@techreport{oai:ipsj.ixsq.nii.ac.jp:00203879,
 author = {恵利川, 大樹 and 安尾, 信明 and 関嶋, 政和 and Daiki, Erikawa and Nobuaki, Yasuo and Masakazu, Sekijima},
 issue = {11},
 month = {Mar},
 note = {創薬のプロセスの一つである化合物最適化では，特定の化合物を出発点としてより薬らしい化合物の探索を行っている．機械学習を利用した化合物生成モデルの一つである ChemTS は優れた物性を持つ化合物を生成することに成功したが，特定の化合物を出発点とした化合物生成には対応していなかった．そこで，本研究ではモンテカルロ木探索を用い，特定の化合物の誘導体を生成することが可能な手法を開発した．また，本手法について化合物の薬らしさの指標である QED を最適化する実験を行い，平均 QED が 0.63 の化合物群に対して 0.93 を超える化合物を生成することに成功した．, Development of a new drug requires an enormous amount of time and cost. In drug discovery, molecular optimization that finds molecule with better properties is important. ChemTS is an existing molecular generative model based on MCTS (Monte Carlo tree search). ChemTS has succeeded in generating better molecules more efficiently than existing models. However, ChemTS could not specify starting molecule, which means it could not generate derivatives. In this paper, we present a generative model using MCTS and RNN (recurrent neural network) starting from specific molecule. As a result, our model generated molecules, whose QED is higher than 0.93, starting from molecules whose average QED is 0.63.},
 title = {モンテカルロ木探索を用いた有機低分子化合物誘導体生成手法の開発},
 year = {2020}
}