分子グラフ上の距離を考慮したグラフ畳込みニューラルネットワークによる化合物活性予測

伊井 良太; 柳澤 渓甫; 大上 雅史; 秋山 泰

論文・著書情報

タイトル

和文:	分子グラフ上の距離を考慮したグラフ畳込みニューラルネットワークによる化合物活性予測
英文:	Graph convolutional neural networks considering distance on molecular graph for compound activity prediction

著者

和文:	伊井良太, 柳澤渓甫, 大上雅史, 秋山泰.
英文:	Ryota Ii, Keisuke Yanagisawa, Masahito Ohue, Yutaka Akiyama.

言語

Japanese

掲載誌/書名

和文:	研究報告バイオ情報学（BIO）
英文:

巻, 号, ページ

Vol. 2019-BIO-57 No. 11 pp. 1-8

出版年月

2019年3月1日

出版者

和文:	情報処理学会
英文:

会議名称

和文:	情報処理学会研究報告バイオ情報学（BIO）
英文:

開催地

和文:	石川県
英文:

公式リンク

https://ipsj.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=194998&item_no=1&page_id=13&block_id=8

アブストラクト

標的となるタンパク質に対して薬理活性を有する化合物を計算機上で発見するバーチャルスクリーニングでは，機械学習がよく用いられている．グラフ畳込みニューラルネットワークの一種であるWeave moduleが2016年にKearnesらによって提案された．Weave moduleは原子単体に注目した特徴(アトム特徴)だけでなく原子ペアに着目した特徴(ペア特徴)も用いて離れた原子の情報を取り入れられる．しかし，離れた距離にある原子ペアはグラフ上の距離が現実における立体的距離と相関するどうかは不確実である．本研究では，既存のWeave moduleに対して3つの改良手法を提案した．1つ目は環構造内の原子に関するグラフ上の距離の修正，2つ目はペア特徴の畳込みでグラフ上の距離によって異なる重み行列を用いること，3つ目はペア特徴からアトム特徴に変換する際に取り込むペア特徴に対して距離による重み付けを行ったことである．実験結果より，提案手法はWeave moduleに対するわずかな性能向上が見られ，距離表現の工夫が化合物活性予測に有用である可能性を示した．

Home

各種検索

サポート

T2R2について

関連リンク

論文・著書情報