目次
01 はじめに
-
RDKitとは?
-
対象読者
-
本書のコードについて
-
おまけ
-
謝辞
-
License
02 ケモインフォマティクスのための環境を整えよう
-
Anacondaとは
-
Anacondaのインストール方法
-
仮想環境の構築とパッケージのインストール
-
インストールしたパッケージの説明
-
Condaについてもう少し詳しく
03 Pythonプログラミングの基礎
-
Pythonの基礎
-
Jupyter notebookで便利に使おう
-
Pythonで機械学習をするために
04 ケモインフォマティクスのための公開データベース
-
ChEMBL
-
PubChem
-
ChEMBLで欲しい情報を検索する
-
その他有用なデータベース
05 RDKitで構造情報を取り扱う
-
SMILESとは
-
構造を描画してみよう
-
複数の化合物を一度に取り扱うには?
-
ヘテロシャッフリングをしてみる
06 化合物の類似性を評価してみる
-
化合物が似ているとはどういうことか?
-
類似度を計算する
-
バーチャルスクリーニング
-
クラスタリング
-
Structure Based Drug Design(SBDD)
07 グラフ構造を利用した類似性の評価
-
主要な骨格による分類(MCS)
-
Matched Molecular PairとMatched Molecular Series
-
Cytoscapeを使ってMMPネットワークを可視化する
08 沢山の化合物を一度にみたい
-
Chemical Spaceとは
-
ユークリッド距離を用いたマッピング
-
tSNEをつかったマッピング
-
化合物の距離情報に基づいたクラスタリング(HDBSCANを使ってみる)
-
予め定義したケミカルスペースに新しいデータを足したい
09 構造活性相関(QSAR)の基礎
-
効果ありなしの原因を考えてみる(分類問題)
-
薬の効き目を予測しよう(回帰問題)
-
モデルの適用範囲(applicability domain)
10 ディープラーニング入門
-
ディープラーニングに関して
-
TensorFlowとKerasについて
-
インストールしてみよう
-
Google colabとは
11 ディープラーニングを利用した構造活性相関
-
DNNを利用した予測モデル構築
-
記述子を工夫してみる(neural fingerprint)
12 コンピューターに化学構造を考えさせる
-
準備
-
実例
13 おわりに
-
さらに学ぶために
License
This document is copyright © 2019 by @fmkz___ and @iwatobipen