Ｉn silico でのパターン認識・人工知能による化学物質の毒性(安全性)評価の基礎・理解と効果的な適用のポイント

＜ 計算毒性学入門セミナー ＞

★ インシリコ, ケモメトリックス, 人工知能といったキーワードをおさらい！

★ 化学分野への深層学習(ディープラーニング)適用の動きとは？

★ 急速に変化する同関連技術を、初心者の方にも理解し易いようまとめました！

講師

株式会社インシリコデータ 代表取締役 薬学博士　湯田 浩太郎 先生

■経歴
1979年3月　東北大学薬学部大学院薬学研究科　薬品合成化学　博士過程終了
　博士論文「抗腫瘍性多環式アルカロイドの合成研究」
1979年7月～1981年8月　
　米国ペンシルバニア州立大学化学科 P.C.Jurs研究室　リサーチアソシエイト
　研究テーマ「パターン認識による発癌性予測」
1981年9月　豊橋技術科学大学　第5工学系
　研究テーマ：「NMRデータベースの構築」
1983年12月～2009年6月　　
　富士通株式会社　化学・製薬関連企業研究所の研究システム構築とコンサルタント
2009年7月～2010年3月　
　（独）国立環境研究所勤務　安全性予測システム関連業務に従事
2010年5月28日
　株式会社　インシリコデータ　設立
　　取締役社長に就任

■専門および得意な分野・研究
・医薬化学 (Medicinal Chemistry)
・構造-活性相関　(Structure-Activity Relationships)
・化学多変量解析/パターン認識 (Chemical Multivariate & Pattern Recognition)
・計算機化学　(Computer Chemistry)
・計算毒性学　(Computational Toxicology)

■本テーマ関連学協会での活動
・構造活性相関シンポジウム幹事：平成7年～
・神戸大学クリニカル・ゲノム・インフォマティクス 人材養成ユニットでのADMEシミュレーション講義実施
・大阪大学臨床医工学融合研究教育センター　招聘教授　平成17年～23年3月
・サイバー絆研究所 (Institute for Cyber Associates)　理事 2012年～
・日本実験動物代替法学会　企画委員会委員　2013年～
・CBIJournal 編集委員、評議員　2013年～
・CBI学会、「計算毒性学」研究会　主査　2014年～

受講料

1名41,040円(税込（消費税8％）、資料付)
＊1社2名以上同時申込の場合 、1名につき30,240円
＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナーポイント

■講座のポイント
　インシリコによる化合物毒性（安全性）評価は1980年代から展開されており、その歴史はコンピュータの発展とともに発達してきた。適用分野は化合物規制のみならず、医／農薬、機能性化合物等の毒性評価、さらには環境や動物実験代替法等の様々な分野で極めて重要な基本技術となりつつある。
　インシリコによる化合物毒性評価を行う研究分野が「計算毒性学」であり、これらを構成する二大基本技術がケモメトリックス（化学多変量解析/パターン認識）と人工知能である。これらの技術は、最近のビッグデータやICTおよびIoT等の技術の急速な立ち上がりに伴い急速に拡大／進歩している。また、インシリコ技術の化合物関連分野への適合技術も大きく進歩しており、これらの技術を理解することも必要となる。
　インシリコ毒性評価を理解するには多種多様な技術を総合的に理解することが必要である。本講座では、広範な分野の連携理解と、急速に変化するインシリコ関連技術を初心者から、本分野に興味を持つ研究者等を念頭においてまとめる。

■受講後、習得できること
・インシリコによる毒性評価実施のための基本技術
・インシリコによる毒性評価の特徴と効率的な適用
・インシリコと化学の融合
・毒性評価へのケモメトリックスの歴史と基本と応用
・毒性評価への人工知能技術の適用と歴史
・インシリコによる毒性評価の創薬への適用

■本テーマ関連法規・ガイドラインなど
・ICHM7
・化審法
・REACH
・TSCA

■講演中のキーワード
・計算毒性学　(Computational Toxicology)
・QSAR/QSTR/QSPR　（構造-活性相関、構造-毒性相関、構造-物性相関）
・動物実験代替法
・ケモメトリックス　（化学多変量解析/パターン認識）、ニューラルネットワーク
・人工知能　（ルールベース、機械学習、深層学習）
・化合物デザイン　（脱毒性、毒性スクリーニング、安全性化合物のデザイン）

セミナー内容

1. 化合物の毒性（安全性）に関する様々な規制および適用分野
　1.1　化審法（日本）、TSCA（USA）、REACH（EU）、環境ホルモン、ダイオキシン、他
　1.2　化合物規制、薬物の毒性評価、環境毒性の評価
　1.3　化合物の脱毒性、安全な化合物のデザインおよびスクリーニング
　1.4　動物実験代替法分野への適用　（in vivo ⇒ in vitro ⇒ in silicoへ）

2. 化合物のインシリコによる毒性（安全性）評価手法の概要
　2.1　化合物毒性評価の歴史
　2.2　計算毒性学(Computational Toxicology)とは
　2.3　計算毒性学の二大基本技術（ケモメトリックスおよび人工知能）

3. ケモメトリックス（化学多変量解析/パターン認識）による毒性評価
　3.1　毒性評価へのケモメトリックス適用原理　（発見型アプローチおよび宝箱の解読）
　3.2　ケモメトリックス（化学多変量解析/パターン認識）とは
　3.3　ケモメトリックス（化学多変量解析/パターン認識）の種類
　3.4　適用化学パラメータの種類
　3.5　ケモメトリックスの信頼性を獲得するためのパラメータ選択
　3.6　ケモメトリックス実施上での留意点（手法適用限界、過剰適合、偶然相関、他）
　3.7　KY法の基本（2クラス分類、フィッティング）
　3.8　Ames試験データへのKY法の適用

4. 計算毒性学における人工知能
　4.1　人工知能の全体的歴史と主要トピックス
　4.2　化学分野での人工知能の歴史と種類
　　　　（ルールベース型、機械学習型（ディープラーニング等））
　4.3　計算毒性学(安全性評価)と人工知能
　4.4　化学分野への人工知能適用上の留意点
　4.5　化合物毒性評価へのin silico技術の適用
　4.6　ルールベース型人工知能の歴史と適用事例
　4.7　人工知能システム構築上の留意点
　4.8　今後の展開　（化学分野への深層学習（ディープラーニング）適用の動き）

5. 今後の展開
　5.1　ケモメトリックス関連分野
　5.2　人工知能関連分野
　5.3　関連研究分野（創薬、農薬、化合物デザイン、動物実験代替法、環境、他）

6．まとめおよび自由討論