Journal of Computer Aided Chemistry
Online ISSN : 1345-8647
ISSN-L : 1345-8647
機械学習による金属化合物及び電解質の魚類急性生態毒性予測と学習モデルの解釈
高田 道義林 彬勒寺田 昭彦細見 正明
著者情報
ジャーナル フリー

2019 年 20 巻 p. 104-110

詳細
抄録

動物実験の削減を目的に、化学物質の毒性予測手法の開発が行われている。化学物質の構造情報を基に経験的にグループ化し、線形回帰で予測する方法が本分野では一般的である(従来法)。一方で、従来法は金属化合物の予測が困難という課題がある。著者らは化学物質をクラスタリングし、生じたクラスタと化学物質の類似度を用いて、生態毒性値を予測する手法を開発した。これにより金属化合物の予測が可能となったが、訓練後の機械学習モデルに対する解釈が難しいという課題が残った。この対策として、本研究では、説明変数にフィンガープリントを用いて構造情報を2値化して集計を行うと共に、目的変数を変更した2種類の機械学習モデルを作成して魚類急性生態毒性値の予測に対する構造的特徴の寄与状況を比較した。この解析により、訓練後の機械学習モデルに関し、酸素、ベンゼン環、メチル基の数など、極性に基づいて生態毒性値を予測していると解釈する事が可能であった。さらに、開発手法の予測精度は以前の方法よりも優れることも確認できた。

著者関連情報
© 2019 日本化学会
前の記事 次の記事
feedback
Top