2018年度 化学工学特論２ 第９回

前回の達成目標
今回の達成目標
化学構造の表現形式
分子を扱う一般的な流れ
SMILES 形式
MOL file 形式
Python で分子を扱ってみよう！
２つの分子はどれくらい似ているか？
分子間の類似度の計算手順
たくさんの分子、そしてその活性・物性も！
分子の数値化
今後のお話の概要

Transcript

1. 化学⼯学特論２ 第９回 2018年11月26日 (月) 0 理⼯学部 応用化学科 データ化学⼯学研究室 専任講師 ⾦⼦ 弘昌
2. 前回の達成目標 実験計画法について理解する 多数の実験候補の中から、少数の候補の選び方がわかる 実験計画法ができるようになる 実験データを用いて、次の実験候補を選べるようになる 1
3. 今回の達成目標 分⼦をパソコンで表現する方法について知る 分⼦を表示できる 化学構造を数値化できる 分⼦をまとめて管理できる 2
4. 化学構造の表現形式 SMILES (すまいるず) MOL file (もるふぁいる) InChI (いんち) InChIKey (いんちきー) など、たくさん・・・ • それぞれメリット・デメリット 今回は MOL file と SMILES を扱う ただし、(この道の研究者以外は) 表現形式を覚える必要はない • こんな感じで化学構造を表現できるんだ、くらいで聞いてもらえたら • 必要になったら調べる、くらいでよいです • 便利な形式変換ソフト (フリー) もあります Open Babel: http://openbabel.org/wiki/Main_Page 3
5. 分⼦を扱う⼀般的な流れ 1. 化学構造描画ソフトを使って分⼦を描画 • MarvinSketch, ChemDraw, ChemSketch など 2. 化学構造描画ソフトを使って MOL file 形式で化学構造を保存 • 1. 2. の代わりに、公共データベース [1,2] からデータを入手することも 3. Python で MOL file を扱う • 分⼦を⾒る • 複数の分⼦をまとめる • 分⼦を数値化する • ２つの分⼦の間の類似度を計算する • SMILES に変換する • 化学構造に物性情報を付け加える 4 [1] ChEMBL (けんぶる): https://www.ebi.ac.uk/chembl/ [2] PubChem (ぱぶけむ): https://pubchem.ncbi.nlm.nih.gov/
6. SMILES 形式 Simplified Molecular Input Line Entry System ⼀列の⽂字列で化学構造を表現 • エタノール: CCO • シクロヘキサン: C1CCCCC1 • ベンゼン: c1ccccc1 • アラニン: CC(N)C(=O)O • トランス-2-ブテン: C/C=C/C • シス-2-ブテン: C/C=C¥C 少ない情報量 (ファイルの容量) で表現可能 三次元情報は表現できない • シクロヘキサンの⽴体配座は判別できない 参考: https://en.wikipedia.org/wiki/Simplified_molecular-input_line-entry_system 5
7. MOL file 形式 MOLecule file 原⼦の種類、原⼦の位置、結合の種類で化学構造を表現 三次元情報を表現可能 • ex.) アラニン 6 原⼦数 結合数 原⼦情報 原⼦位置情報 結合情報
8. MOL file 形式 MOLecule file 原⼦の種類、原⼦の位置、結合の種類で化学構造を表現 三次元情報を表現可能 情報量 (ファイルの大きさ) は大きくなりがち 参考: http://www.daylight.com/meetings/mug05/Kappler/ctfile.pdf 7
9. Python で分⼦を扱ってみよう︕ 分⼦の読み込み 分⼦の描画 H 原⼦の付加 分⼦量の計算 SMILES 形式 ⇔ MOL file 形式 8
10. ２つの分⼦はどれくらい似ているか︖ 自分で合成した分⼦は、どれくらい “新規” なんだろう︖ 特許を押さえられている化合物と、どれくらい似ているの︖ 化学構造が似ていたら、それがもつ活性・物性も似ているはず・・・ 9 分⼦間の類似度を計算しよう︕
11. 分⼦間の類似度の計算手順 1. 分⼦を fingerprint (ふぃんがーぷりんと) で表現  fingerprint (直訳すると︖) 2. Fingerprint の間で tanimoto 係数 (= 類似度) の計算  ２つの分⼦で fingerprint の 1 が共通しているほど、似ている︕ 10 (0, 1, 0, 0, 1, 0, 0, 1, …, 0, 0) 分⼦ a と 分⼦ b で共通する 1 の数 a の 1 の数 + b の 1 の数 − a と b で共通する 1 の数 分⼦ a : (0, 1, 0, 0, 1, 1, 0) 分⼦ b : (1, 1, 0, 1, 1, 0, 0) 2 3 + 4 − 2 = 0.4
12. たくさんの分⼦、そしてその活性・物性も︕ たくさんの分⼦を⼀緒に扱いたいとき、sdf ファイルとする 活性や物性、CAS 番号など分⼦の付加情報も扱える • logS_1290_2d.sdf をテキストエディタで⾒てみましょう 11
13. 分⼦の数値化 化学構造をどうやって数値化するか もちろん fingerprint でも OK もう少し意味のある数値化として、構造記述⼦ • 分⼦量、部分構造 (-OH とか) の数、・・・、原⼦間の距離、・・・、 van der waals 体積、、、 これで、実験計画法に組みこめる︕ 12
14. 今後のお話の概要 化合物・化学構造も実験計画法の中で扱いたいのだけど︖ → 化学構造の表現、数値化 変数がたくさんあって、よくわからない︕データの様⼦を⾒たいのだけど︖ → PCA, t-SNE 線形の手法の中で、もっとよいものないの︖ → PLS, LASSO 非線形の手法では、もっとよいものないの︖ → SVR, RF 構築した回帰モデルが、どんな回帰モデルなのか把握したいのだけど︖ → 決定木 13
15. 今後のお話の概要 変数がたくさんあるけど、重要なのってどれか分かる︖ → LASSO(線形), RF(非線形) 30 くらいのサンプルで構築した回帰モデルを使って、何千ものサンプルの y の値を、本当に精度よく推定できるの︖ → モデルの適用範囲 モデルの適用範囲を考慮して、次の実験候補を探すには︖ → GP, ベイズ最適化 y が連続値ではなく、何かのカテゴリーのときで、回帰分析が できないときは︖ → クラス分類︓LDA, SVM 14