Information：最新のトピックス

   ICH M7/QSAR ワークショップは毎年開催されてきましたが、今年度も日本環境変異原ゲノム学会 第50回記念大会にて開催されます。
   今年度は「計算毒性学研究会」が協賛いたします。ICH M7/QSAR は計算毒性学の大きな討論テーマの一つとなります。 特に、インシリコ関連技術（ドライ研究）を積極的に適用する分野として、極めて重要な役割を占めます。    現状のICH M7に関する最新情報が得られ、QSARに関する知識も得られます。本研究分野に興味を持たれる「計算毒性学」研究者の積極的な参加を期待致しております。

　口頭発表の演題は「化合物を扱う毒性評価研究に、データサイエンスと人工知能を用いる場合の留意点に関する考察（１）」です。
　複数の研究分野を総合的にまとめて実施するデータサイエンスや人工知能等においては、以下のように多種多様な留意事項が存在します。 これらの問題をクリアしなければ、プログラム実施による実行結果の信頼性や精度の保証はありません。間違った解析を行うことになります。 要因解析、様々な予測や評価、次期の開発への展開、仮想化合物の様々な形での展開、高速スクリーニング等、化合物デザインにおける大事な 手法や戦略、戦術が取れなく、間違った結論に導かれてしまいます。
*********************************************************************************************
   プログラム実行上での様々なクリアすべき前提条件
１．個々のプログラムが持つ、実行上での制限、依存問題：プログラム作成時に考慮されない想定外適用の回避
２．適用手法上での問題（適用外適用、適用限界、線形-非線形、過剰適合、偶然相関、種々ハイパーパラメータ、他）
３．化合物関連の問題（化合物特有の問題、一元一項対応、一元多項対応、１．２．３．４次元問題、他）
４．データに起因する問題（単／多重相関、出現頻度、欠損データ、０データの扱い、同値比率、桁数問題、他）
５．サンプルおよびパラメータ数に関する問題（総サンプル数、クラスサンプル数、パラメータ数とサンプル数、他）
*********************************************************************************************

   今回は化学分野の研究をコンピュータ上で実施する時の基本中の基本である、上記の３番に記載されている化合物の情報化学的な取り扱いに関する留意点について発表を行いました。
　化合物の一元一項対応の重要性について、様々な化合物の構造式の変化(互変異性、芳香族性、幾何／立体等）と化合物表記法（特に一次元）で一つの化合物が多種多様な表記で表現されることを示しました。また、本来一つの化合物であるべきものが、化合物の様々な特性や表記法の違いで 複数の化合物に変換され、そのままデータベースやデータサイエンスや人工知能等の機械学習サンプルとして利用されれば、解析結果や予測は極めて不安定で信頼性の無いものとなります。この一元多項対応の問題点の原因や化合物表記の典型的事例をまとめました。
   データサイエンスや人工知能等の適用解析において、化合物の扱いが極めて重要であることは明白です。今回の発表では、一元多項対応の実例を示しました。以下の二枚のスライドで、化合物情報を一元多項のままでデータサイエンスや人工知能解析を実施することが、 全く信頼性の無い実行結果を導くことになることを実感していただきたい。

   一元多項対応とは、例えれば「化合物の二十面相」のことである。
   即ち、一つの化合物が様々な顔を持ち、それぞれが独立して扱われることである。例えば、右図のようにSMILES名では１化合物は原理的に多数の表記でコード化することが可能である。この時、化合物作画ソフトを用いると、同じ化合物であっても個々のソフト単位で異なるSMILES名を出力する。 これでは、同一データベース内の化合物検索も重複チエックも不可能で、同一化合物が異なるSMILES名で多数重複して登録されるので正規化アルゴリズムの適用が求められる。
   また、一部の文献ではデータサイエンスや人工知能に使うパラメータとしてSMILESコードを分解してフィンガープリントのようにして使うという報告も見られるが、SMILES表記の多様性を考えれば、やはりコードの正規化等が必要である。

   上記SMILESは化合物の表記法における一元多項対応であったが、化合物自身の特性に基づいた一元多項対応も存在する。これは化合物の互変異生体や共役系、芳香族性、幾何／立体等の化合物特性を構造式として表記する場合の曖昧性に起因し、化合物を扱う上で極めて重要な概念である。
   この場合の一元多項対応はSMILES表記のように一つの化合物に従属した多項表記ではなく、個々の構造式は完全に独立したものとして扱われることが特徴である。即ち、構造式自体が完全に独立しているので、化合物の単純な重複チェックでは重複をチェックできない。
   構造式は異なっていても、基本は全く同一の化合物なので、データサイエンスや人工知能で扱われる時は解析上の矛盾データ（サンプル）となる。即ち、物質的には一つの化合物が複数の異なる化合物として扱われるので、データ解析自体は実施できても、解析自体は矛盾を含んだ状態で実行される。 この結果、最新のデータサイエンスや人工知能を適用しても、その解析結果の精度や信頼性は保証できない。この問題は化学が本質的に有する、データ解析以前の問題である。

結論：
   化合物の一元多項対応、即ち「化合物の二十面相」状態下では化合物を対象としたデータサイエンスや人工知能は間違った、信頼性の無い結果を導くことは明らかです。この一元多項対応への対策を実施していない場合、どんなに要因解析をきれいに行おうが、高い予測結果を出そうが、 仮想HTSを実施しようが、化合物デザインを実施しようが、これらの議論や討論は無駄ですし、意味がありません。また、新たにデザイン創出された化合物はその根拠が土台から崩れていることになります。化合物の一元多項対応を行っていない化合物データをソフトウエアに入力すれば、一応の結果は出て、新規展開も出来ますが、全く誤った結論に至っていることになります。
   化学分野でデータサイエンスや人工知能を適用する場合は、化合物の一元一項対応や一元多項対応への対処を厳密に管理し、実施することが極めて重要となります。

　口頭発表の演題は「化合物を扱う毒性評価研究に、データサイエンスと人工知能を用いる場合の留意点に関する考察（１）」です。
　本発表はデータサイエンスや人工知能の技術を用いて毒性（安全性）評価研究を行う場合に留意すべき点を取り上げて発表するものです。
　解析ソフトにデータを入力したら正しい結果が出るというのは幻想にしかすぎません。特に化合物を扱う場合はアナログ（化合物）情報をコンピュータで扱えるようにデジタルデータに変換することが必要です。この扱いを間違えれば、解析信頼性が無く、間違った結論に至ることになります。 高価なソフトを用いて解析結果の信頼性が無いということで、データサイエンスや人工知能の信頼性が揺らぐことになりかねません。信頼のできる解析を行い、正しい結果を導き、さらなる発展につなぐというインシリコ本来の目的を実現するにはデータ操作の正しい処理が必要です。 本発表では化合物のインシリコ上での留意すべき（正しい）扱いについて討論いたします。
　毒性（安全性）研究にデータサイエンスや人工知能の適用を検討されている方はぜひご討論ください。

　本講演会ではインシリコによる毒性（安全性）研究に関する様々、かつ最新の講演が企画されております。
　最近、インシリコによる毒性（安全性）関連研究が急速に注目されるようになりました。しかし、WET研究中心の学会では目玉としてデータサイエンスや人工知能の項目は掲載されておりますが、発表数も少なく、実質的に討論／発表しにくいのが現状です。
　このような状況を打破し、計算毒性学に興味を持つ若い研究者が集い、活発に討論、情報交換やスキルアップが図られるような環境を提供する目的で、2014年にCBI学会に日本で最初となる「計算毒性学研究会」が設立されました。
　本研究分野にご興味ある研究者の方々や、新たにインシリコによる毒性（安全性）研究を行いたいという方々はぜひ参加ください。

   株式会社インシリコデータの１１周年といたしまして、ホームページを刷新いたしました。本ホームページは三代目となります。
　初代及び二代目ホームページは記載内容やルック＆フィールが大きく異なりますので、総てにアクセスできるようにいたしました。
　これら三世代のホームページは、個々の情報内容に応じてご利用いただければ幸いと存じます。

   皆様の温かいご支援のおかげです。改めまして感謝申し上げます。

　任期は６月よりとなります。新たな世代にチャレンジする動物実験代替法学会の一助となれば幸いと考えます。
　先日、評議員の委嘱状が届きました。任期が2021年5月28日から2023年度となっておりました。全くの偶然ですが、5月28日は株式会社インシリコデータの設立日であり、湯田の誕生日でもあります。加えて日本動物実験代替法学会の評議員任期の初日が加わりました。

トピックスコーナーです。詳細をご覧ください。

　旧インシリコデータロゴプリント（左図）、およびロゴマーク（右図）、ともに認識のほど宜しくお願いいたします。