変異原性予測モデルの構築 - Ames試験データの検証

抄録

我々は、有機化合物の変異原性を予測するためのクラス分類モデルの構築を進めている。複数のSupport Vector Machine（SVM）モデルをサブモデルとして構築し、それらを組み合わせることで予測を行うアンサンブル手法を提案することで、これまでに予測正解率79.6%のモデルを構築することに成功している。しかし一方で、データベースに登録されているデータの一部に誤りが存在することを示唆する結果が得られた。そこで本研究では、誤りが疑われる化合物についてAmes試験を実施することでデータの検証を行った。Hansenらが収集・整理した、6,512化合物からなる復帰突然変異試験のデータセットを用い、アンサンブル手法によって変異原性予測モデルを構築した。そして、データベースに陰性として登録されているにも関わらず、多くのサブモデルによって陽性と判定される化合物を選択し、Ames試験を実施した。その結果、5化合物中の3化合物が陽性であることが判明した。