まるっと解説 Python×ケモインフォマティクス データ収集から予測・生成まで

構成数 : 1枚

第1章 ケモインフォマティクスを始めるために

1.1 化学分野におけるインフォマティクス

1.1.1 従来の化学分野における研究と課題

1.1.2 ケモインフォマティクスの実際

1.1.3 ケモインフォマティクスを活用した物質開発の支援に向けて

1.2 Google Colabの使い方

1.2.1 環境構築

1.2.2 簡単な計算

1.2.3 変数の型

1.2.4 データ構造

1.2.5 プログラムの基本

1.2.6 データの可視化

1.2.7 RDKit

1.3 この章で使用したPythonコード



第2章 化合物の表記方法

2.1 化合物構造の表現方法

2.1.1 SMILES表記

2.1.2 InChI表記

2.1.3 MOL表記(SDF 表記)

2.1.4 複数化合物の表記方法

2.1.5 構造データの保存と読み込み

2.1.6 化合物の標記に関した応用研究

2.2 化合物の記述子情報

2.2.1 フィンガープリント

2.3 物理化学的な特性

2.4 この章で使用したPythonコード



第3章 化合物データベースを使う

3.1 代表的な化合物データベース

3.2 データベースへのアクセス

3.2.1 ウェブサイト経由でアクセスする方法

3.2.2 API を利用する方法

3.2.3 ローカルPC で利用する方法

3.3 応用編

3.3.1 PubChem APIを用いた化合物の類似性検索

3.3.2 化合物データベースを使う上で注意する点

3.4 この章で使用したPython コード



第4章 化合物の類似性探索

4.1 化合物の類似性の計算

4.1.1 類似度の計算

4.1.2 距離の計算

4.1.3 類似度と距離の比較

4.1.4 フィンガープリントの違いによる類似度の違い

4.2 ケミカルスペース

4.2.1 次元圧縮法

4.2.2 主成分分析 (PCA)

4.2.3 t-SNE

4.2.4 UMAP

4.3 クラスタリング

4.3.1 階層的クラスタリング

4.3.2 非階層的クラスタリング

4.4 この章で使用したPythonコード



第5章 記述子を使った特性予測

5.1 特性を予測すること

5.2 データの前処理

5.3 回帰モデル

5.3.1 回帰モデルの評価方法

5.3.2 重回帰モデル

5.3.3 正則化回帰モデル

5.3.4 ランダムフォレスト回帰モデル

5.4 判別モデル

5.4.1 判別モデルの評価方法

5.4.2 ロジスティック回帰モデル

5.4.3 ニューラルネットワークモデル

5.4.4 サポートベクターマシン

5.5 結果の解釈

5.5.1 線形モデルの係数

5.5.2 決定木の重要度

5.5.3 SHAP値

5.6 この章で使用したPythonコード



第6章 化合物の構造生成

6.1 逆解析

6.2 SMILESの生成

6.2.1 LSTMを使った構造生成

6.2.2 オートエンコーダーを使った構造生成

6.2.3 その他の構造生成

6.2.4 SELFIES:化合物の柔軟な表記方法

6.3 この章で使用したPythonコード



第7章 最適な実験条件の探索

7.1 逆解析による条件探索

7.2 応答曲面法

7.3 ガウス過程回帰を用いたベイズ最適化

7.3.1 ガウス過程回帰

7.3.2 ベイズ最適化

7.3.3 ハイパーパラメータの最適化

7.4 この章で使用しP...