ１０－４を、機械学習モデルＭ１に入力する。
　情報処理装置１００は、最後の一次構造の配列特性ベクトルと、座標情報の立体座標ベクトルとの組を機械学習モデルＭ１に入力した時点で、機械学習モデルＭ１から出力される出力結果を取得する。たとえば、本実施例の機械学習モデルＭ１は、合体ＯＫの確からしさを示すスコアを出力してもよい。
　情報処理装置１００は、出力結果のスコアが閾値以上（合体ＯＫ）である場合には、図６の配列情報に示される受容体であって、リガンドと合体した受容体が適切である（受容体の一連の一次構造の並びも適切である）と推定する。一方、情報処理装置１００は、出力結果のスコアが閾値未満（合体ＮＧ）である場合には、図６の配列情報に示される受容体であって、リガンドと合体した受容体が適切でないと推定する。
　上記のように、情報処理装置１００は、学習フェーズにおいて、リガンドと合体した受容体の高次構造に含まれる複数の一次構造の配列情報、および、複数の一次構造の座標情報を有する入力データと、受容体とリガンドとが合体可能であるか否かを示すラベルとが対応づけられた教師データを基にして、前記機械学習モデルの機械学習を実行する。これによって、対象となる受容体とリガンドとが合体可能であるか否かを適切に推定するための機械学習モデルＭ１を生成することができる。
　情報処理装置１００は、訓練済みの機械学習モデルＭ１に対し、対象となるリガンドと合体した受容体の高次構造に含まれる複数の一次構造の配列情報、および、複数の一次構造の座標情報を有するデータを入力する。情報処理装置１００は、出力結果を利用することで、リガンドと合体した受容体が適切であるか否かを推定することができる。また、本実施例では、更に、受容体の複数の一次構造（リガンドの一次構造を含む）の並びも適切であるか否かを判定することも可能である。
　続いて、上記の推論フェーズの処理、学習フェーズの処理、推論フェーズの処理を実行する情報処理装置１００の構成例について説明する。図８は、本実施例に係る情報処理装置の構成を示す機能ブロック図である。図８に示すように、情報処理装置１００は、通信部１１０、入力部１２０、表示部１３０、記憶部１４０、制御部１５０を有する。
　通信部１１０は、有線又は無線で外部装置等と接続され、外部装置等との間で情報の送受信を行う。通信部１１０は、ＮＩＣ（Network　Interface　Card）等によって実現される。通信部１１０は、図示しないネットワークに接続されていてもよい。通信部１１０は、外部装置から、タンパク質構造データベースＰＤＢ１４１、第１ベクトル辞書１４２ａ、第２ベクトル辞書１４２ｂの情報を受信して、記憶部１４０に登録してもよい。
　入力部１２０は、各種の情報を、情報処理装置１００に入力する入力装置である。入力部１２０は、キーボードやマウス、タッチパネル等に対応する。たとえば、推論フェーズにおいて、ユーザは、入力部１２０を操作して、推論対象となる配列情報、座標情報を入力してもよい。
　表示部１３０は、制御部１５０から出力される情報を表示する表示装置である。表示部１３０は、液晶ディスプレイ、有機ＥＬ（Electro　Luminescence）ディスプレイ、タッチパネル等に対応する。たとえば、制御部１５０による推定フェーズの推定結果を表示する。
　記憶部１４０は、タンパク質構造データベースＰＤＢ１４１、第１ベクトル辞書１４２ａ、第２ベクトル辞書１４２ｂ、教師データテーブル１４３、機械学習モデルＭ１を有する。記憶部１４０は、たとえば、ＲＡＭ（Random　Access　Memory)、フラッシュメモリ（Flash　Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。
　タンパク質構造データベースＰＤＢ１４１は、複数のタンパク質（受容体、あるいはリガンドと合体した受容体）に対応するタンパク質構造データを格納する。タンパク質構造データベースＰＤＢ１４１に関する説明は、図２で行った説明と同様である。
　第１ベクトル辞書１４２ａは、一次構造の基本単位の文字列と、ベクトルとを対応付けて保持する辞書である。第１ベクトル辞書１４２ａに関するその他の説明は、図２等で示した第１ベクトル辞書１４２ａに関する説明と同様である。
　第２ベクトル辞書１４２ｂは、座標情報から生成されるPostscriptプログラムのトークンと、ベクトルとを対応付けて保持する辞書である。第２ベクトル辞書１４２ｂに関するその他の説明は、図２等で示した第２ベクトル辞書１４２ｂに関する説明と同様である。
　教師データテーブル１４３は、複数の教師データを保持する。教師データは、配列情報、座標情報、ラベルを対応付ける。各教師データは、機械学習モデルＭ１に対する機械学習を実行する場合に利用される。教師データテーブル１４３のデータ構造に関する説明は、図４で示した教師データテーブル１４３のデータ構造に関する説明と同様である。
　機械学習モデルＭ１は、図５で説明したBERT、Next　Sentence　Prediction、Transformers等のＮＮ等である。
　制御部１５０は、前処理部１５１と、学習処理部１５２と、推論処理部１５３とを有する。制御部１５０は、たとえば、ＣＰＵ（Central　Processing　Unit）やＭＰＵ(Micro　Processing　Unit)により実現される。また、制御部１５０は、例えばＡＳＩＣ（Application　Specific　Integrated　Circuit）やＦＰＧＡ（Field　Programmable　Gate　Array）等の集積回路により実行されてもよい。
　前処理部１５１は、図２等で説明した前処理フェーズの処理を実行する。前処理部１５１は、タンパク質構造データベースＰＤＢ１４１から、タンパク質構造データを取得し、タンパク質構造データから、複数の一次構造と、各一次構造に対応する座標情報を取得する。
　前処理部１５１は、一次構造を、複数の基準単位（たとえば、アミノ酸配列）の文字列に分解し、CBoWやskip-gram（Word2vec）のアルゴリズムを適用し、各文字列にベクトルを割り当てる。前処理部１５１は、文字列とベクトルとの関係を、第１ベクトル辞書１４２ａに設定する。
　前処理部１５１は、座標情報に含まれる第１原子、第２原子、第３原子の位置を結んだ３次元の線の形状を描画するPostscriptプログラムを生成する。前処理部１５１は、Postscriptプログラムに対して形態素解析を実行することで、複数の形態素（トークン）に分解する。前処理部１５１は、CBoWやskip-gram（Word2vec）のアルゴリズムを適用し、各トークンにベクトルを割り当て、Postscriptプログラムのトークンとベクトルとの関係を、第２ベクトル辞書１４２ｂに設定する。
　前処理部１５１のその他の処理に関する説明は、図２および図３で説明した前処理フェーズの処理の説明と同様である。なお、前処理部１５１は、第１ベクトル辞書１４２ａ、第２ベクトル辞書１４２ｂが事前に取得されている場合には、前処理フェーズの処理をスキップしてもよい。
　学習処理部１５２は、図４および図５で説明した学習フェーズの処理を実行する。学習処理部１５２は、教師データテーブル１４３から教師データを取得する。学習処理部１５２は、第１ベクトル辞書１４２ａを基にして、配列情報の各一次構造の配列特性ベクトルを算出する。学習処理部１５２は、座標情報に含まれる複数の座標情報から、Postscriptプログラムの文字列を生成し、第２ベクトル辞書１４２ｂを基にして、各立体座標ベクトルを算出する。
　学習処理部１５２は、配列特性ベクトルと立体座標ベクトルとの組を、機械学習モデルＭ１に入力し、機械学習モデルＭ１の出力結果とラベルとの差分が小さくなるように、誤差逆伝播法等に基づいて、機械学習モデルＭ１のパラメータを更新する。学習処理部１５２は、教師データテーブル１４３に格納された各教師データを用いて、上記処理を繰り返し実行する。
　学習処理部１５２が実行するその他の処理に関する説明は、図４および図５で説明した学習フェーズの処理の説明と同様である。
　推論処理部１５３は、図６および図７で説明した推論フェーズの処理を実行する。推論処理部１５３は、外部装置または入力部１２０から、推論対象となる配列情報および座標情報を取得する。
　推論処理部１５３は、第１ベクトル辞書１４２ａを用いて、配列情報の各一次構造の配列特性ベクトルを算出する。学習処理部１５２は、座標情報に含まれる複数の座標情報から、Postscriptプログラムを生成し、第２ベクトル辞書１４２ｂを基にして、各立体座標ベクトルを算出する。
　推論処理部１５３は、配列特性ベクトルと、立体座標ベクトルとの組を先頭から順番に、機械学習モデルＭ１に入力する。推論処理部１５３は、最後の一次構造の配列特性ベクトルと、座標情報の立体座標ベクトルとの組を機械学習モデルＭ１に入力した時点で、機械学習モデルＭ１から出力される出力結果を取得する。
　推論処理部１５３は、出力結果のスコアが閾値以上（合体ＯＫ）である場合には、推定対象の配列情報に示される受容体であって、リガンドと合体した受容体が適切である（受容体の一連の一次構造の並びも適切である）と推定する。一方、推論処理部１５３は、出力結果のスコアが閾値未満（合体ＮＧ）である場合には、推定対象の配列情報に示される受容体であって、リガンドと合体した受容体が適切でないと推定する。
　推論処理部１５３は、推定結果を、表示部１３０に出力して表示させる。
　推論処理部１５３が実行するその他の処理に関する説明は、図６および図７で説明した推論フェーズの処理と同様である。
　次に、本実施例に係る情報処理装置１００の処理手順の一例について説明する。図９は、前処理フェーズの処理手順を示すフローチャートである。図９に示すように、情報処理装置１００の前処理部１５１は、タンパク質構造データベースＰＤＢ１４１から、タンパク質構造データを取得する（ステップＳ１０１）。前処理部１５１は、タンパク質構造データから、複数の一次構造と、各一次構造に対応する座標情報を取得する（ステップＳ１０２）。
　前処理部１５１は、一次構造を複数の基準単位の文字列に分解し、各文字列にベクトルを割り当てる（ステップＳ１０３）。前処理部１５１は、文字列とベクトルとの関係を、第１ベクトル辞書１４２ａに設定する（ステップＳ１０４）。
　前処理部１５１は、座標情報に含まれる第１原子、第２原子、第３原子の位置を結んだ線の形状を描画するPostscriptプログラムを生成する（ステップＳ１０５）。前処理部１５１は、Postscriptプログラムの文字列を複数のトークンに分解し、各トークンにベクトルを割り当てる（ステップＳ１０６）。
　前処理部１５１は、トークンとベクトルとの関係を、第２ベクトル辞書１４２ｂに設定する（ステップＳ１０７）。
　図１０は、学習フェーズの処理手順を示すフローチャートである。図１０に示すように、情報処理装置１００の学習処理部１５２は、教師データテーブル１４３から教師データ（配列情報および座標情報）を取得する（ステップＳ２０１）。学習処理部１５２は、第１ベクトル辞書１４２ａを基にして、配列情報に含まれる各一次構造の配列特性ベクトルを算出する（ステップＳ２０２）。
　学習処理部１５２は、複数の座標情報から複数のPostscriptプログラムの文字列を生成する（ステップＳ２０３）。学習処理部１５２は、第２ベクトル辞書１４２ｂを基にして、各Postscriptプログラムから、立体座標ベクトルを算出する（ステップＳ２０４）。
　学習処理部１５２は、配列特性ベクトルと立体座標ベクトルとの組を、機械学習モデルＭ１に入力する（ステップＳ２０５）。学習処理部１５２は、機械学習モデルＭ１の出力結果とラベルとの差分を算出する（ステップＳ２０６）。
　学習処理部１５２は、差分が小さくなるように、機械学習モデルＭ１のパラメータを更新する（ステップＳ２０７）。学習処理部１５２は、処理を継続する場合には（ステップＳ２０８，Ｙｅｓ）、ステップＳ２０１に移行する。一方、学習処理部１５２は、処理を継続しない場合には（ステップＳ２０８，Ｎｏ）、処理を終了する。
　図１１は、推論フェーズの処理手順を示すフローチャートである。図１１に示すように、情報処理装置１００の推論処理部１５３は、入力部１２０から、推論対象となる受容体とリガンドの配列情報および座標情報を取得する（ステップＳ３０１）。推論処理部１５３は、第１ベクトル辞書１４２ａを基にして、配列情報に含まれる各一次構造の配列特性ベクトルを算出する（ステップＳ３０２）。
　推論処理部１５３は、複数の座標情報から複数のPostscriptプログラムを生成する（ステップＳ３０３）。推論処理部１５３は、第２ベクトル辞書１４２ｂを基にして、各Postscriptプログラムから、立体座標ベクトルを算出する（ステップＳ３０４）。
　推論処理部１５３は、一次構造の配列特性ベクトルと立体座標ベクトルとの組を、機械学習モデルＭ１に入力する（ステップＳ３０５）。推論処理部１５３は、機械学習モデルＭ１の出力結果を基にして、対象となる受容体（リガンドと合体した受容体）が適切であるか否かを判定する（ステップＳ３０６）。推論処理部１５３は、判定結果を表示部１３０に表示させる（ステップＳ３０７）。
　次に、本実施例に係る情報処理装置１００の効果について説明する。情報処理装置１００は、学習フェーズにおいて、リガンドと合体した受容体の高次構造に含まれる複数の一次構造の配列情報および一次構造の座標情報を有する入力データと、正解ラベルとを対応付けた教示データを用いて、機械学習モデルＭ１を訓練する。また、合体した状態で、リガンドの一次構造の前後に、受容体の高次構造を構成する、どの一次構造が隣接するか、識別することができる。これによって、対象となる受容体とリガンドとが合体可能であるか否かを適切に推定するための機械学習モデルＭ１を生成することができる。
　情報処理装置１００は、一次構造と該一次構造に対応する座標情報との組を順番に、機械学習モデルＭ１に入力し、機械学習モデルＭ１の出力結果と、ラベルとの差が小さくなるように、機械学習モデルＭ１の機械学習を実行する。これによって、対象となる受容体とリガンドとが合体可能であるか否かを適切に推定するだけでなく、リガンドと合体した受容体の一次構造の配列が適切であるか否かを推定するための機械学習モデルＭ１を生成することができる。
　情報処理装置１００は、複数の一次構造に含まれる所定の原子の位置を基にして、座標情報を生成する。これによって、一次構造の配列と、原子の位置との双方を用いて、リガンドと合体した受容体の一次構造の配列が適切であるか否かを推定するための機械学習モデルＭ１を生成することができる。
　情報処理装置１００は、複数の一次構造に含まれる所定の原子の位置を結んだ線分を描画するPostScriptプログラムの文字列を、ベクトルに変換した情報を、座標情報として生成する。これによって、所定の原子の位置をベクトルとして取り扱うことができ、機械学習モデルＭ１に対する機械学習を効率的に実行することができる。
　情報処理装置１００は、タンパク質の基本単位の文字列とベクトルとを対応付けた辞書を基にして、一次構造をベクトルに変換した情報を、配列情報として生成する。これによって、一次構造をベクトルとして取り扱うことができ、機械学習モデルＭ１に対する機械学習を効率的に実行することができる。
　情報処理装置１００は、推論フェーズにおいて、対象の受容体（リガンドと合体した受容体）の高次構造に含まれる複数の一次構造の配列情報および一次構造の座標情報を有する入力データと、訓練済みの機械学習モデルＭ１に入力する。これによって、対象となる受容体とリガンドとが合体可能であるか否かを適切に推定することができる。
　情報処理装置１００は、一次構造と該一次構造に対応する座標情報との組を順番に、訓練済みの機械学習モデルＭ１に入力し、機械学習モデルＭ１の出力結果を得る。これによって、対象となる受容体とリガンドとが合体可能であるか否かを適切に推定するだけでなく、リガンドと合体した受容体の一次構造の配列が適切であるか否かを推定することができる。
　次に、上記実施例に示した情報処理装置１００と同様の機能を実現するコンピュータのハードウェア構成の一例について説明する。図１２は、実施例の情報処理装置と同様の機能を実現するコンピュータのハードウェア構成の一例を示す図である。
　図１２に示すように、コンピュータ３００は、各種演算処理を実行するＣＰＵ３０１と、ユーザからのデータの入力を受け付ける入力装置３０２と、ディスプレイ３０３とを有する。また、コンピュータ３００は、有線または無線ネットワークを介して、外部装置等との間でデータの授受を行う通信装置３０４と、インタフェース装置３０５とを有する。また、コンピュータ３００は、各種情報を一時記憶するＲＡＭ３０６と、ハードディスク装置３０７とを有する。そして、各装置３０１～３０７は、バス３０８に接続される。
　ハードディスク装置３０７は、前処理プログラム３０７ａ、学習処理プログラム３０７ｂ、推論処理プログラム３０７ｃを有する。また、ＣＰＵ３０１は、各プログラム３０７ａ～３０７ｃを読み出してＲＡＭ３０６に展開する。
　前処理プログラム３０７ａは、前処理プロセス３０６ａとして機能する。学習処理プログラム３０７ｂは、学習処理プロセス３０６ｂとして機能する。推論処理プログラム３０７ｃは、推論処理プロセス３０６ｃとして機能する。
　前処理プロセス３０６ａの処理は、前処理部１５１の処理に対応する。学習処理プロセス３０６ｂの処理は、学習処理部１５２の処理に対応する。推論処理プロセス３０６ｃの処理は、推論処理部１５３の処理に対応する。
　なお、各プログラム３０７ａ～３０７ｃについては、必ずしも最初からハードディスク装置３０７に記憶させておかなくても良い。例えば、コンピュータ３００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＤＶＤ、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ３００が各プログラム３０７ａ～３０７ｃを読み出して実行するようにしてもよい。
　１００　　情報処理装置
　１１０　　通信部
　１２０　　入力部
　１３０　　表示部
　１４０　　記憶部
　１４１　　タンパク質構造ＤＢ
　１４２ａ　第１ベクトル辞書
　１４２ｂ　第２ベクトル辞書
　１４３　　教師データテーブル
　１５０　　制御部
　１５１　　前処理部
　１５２　　学習処理部
　１５３　　推論処理部

Claims (21)

  1. 　リガンドと合体した受容体の高次構造に含まれる複数の一次構造、および、前記複数の一次構造の構造情報を有する入力データと、前記受容体と前記リガンドとが合体可能であるか否かを示すラベルとが対応づけられた教師データを取得し、
    　前記教師データを基にして、機械学習モデルの機械学習を実行する
    　処理をコンピュータに実行させることを特徴とする学習プログラム。
  2. 　前記入力データの前記高次構造は、前記リガンドの一次構造と、前記リガンドの一次構造以外の複数の一次構造とを含み、
    　前記機械学習を実行する処理は、前記一次構造と構造情報との組を順番に、前記機械学習モデルに入力し、前記機械学習モデルの出力結果と、前記ラベルとの差が小さくなるように、前記機械学習モデルの機械学習を実行することを特徴とする請求項１に記載の学習プログラム。
  3. 　前記一次構造に含まれる所定の原子の位置を基にして、前記構造情報を生成する処理を更にコンピュータに実行させることを特徴とする請求項１に記載の学習プログラム。
  4. 　前記一次構造に含まれる所定の原子の位置を結んだ線分を描画するPostScriptの文字列を、ベクトルに変換する処理を更にコンピュータに実行させることを特徴とする請求項２に記載の学習プログラム。
  5. 　前記一次構造を、タンパク質のアミノ酸配列や有機化合物の官能基配列の文字列に分割し、各文字や各文字列にベクトルを割り当てることで、前記一次構造をベクトルに変換する処理を更にコンピュータに実行させることを特徴とする請求項１に記載の学習プログラム。
  6. 　推論対象となる対象受容体の対象高次構造であって、対象リガンドと合体した前記対象受容体の前記対象高次構造に含まれる複数の対象一次構造、および、前記複数の対象一次構造に対応する複数の対象構造情報を取得し、
    　リガンドと合体した受容体の高次構造に含まれる複数の一次構造、および、前記複数の一次構造の構造情報を有する入力データと、前記受容体と前記リガンドとが合体可能であるか否かを示すラベルとが対応づけられた教師データを基にして機械学習が実行された機械学習モデルに対して、前記複数の対象一次構造、前記複数の対象構造情報を入力することで、前記対象受容体が適切であるか否かを推論する
    　処理をコンピュータに実行させることを特徴とする推論プログラム。
  7. 　前記対象高次構造は、前記対象リガンドの対象一次構造と、前記対象リガンドの対象一次構造以外の複数の対象一次構造とを含み、
    　前記推論する処理は、前記対象一次構造と前記対象構造情報との組を順番に、前記機械学習モデルに入力し、前記機械学習モデルの出力結果と基にして、前記対象受容体が適切であるか否かを推論することを特徴とする請求項６に記載の推論プログラム。
  8. 　リガンドと合体した受容体の高次構造に含まれる複数の一次構造、および、前記複数の一次構造の構造情報を有する入力データと、前記受容体と前記リガンドとが合体可能であるか否かを示すラベルとが対応づけられた教師データを取得し、
    　前記教師データを基にして、機械学習モデルの機械学習を実行する
    　処理をコンピュータが実行することを特徴とする学習方法。
  9. 　前記入力データの前記高次構造は、前記リガンドの一次構造と、前記リガンドの一次構造以外の複数の一次構造とを含み、
    　前記機械学習を実行する処理は、前記一次構造と構造情報との組を順番に、前記機械学習モデルに入力し、前記機械学習モデルの出力結果と、前記ラベルとの差が小さくなるように、前記機械学習モデルの機械学習を実行することを特徴とする請求項８に記載の学習方法。
  10. 　前記一次構造に含まれる所定の原子の位置を基にして、前記構造情報を生成する処理を更にコンピュータが実行することを特徴とする請求項８に記載の学習方法。
  11. 　前記一次構造に含まれる所定の原子の位置を結んだ線分を描画するPostScriptの文字列を、ベクトルに変換する処理を更にコンピュータが実行することを特徴とする請求項９に記載の学習方法。
  12. 　前記一次構造を、タンパク質のアミノ酸配列や有機化合物の官能基配列の文字列に分割し、各文字や各文字列にベクトルを割り当てることで、前記一次構造をベクトルに変換する処理を更にコンピュータが実行することを特徴とする請求項８に記載の学習方法。
  13. 　推論対象となる対象受容体の対象高次構造であって、対象リガンドと合体した前記対象受容体の前記対象高次構造に含まれる複数の対象一次構造、および、前記複数の対象一次構造に対応する複数の対象構造情報を取得し、
    　リガンドと合体した受容体の高次構造に含まれる複数の一次構造、および、前記複数の一次構造の構造情報を有する入力データと、前記受容体と前記リガンドとが合体可能であるか否かを示すラベルとが対応づけられた教師データを基にして機械学習が実行された機械学習モデルに対して、前記複数の対象一次構造、前記複数の対象構造情報を入力することで、前記対象受容体が適切であるか否かを推論する
    　処理をコンピュータが実行することを特徴とする推論方法。
  14. 　前記対象高次構造は、前記対象リガンドの対象一次構造と、前記対象リガンドの対象一次構造以外の複数の対象一次構造とを含み、
    　前記推論する処理は、前記対象一次構造と前記対象構造情報との組を順番に、前記機械学習モデルに入力し、前記機械学習モデルの出力結果と基にして、前記対象受容体が適切であるか否かを推論することを特徴とする請求項１３に記載の推論方法。
  15. 　リガンドと合体した受容体の高次構造に含まれる複数の一次構造、および、前記複数の一次構造の構造情報を有する入力データと、前記受容体と前記リガンドとが合体可能であるか否かを示すラベルとが対応づけられた教師データを取得し、
    　前記教師データを基にして、機械学習モデルの機械学習を実行する
    　処理を実行する制御部を有する情報処理装置。
  16. 　前記入力データの前記高次構造は、前記リガンドの一次構造と、前記リガンドの一次構造以外の複数の一次構造とを含み、
    　前記制御部は、前記一次構造と構造情報との組を順番に、前記機械学習モデルに入力し、前記機械学習モデルの出力結果と、前記ラベルとの差が小さくなるように、前記機械学習モデルの機械学習を実行することを特徴とする請求項１５に記載の情報処理装置。
  17. 　前記制御部は、前記一次構造に含まれる所定の原子の位置を基にして、前記構造情報を生成する処理を更に実行することを特徴とする請求項１５に記載の情報処理装置。
  18. 　前記制御部は、前記一次構造に含まれる所定の原子の位置を結んだ線分を描画するPostScriptの文字列を、ベクトルに変換する処理を更に実行することを特徴とする請求項１７に記載の情報処理装置。
  19. 　前記制御部は、前記一次構造を、タンパク質のアミノ酸配列や有機化合物の官能基配列の文字列に分割し、各文字列にベクトルを割り当てることで、前記一次構造をベクトルに変換する処理を更に実行することを特徴とする請求項１５に記載の情報処理装置。
  20. 　推論対象となる対象受容体の対象高次構造であって、対象リガンドと合体した前記対象受容体の前記対象高次構造に含まれる複数の対象一次構造、および、前記複数の対象一次構造に対応する複数の対象構造情報を取得し、
    　リガンドと合体した受容体の高次構造に含まれる複数の一次構造、および、前記複数の一次構造の構造情報を有する入力データと、前記受容体と前記リガンドとが合体可能であるか否かを示すラベルとが対応づけられた教師データを基にして機械学習が実行された機械学習モデルに対して、前記複数の対象一次構造、前記複数の対象構造情報を入力することで、前記対象受容体が適切であるか否かを推論する
    　処理を実行する制御部を有する情報処理装置。
  21. 　前記対象高次構造は、前記対象リガンドの対象一次構造と、前記対象リガンドの対象一次構造以外の複数の対象一次構造とを含み、
    　前記制御部は、前記対象一次構造と前記対象構造情報との組を順番に、前記機械学習モデルに入力し、前記機械学習モデルの出力結果と基にして、前記対象受容体が適切であるか否かを推論することを特徴とする請求項２０に記載の情報処理装置。
PCT/JP2023/015686 2023-04-19 2023-04-19 学習プログラム、推論プログラム、学習方法、推論方法および情報処理装置 Ceased WO2024218924A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2023/015686 WO2024218924A1 (ja) 2023-04-19 2023-04-19 学習プログラム、推論プログラム、学習方法、推論方法および情報処理装置
JP2025514981A JPWO2024218924A1 (ja) 2023-04-19 2023-04-19
US19/356,244 US20260037876A1 (en) 2023-04-19 2025-10-13 Non-transitory computer-readable recording medium, learning method, inference method, and information processing apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2023/015686 WO2024218924A1 (ja) 2023-04-19 2023-04-19 学習プログラム、推論プログラム、学習方法、推論方法および情報処理装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US19/356,244 Continuation US20260037876A1 (en) 2023-04-19 2025-10-13 Non-transitory computer-readable recording medium, learning method, inference method, and information processing apparatus

Publications (1)

Publication Number Publication Date
WO2024218924A1 true WO2024218924A1 (ja) 2024-10-24

Family

ID=93152229

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/015686 Ceased WO2024218924A1 (ja) 2023-04-19 2023-04-19 学習プログラム、推論プログラム、学習方法、推論方法および情報処理装置

Country Status (3)

Country Link
US (1) US20260037876A1 (ja)
JP (1) JPWO2024218924A1 (ja)
WO (1) WO2024218924A1 (ja)

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DEREK JONES; HYOJIN KIM; XIAOHUA ZHANG; ADAM ZEMLA; GARRETT STEVENSON; WILLIAM D. BENNETT; DAN KIRSHNER; SERGIO WONG; FELICE LIGHT: "Improved Protein-ligand Binding Affinity Prediction with Structure-Based Deep Fusion Inference", ARXIV.ORG, CORNELL UNIVERSITY LIBRARY, 201 OLIN LIBRARY CORNELL UNIVERSITY ITHACA, NY 14853, 18 May 2020 (2020-05-18), 201 Olin Library Cornell University Ithaca, NY 14853 , XP081674455 *
OFER DAN, BRANDES NADAV, LINIAL MICHAL: "The language of proteins: NLP, machine learning & protein sequences", COMPUTATIONAL AND STRUCTURAL BIOTECHNOLOGY JOURNAL, RESEARCH NETWORK OF COMPUTATIONAL AND STRUCTURAL BIOTECHNOLOGY, SWEDEN, vol. 19, 1 January 2021 (2021-01-01), Sweden , pages 1750 - 1758, XP093222546, ISSN: 2001-0370, DOI: 10.1016/j.csbj.2021.03.022 *
ÖZCELIK RIZA, VAN TILBORG DEREK, ÉNEZ-LUNA JIM, GRISONI FRANCESCA: "Structure-based drug discovery with deep learning", ARXIV:2212.13295V1, 26 December 2022 (2022-12-26), XP093222547, Retrieved from the Internet <URL:https://arxiv.org/pdf/2212.13295> *

Also Published As

Publication number Publication date
US20260037876A1 (en) 2026-02-05
JPWO2024218924A1 (ja) 2024-10-24

Similar Documents

Publication Publication Date Title
US12468886B2 (en) Computing numeric representations of words in a high-dimensional space
EP3732633B1 (en) Universal transformers
Modi et al. Facial emotion recognition using convolution neural network
Chen et al. Combination of deep neural network with attention mechanism enhances the explainability of protein contact prediction
CN113571124A (zh) 一种配体-蛋白质相互作用的预测方法及装置
Vidovic et al. Feature importance measure for non-linear learning algorithms
CN110444199A (zh) 一种语音关键词识别方法、装置、终端及服务器
CN108780525A (zh) 用于生成学习的系统和方法
CN112632260A (zh) 智能问答方法、装置、电子设备及计算机可读存储介质
Paaß et al. Artificial intelligence: what is behind the technology of the future?
CN109359308A (zh) 机器翻译方法、装置及可读存储介质
CN115392237B (zh) 情感分析模型训练方法、装置、设备及存储介质
WO2024218924A1 (ja) 学習プログラム、推論プログラム、学習方法、推論方法および情報処理装置
JP7204431B2 (ja) 単語ベクトルリスト生成装置
KR102617957B1 (ko) 비공유결합 기반 단백질-리간드 결합 친화도 예측 방법 및 장치
CN110135583A (zh) 标注信息的生成方法、标注信息的生成装置和电子设备
JP7643580B2 (ja) 処理方法、処理プログラムおよび情報処理装置
Leeman-Munk et al. Two modes are better than one: a multimodal assessment framework integrating student writing and drawing
Rosenhouse On mathematical anti-evolutionism
JP2024108021A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
Thenmozhi et al. Robotic simulation using natural language commands
Nazaruddin et al. Utilising the YOLOv3 Algorithm for the Student Posture Recognition System in Classroom Settings
Sakshuwong et al. MolAR: bringing chemical structures to life with augmented reality and machine learning
Sokolova et al. Contrastive pre-training for sequence based genomics models
Wahab et al. Interactive Visualization to Enhance Learning Experienced on Machining Process of EDM Wire Cut Through Augmented Reality (AR)

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23934069

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2025514981

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2025514981

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 23934069

Country of ref document: EP

Kind code of ref document: A1