Recommended
More Related Content
More from Kazufumi Ohkawa
More from Kazufumi Ohkawa (19)
Recently uploaded
Recently uploaded (12)
ハッピーハッピー構造生成まつり’67
- 2. 自己紹介 • kzfm (@fmkz___) – blog.kzfmix.com – Shizuoka.py(次回未定） • 分子設計と機械学習やってます • 健康のためにPokemon Go再開し ました
- 4. AI創薬？ • 従来の創薬方法に機械学習（特にDeep Learning）をONしたものに新しい名前を つけたものという理解でだいたいOK • きちんとした定義を見たことはナイ – ターゲット探索 – ドラッグ・リポジショニング – SBDD,LBDD – 構造生成
- 6. Deep Leaning in Drug Design • 普通のDNN – 普通に機械学習っぽい活性予測 – これは前回のハンズオンでやった • Convolutional Neural Network(CNN) – 構造生成（なんかすごい感ある） – 活性予測 （なんか今のところ精度出てない） • Recurrent Neural Network(RNN) • Long short-term memory(LSTM) – 構造生成（なんかすごい感ある）
- 7. 今日の話 • Autoencoder を利用してSMILESを発生し てみた • 論文と実装はこちらを参考にした – https://github.com/maxhodak/keras-molecules
- 10. 画像から文字列 • SMILES – 化学構造の文字列表現 • ドラッグライクなSMILES をAutoencoder で圧縮表現してみたら？ – https://github.com/maxhodak/keras-molecules
- 12. 訓練訓練 • dataはChEMBLの500,000件SMILES • epochは50 – (minibatch sizeがデフォルトの半分しかのせられ なかったから) • GTX1080でEpoch30まわすのに7-8hoursらし い • 僕のは1050なので４倍くらい遅かった – 速いマシン欲しくなるｗ
- 13. 潜在空間に何かが宿る！
- 14. Random sampling SMILES SPACE (discreate space) LATENT SPACE(continuous) https://arxiv.org/pdf/1610.02415.pdf
- 15. Interpolation SMILES SPACE (discreate space) LATENT SPACE(continuous) • gleevecから sitagliptinへのなめ らかな経路
- 16. うまくいかない • 同じような文字列しか出ない – sparseだった – これはデータが足りないってのはわかる • invalidなsmiles出過ぎ – 括弧の対応取れないとか – まぁこれもデータ足りないんだろうなと
- 17. ところで、色々いじってて気がつ いた • これってこの中にない文字だと潜在空間 でどうなるの？ • Δとか • 新規化合物のSMILESは？ • あれあれあれ？
- 18. 夢破れた
- 19. Q. ラブライブ電車のいいところは なんですか？ A. Deep Learningにつ いてアツく語れる
- 23. やってみた感じ • まともな順に – MMPからの変換ルール – bioisoster RXNみたいな – Brood – VAE, GAN – de novo SBDD • 今のとこtoy toolって感じはする
- 24. まとめ • VAEちょっとやってみたけどなかなか使い どころが難しそう • 文字列だけでドラッグデザインとか無理 ありすぎ感はする • みんなでAI創薬を盛り上げていきましょう