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

• Item type: SIG Technical Reports(1)
• 公開日: 2019-03-01
• タイトル: 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
• タイトル / 言語: en
• タイトル: Graph convolutional neural networks considering distance on molecular graph for compound activity prediction
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京工業大学情報理工学院情報工学系
• 著者所属: 東京工業大学情報理工学院情報工学系
• 著者所属: 東京工業大学情報理工学院情報工学系
• 著者所属: 東京工業大学情報理工学院情報工学系
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, School of Computing, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, School of Computing, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, School of Computing, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, School of Computing, Tokyo Institute of Technology
• 著者名: 伊井, 良太; 柳澤, 渓甫; 大上, 雅史; 秋山, 泰
• 著者名(英): Ryota, Ii; Keisuke, Yanagisawa; Masahito, Ohue; Yutaka, Akiyama
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 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．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Machine learning is often used in virtual screening that finds compounds having pharmacological activity on a target protein. Weave module is a type of graph convolutional neural networks, proposed by Kearnes et al. in 2016. It uses not only features focusing on atoms alone (atom features) but also features focusing on atom pairs (pair features), and can take information of non-adjacent atoms. However, the correlation between the distance on the graph and the 3-dimensional coordinate distance is uncertain. In this study, we proposed three improvements for modifying the weave module. First, the distances between ring atoms on the graph were modified to bring the distances on the graph closer to the coordinate distance. Second is to use different weight matrices depending on the distance on the graph in the convolution layers of pair features. The third is to use a weighted sum by distance when converting from pair features to atom features. Experimental results show the performance of the proposed method is slightly improved compared to weave module, and the improvement of distance representation might be useful for compound activity prediction.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2019-BIO-57, 号 11, p. 1-8, 発行日 2019-03-01
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8590
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会