第1部. ケモインフォマティクスによる化合物毒性予測の基本と記述子設計技術
(2020年1月10日 10:00〜14:45) ※途中、昼食の休憩を挟みます
化合物毒性予測は、単に数値データを化学多変量解析/パターン認識で解析すれば完了するわけではない。 ①化学とインシリコ情報の融和 (例;互変異生体の扱い) ②データ解析精度保証 (例;偶然相関、過剰適合、他) ③要因解析 (例;「なぜ毒性が出るの?」の実施)
- 化合物情報のデジタル化 (インシリコ情報) の留意点
- 化合物構造はどうやって1/0に変換
- 同一化合物を他人と自分の描いた構造式は異なるのに?
- 互変異性体やニトロ、芳香族の扱いは?
- 多変量解析/パターン認識適用での留意点
- サンプル数が少ない時/多い時の問題は?
- 解析手法とパラメーターの関係
- 化学情報を乗せたパラメーターの種類と特性
- 1/2/3次元パラメーターの違い
- データ解析に使えるクリーンなパラメーターとは
- 要因解析とパラメーターの関係
第2部. 機械学習による毒性関連ビッグデータ解析と毒性予測への活用
(2020年1月10日 15:00〜17:00)
化学構造に基づく毒性予測は困難であることが多い。特定の原因タンパク質を想定できないこと、発現機序が不明であること、そもそも毒性データ自体の入手が困難であること等がその理由として挙げられる。本講座では、これらを克服する毒性予測戦略を紹介するとともに、化学構造の取り扱いに関する基礎的注意点から応用事例までを説明する。さらに、演者が携わっている医薬品および化学品に関する毒性予測プロジェクトの概要を紹介する。
- in silico研究の重要性
- QSAR・QSTR解析の基礎と応用
- ネット情報を活用したQSAR解析
- 多変量解析と機械学習
- 人工知能の歴史とディープラーニング
- 分子画像を用いた機械学習
- 薬物体内動態・毒性予測への応用例
- 環境毒性予測コンペティション
- 核内受容体活性化予測コンペティション
- 米国Tox21プロジェクトとAOP
- ヒト毒性評価における副作用データベースの活用事例
- AMED医薬品毒性予測プロジェクト
- 経産省化学品毒性予測プロジェクト
- 肝毒性QSAR予測Webサービスの紹介
- 質疑応答