4桁からなるEC番号には酵素名と，その酵素が触媒する化学反応も記載されている．本研究では，有機合成に用いる化学反応に対して最適な酵素候補をEC番号として予測するモデルの作成を行った．そして，Kyoto Encyclopedia of Genes and Genomes（KEGG）およびBRENDAなど文献に記載されている酵素反応データを用い，正解EC番号の予測に関するモデルの評価を行った．今回は，基質2種類，生成物2種類からなるEC 3に属する酵素反応に対し，EC番号のsubclass（2桁目）およびsub-subclass（3桁目）を予測するRandom Forests（RF）予測モデルを開発した．初めに，KEGGよりEC番号と反応式の文字データを取得し，数値に変換した．数値化の際には，各反応式で，基質が生成物に変化する際の208種類の記述子（物理・化学特性値）の変化量を計算し，208次元の反応式の特徴ベクトルを作成した．次に，SMOTEを適用し，特徴ベクトルのデータ数を962から3100にオーバーサンプリングした．さらに，予測モデル作成の前処理として記述子選択を行い，RFに対してforward selectionを適用し，23種類の記述子が選択された．また，パラメータ調整では決定木の最大深さ15，決定木数800となった．これらのデータ・パラメータ調整で作成した予測モデルの予測結果として，KEGGのテストデータに対し，F1スコア平均0.99が得られた．また，BRENDAなどの文献反応12種に対しても，現状十分な予測精度が得られた．
