（英語は日本語の後に続きます）
日本語タイトル：JMPの機械学習機能を用いた高精度毒性予測法の開発
明治薬科大学 准教授 植沢 芳広
近年の環境に対する意識の向上に伴い、身の回りにある全ての化学物質に対する有害性を網羅的に調査しようという機運が世界的に高まっている。しかし、化学物質の種類は膨大であるため、実験的な調査は時間的、予算的、動物実験倫理的な観点から非現実的である。この様な背景から、化学物質の毒性を現在までに蓄積された既知情報に基づき統計的・計算機科学的に予測することを目的とした学術分野である「計算毒性学」が注目されている。2014年には米国NIHが1万化合物の毒性関連データを用いた大掛かりな計算毒性学のコンペティション、“Tox21 Data Challenge 2014”を開催した。18カ国から100チーム以上が参加登録した本コンペティションにおいて、演者はJMP Proに搭載された機械学習機能の1つであるブートストラップ森を用い、化学構造から得られる多様な情報のパターンを解析することにより、女性ホルモン様物質の予測に関して部門優勝することができた。本発表では、演者がコンペティションに使用した、JMPの柔軟な機能に基づく最適なブートストラップ森モデルの選択に関して紹介したい。
関連サイト： http://www.my-pharm.ac.jp/news/info_detail.html?id=599
JMP®機械学習機能を用いた高精度毒性予測手法の開発
JMP®機械学習機能を用いた高精度毒性予測手法の開発
近年の環境意識の高まりとともに、身の回りにある有害な化学物質を網羅的に調査する動きが世界中で広がっています。しかし、化学物質の種類は膨大で、実験による調査は時間的、予算的、倫理的（動物実験）の観点で現実的ではありません。そこで、蓄積された既存情報をもとに統計的かつ計算機科学的な手法で化学物質の毒性を予測する計算毒性学という学問分野が注目されています。2014年には、米国国立衛生研究所が1万種の化合物の毒性関連データを用いた野心的な計算毒性学コンテスト「Tox21 Data Challenge 2014」を開催しました。18カ国から100を超えるチームが参加したこのコンテストでは、JMP Proの機械学習機能の一つであるブートストラップフォレストを用いて、化学構造から得られるさまざまな情報パターンを解析しました。その結果、女性ホルモン様物質の予測に関する部門優勝に繋がりました。本発表では、コンテストで使用されたJMPの柔軟な機能に基づいた最適なブートストラップフォレストモデルの選択について説明します。
関連サイト：http:// http://www.my-pharm.ac.jp/news/info_detail.html?id=599
