化合物の光分解性予測モデルの構築に関する基礎的検討

抄録

化学物質を利用するうえで環境中での物性や動態を知ることは非常に重要であるが、実際にすべての化合物に対して実験的な調査を行うのは、膨大なコスト・時間がかかり非現実的である。そこでQSPR (Quantitative Structure- Property Relationship: 定量的構造物性相関) モデルがしばしば代替的に利用されている。本研究は化合物の光分解性に影響する構造的・量子化学的特徴の推定と、予測モデルの構築を目的とする。予測モデルの作成にはアンサンブル学習法の一つであるランダムフォレストを用いた。計算の結果重要な記述子として化合物の電荷に関する記述子や、LUMOとHOMOの準位差などが算出された。重要度の高い記述子上位10種を用いて10回予測モデルを構築したところ、正答率はトレーニングセットで66%、テストセットで73%程度となり、ランダムフォレストを用いることで化合物の光分解性の予測がある程度行えることが確認された。