講演名 2014/6/18
半教師付き学習を用いた薬物クリアランス経路予測(機械学習によるバイオデータマインニング,一般)
柳澤 渓甫, 石田 貴士, 秋山 泰,
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 近年,新薬開発にかかる時間および費用は莫大なものであり,この費用や開発期間の削減が求められている.薬剤候補化合物が新薬として認められるためには体内で代謝・排泄されるという安全性を確認する必要があるが,この観点から計算機を用いることで薬物候補化合物の早期の選定を行うのが薬物クリアランス経路予測と呼ばれるものである.この予測問題は既知薬物のクリアランス経路を利用して学習を行うが,この情報を得るには実験が必要となるため,データ数が少ないことが問題となっている.そこでこの予測問題に対する半教師付き学習の有用性を評価し,この手法を用いることで予測精度の改善を試みた.また,入力の特徴量を増加させることが有効であると考え,貪欲法により802個の化合物記述子より選択した特徴量の追加を行い,その効果も検証した.
抄録(英) Nowadays, drug development requires too much time and budget, and it is necessary to reduce them. In order to accept a compound as a new drug, it must be confirmed that it is metabolized and excreted. In this respect, one of the computational methods used for selecting compounds is drug clearance pathway prediction. This prediction method uses well-known drug's clearance pathway data as a training set. However data is expensive to get, and thus there are too few data. For this reason, we evaluated the usefulness of semi-supervised learning in this prediction problem, and tried to improve accuracy of this clearance pathway prediction. We also tried to add some features of compounds which are selected from 802 features by greedy algorithm to improve accuracy and evaluated their effect.
キーワード(和) 薬物クリアランス経路予測 / 創薬支援 / 機械学習 / 半教師付き学習
キーワード(英) drug clearance pathway prediction / drug discovery assistance / machine learning / semi-supervised learning
資料番号 Vol.2014-MPS-98 No.10,Vol.2014-BIO-38 No.10
発行日

研究会情報
研究会 NC
開催期間 2014/6/18(から1日開催)
開催地(和)
開催地(英)
テーマ(和)
テーマ(英)
委員長氏名(和)
委員長氏名(英)
副委員長氏名(和)
副委員長氏名(英)
幹事氏名(和)
幹事氏名(英)
幹事補佐氏名(和)
幹事補佐氏名(英)

講演論文情報詳細
申込み研究会 Neurocomputing (NC)
本文の言語 JPN
タイトル(和) 半教師付き学習を用いた薬物クリアランス経路予測(機械学習によるバイオデータマインニング,一般)
サブタイトル(和)
タイトル(英) Drug clearance pathway prediction using semi-supervised learning
サブタイトル(和)
キーワード(1)(和/英) 薬物クリアランス経路予測 / drug clearance pathway prediction
キーワード(2)(和/英) 創薬支援 / drug discovery assistance
キーワード(3)(和/英) 機械学習 / machine learning
キーワード(4)(和/英) 半教師付き学習 / semi-supervised learning
第 1 著者 氏名(和/英) 柳澤 渓甫 / KEISUKE YANAGISAWA
第 1 著者 所属(和/英) 東京工業大学大学院情報理工学研究科計算工学専攻
Graduate School of Information Science and Engineering, Tokyo Institute of Technology
第 2 著者 氏名(和/英) 石田 貴士 / TAKASHI ISHIDA
第 2 著者 所属(和/英) 東京工業大学大学院情報理工学研究科計算工学専攻
Graduate School of Information Science and Engineering, Tokyo Institute of Technology
第 3 著者 氏名(和/英) 秋山 泰 / YUTAKA AKIYAMA
第 3 著者 所属(和/英) 東京工業大学大学院情報理工学研究科計算工学専攻:東京工業大学情報生命博士教育院
Graduate School of Information Science and Engineering, Tokyo Institute of Technology:Education Academy of Computational Life Sciences, Tokyo Institute of technology
発表年月日 2014/6/18
資料番号 Vol.2014-MPS-98 No.10,Vol.2014-BIO-38 No.10
巻番号(vol) vol.114
号番号(no) 104
ページ範囲 pp.-
ページ数 6
発行日