サポートベクターマシンによる多種類の化学物質の発ガン性の予測

田辺 和俊; 鈴木 孝弘; 貝原 巳樹雄; 小野寺 夏生

doi:10.2477/jccj.H1921

研究論文

サポートベクターマシンによる多種類の化学物質の発ガン性の予測

著者情報

キーワード: サポートベクターマシン（SVM）, サポートベクター回帰（SVR）, 発ガン性予測, ニューラルネットワーク（ANN）, 定量的構造活性相関（QSAR）, Predictive Toxicology Challenge（PTC）

ジャーナルフリー

2008 年 7 巻 3 号 p. 93-102

DOI https://doi.org/10.2477/jccj.H1921

詳細

抄録

定量的構造活性相関に基づき、多種多様な化学物質の発ガン性をその構造から高い精度で予測する手法として、サポートベクターマシン（SVM）を検討した。ニューラルネットワーク（ANN）の結果と比較するために、Predictive Toxicology Challenge 2000-2001で公開された454種類の化合物の発ガン性データと37種の記述子との相関をSVMで解析した。モデルを最適化した後、Cross-validation-testを行い、発ガン性の的中率を求めた。ANNでは過学習や局所解などの問題のために、モデルの最適化にきわめて長い処理時間を要したが、SVMではANNとほぼ同程度の予測精度がきわめて短時間で得られ、現状ではSVMが不特定の構造の化学物質の発ガン性を予測する手法として最適であることを実証した。

責任著者(Corresponding author)

J-STAGEへの登録はこちら（無料）