お問い合わせ

J-OCTA事例:mol-inferを用いたQSPRの逆解析

データサイエンス
力学・粘性・粘弾性
低分子の浸透・拡散・吸着
光学・電気・磁気
界面・相分離・粒子分散性
分子構造・親和性・溶解性
その他の特性
マテリアルサイエンス
ライフサイエンス

物性値から分子構造を予測

分子構造や結晶構造から物性を予測するQSPR(定量的構造物性相関)は、機械学習を用いてよく実施されています。ここでは逆解析、つまり物性から分子構造を予測します。J-OCTAでは、京都大学の永持研究室で開発しているmol-inferとのインターフェイスをとっています[1]。

mol-inferでは、まず人工ニューラルネットワーク(Artificial Neural Network: ANN)を用いて分子の構造から物性を予測します。つぎに、ANNの逆演算を混合整数線形計画法(Mixed Integer Linear Programming:MILP)によって解くことで、ANNだけでは不可能な、逆向きの演算を実行できるようになります。

図1はテスト計算に用いた分配係数のデータです。まず、分子構造と物性の関係について、1297個のデータを用いて学習させます。

図1. mol-inferのターゲット物性(分配係数=10.0)図1. mol-inferのターゲット物性(分配係数=10.0)

次にMILPを用いて逆演算を行います。この際、分子構造の種となるグラフ構造と、官能基に相当するツリー構造を用意しておき、これらを用いて分子構造を推定します(図2)。

図2. シード構造(左)とツリー構造(右)図2. シード構造(左)とツリー構造(右)

結果として図3の構造が得られました。ここでは構造異性体についても取得されています。得られた分子構造について再度順方向の物性推算を行うと、分配係数の値は9.8となり、得られた分子構造はターゲット物性をほぼ満たしていることが示されました。

図3. mol-inferで得られた分子構造図3. mol-inferで得られた分子構造

*参考文献
  • [1] Int.J.Mol.Sci.,22,2847,(2021)

事例一覧

  • ※記載されている製品およびサービスの名称は、それぞれの所有者の商標または登録商標です。
*CONTACT

お問い合わせ

電話でのお問い合わせ:03-6261-7168 平日10:00〜17:00

※ お問い合わせページへアクセスできない場合

以下のアドレス宛にメールでお問い合わせください

cae-info@sci.jsol.co.jp

ページトップへ