02_ケモインフォマティクス RDKitと二次元構造式：CoordGenで大員環化合物を綺麗に描画
「RDKitでケモインフォマティクスに入門」や「RDKitの分子Molオブジェクトを扱う」 という記事では， RDKitのMolオブジェクトはSMILESなどから生成しただけでは各原子の座標情報を保持していないこと（注：下記の囲みも参照） 座標情報は2Dまたは3Dの対応するメソッ...
02_ケモインフォマティクス 
04_統計学・機械学習 機械学習モデルの評価方法：化合物の変異原性の有無を題材に
これまでAmes試験と呼ばれるテストの結果を用いて，化合物の変異原性の有無を予測する機械学習モデルを構築してきました． 「RDKitとscikit-learnで機械学習：変異原性をk-最近傍法で予測」ではk-最近傍法 「scikit-learnの決定木でAmes試験データセットを...
04_統計学・機械学習 データ分析と前処理：パイプライン処理で化合物の溶解度を推定
これまで化合物の変異原性データや溶解度データを用いて，いくつかの機械学習アルゴリズムでモデルを構築してきました．これらのモデルは分子の構造・特徴を何らかの形で入力情報として与えることで，変異原性の有無や溶解度の値が出力される「教師あり学習」モデルでした． その際，分子の入力情報と...
04_統計学・機械学習 交差検証を用いてElastic Netを化合物の溶解度データに対して最適化
「線形モデルを用いた化合物の溶解度予測：通常最小二乗法，Ridge回帰，Lasso回帰」という記事では，線形モデルと呼ばれる手法を用いて化合物の溶解度を予測する機械学習モデルを構築しました． 特に 特徴量が多い場合には通常最小二乗法では容易に訓練用データに過剰適合してしまうこと ...
04_統計学・機械学習 線形モデルを用いた化合物の溶解度予測：通常最小二乗法，Ridge回帰，Lasso回帰
これまで「RDKitとscikit-learnで機械学習：変異原性をk-最近傍法で予測」という記事から3回に渡り，化合物の変異原性の有無を予測する「2クラス分類」の機械学習モデルを構築してきました． 今回は教師あり学習のもう1つの柱である「回帰」と呼ばれる問題を扱います．具体的に...
04_統計学・機械学習 RDKitでランダムフォレスト：機械学習でも「みんなの意見」は案外正しい
「scikit-learnの決定木でAmes試験データセットを機械学習」という記事では「決定木」と呼ばれる手法について説明しました．決定木は モデルの可視化が容易 その内容が理解しやすい 特徴量の前処理を必要としない といった長所がありました．一方で決定木は， 容易に過剰適合を起...
04_統計学・機械学習 scikit-learnの決定木でAmes試験データセットを機械学習
「RDKitとscikit-learnで機械学習：変異原性をk-最近傍法で予測」という記事では，まず「教師あり学習」と「教師なし学習」，「回帰」と「分類」といった基本的な機械学習の用語を学びました． その後，最も単純な機械学習手法とも言われるk-最近傍法を用いて，RDKitとsc...
04_統計学・機械学習 RDKitとscikit-learnで機械学習：変異原性をk-最近傍法で予測
ケモインフォマティクスにおけるモデル構築は 分子を特徴ベクトルへと変換する（encoding） 特徴ベクトルと目的とする分子の性質との関係を記述する（mapping） という２段階に分けられます． 本サイトではこれまでケモインフォマティクス用ライブラリーのRDKitを用いて，第１...