(Received: November 15, 2004; Accepted for publication: February 10, 2005; Published on Web: April 1, 2005)
本研究ではノイズデータ存在下での薬物活性クラスの分類・予測の可能性について検討を行った。解析にはドーパミンD1受容体アゴニスト63化合物、アンタゴニスト169化合物、および何れのクラスにも属さない696化合物をノイズデータとして用いた。個々の薬物分子は著者らが先に報告したTFS (Topological Fragment Spectra)法により特徴づけを行い，これを入力パターンとした人工ニューラルネットワーク(Artificial Neural Network, ANN)及びサポートベクターマシン（Support Vector Machine, SVM）による活性クラス分類と予測性能について比較検討した。解析の結果、SVMはANNに比べてより優れた安定性を示すと同時に，大量のノイズ化合物存在下においても注目する活性薬物を高い精度で分類・予測可能であることを明らかにした。
キーワード: パターン分類, トポロジカルフラグメントスペクトル, ANN, SVM, ドーパミンアゴニスト, ドーパミンアンタゴニスト