Rough Set Theoryによるルールマイニングと構造活性相関への応用

本論文では、ルールマイニング手法として知られているRough Set Theory (RST)を構造活性相関に応用することで、高活性に必要なルールが導けるかどうかを検証した。これまでルールマイニング手法としては、Inductive Logic Programming (ILP)が知られているが、学習の準備、特に、background knowledgeを事前に作成することが大変で、実際の応用は限定されていた。RSTはあいまいなものや粗いデータなどの不正確、不完全なものを類別するための理論である。これをルールマイニングの手法として用いる事で、あるサンプルと別のサンプルを区別するのに必要最小限の変数セット(reduct)を選択し、選択されたセットからルールを導くことが出来る。構造活性データとしては、Dihydrofolate reductase (DHFR)阻害剤を利用した。このデータセットは、これまで数多く解析され、構造要求性がよく知られている。得られたルールは、この構造要求性と類似しており、RSTの有効性を証明することができた。今回、母核構造が一定で活性値が定量的なデータで検証したが、多様な化合物を含むデータや活性値が不正確なデータへの応用も期待できる。