6 0 0 0 OA 医薬品安全性評価のための肝毒性オントロジー構築とその応用
- 著者
- 山縣 友紀 五十嵐 芳暢 中津 則之 堀本 勝久 福井 一彦 植沢 芳広 山田 弘
- 出版者
- 一般社団法人 人工知能学会
- 雑誌
- 人工知能学会論文誌 (ISSN:13460714)
- 巻号頁・発行日
- vol.34, no.2, pp.D-I81_1-18, 2019-03-01 (Released:2019-03-01)
- 参考文献数
- 40
- 被引用文献数
- 2
In drug development, Drug-Induced Liver Injury (DILI) is a significant cause of discontinuation of development, and safety evaluation and management technology at early development stage are highly required. In recent years, toxicity prediction by in silico analysis is expected, and the machine learning research using omics data has attracted attention. However, the lack of explanation of machine learning is a problem. In order to make an appropriate safety assessment, it is necessary to clarify the mechanism of the toxicity (toxic course). In this study, we focus on the toxic course and propose an ontological model of the liver toxicity, which systematizes toxicity knowledge based on a consistent viewpoint. In application research, we introduce a prototype of a knowledge system for supporting toxicity mechanism interpretation. Based on the ontology, this system provides information flexibly according to the user's purpose by using semantic technologies. The system provides a graph visualization function in which nodes correspond to concepts and edges correspond to interactions between concepts. In such a visualization function, a toxic course map shows causal relationships of the toxic process. We illustrate examples of application to safety assessment and management by combining ontological and data-driven methodologies. Our ontological engineering solution contributes to converting from data to higher-order knowledge and making the data explainable in both human and computer understandable manner. We believe that our approach can be expected as a fundamental technology and will be useful for a wide range of applications in interdisciplinary areas.
- 著者
- 吉川 達也 塚本 弘毅 蓬来 祐一郎 福井 一彦
- 出版者
- 一般社団法人情報処理学会
- 雑誌
- 情報処理学会研究報告. MPS, 数理モデル化と問題解決研究報告 (ISSN:09196072)
- 巻号頁・発行日
- vol.2008, no.17, pp.185-188, 2008-03-04
- 参考文献数
- 14
タンパク質とは,生命活動を支える重要な物質の一つである.これらタンパク質固有の機能は,他のタンパク質との相互作用(PPI:Protein-Protein Interaction)によって発現することが解っている.このPPIに関する研究は,生命現象の解明はもとより,最近では医薬品開発の分野でも柱目されている.我々が提案したタンパク質間の親和性予測法は,データセットの構成や規模,親和性スコアの計算に重要なクラスタリング処理によって,結果精度が異なることが予備実験などから解っている.特に,データセットが大規模となる場合に,クラスタリングパラメータ値の予測精度に与える影響が無視できなくなる傾向がある.本研究では,全7056個中に84個の生物学的有意性を持ったタンパク質ペア(BSPPs: Biological Significant Protcin Pails)を含むデータセットを用いて,prevalence=1.19%の高難易度なBSPPs予測問題を設定した.また,親和性スコアの定義から予測精度に影響を及ぼすと考えられる4つのパラメータを抽出し,計144個のパラメータセットを作成した.評価実験から,F-measure最大となるパラメータセットにおいて,F-measure最大となるパラメータセットにおいて,sensitivity(=recall)=27.4%, specificity=91.0%, precision=3.53%, accuracy=90.2%, F-measure=6.25%の結果を得た.これはBSPPsを無作為抽出した場合(F-measure=2.32%)と比較して,約2,69倍の予測精度を獲得しており,タンパク質間親和性予測法の精度向上におけるパラメータ最適化の有効性を示している.