抄録
現在，日本では2万種以上の化学物質が取り扱われているが，その中で実験的に生分解性が評価されている化学物質はごく一部である．すべての化学物質について生分解性を評価するには膨大な時間と費用を要するため，構造活性相関（SAR）に基づいたシステムの開発が期待されている．SARでは説明変数が多く，それらの間に強い共線性がみられる場合にも，安定な予測モデルを構築できるPartial Least Squares（PLS）法が広く用いられているが，PLS法では非線形な相関関係を十分に表すことができない．そこで，本研究では非線形PLS法のひとつとして提唱されているKernel PLS（KPLS）法を用いて554化合物の生分解性を予測した．その結果，PLS法では解析に用いる化合物の構造記述子を6，50および89と増加させることで，予測の正判別率は上昇し，それぞれ75.6%，78.3%および79.2%となった．一方，KPLS法による解析では，それぞれ77.4%，80.0%および81.9%の化合物が正しく分類され，いずれのケースにおいてもPLS法による予測精度を上回った．なお，Support Vector Machine（SVM）法による予測の正判別率も79.6%に留まっており（89記述子），KPLS法による予測精度はこれをも上回っていた．
