1. 化学反応式からの知識抽出
　バイオインフォマティクスセンターで開発している KEGG/LIGANDデータベースには数多くの化学反応式が格納されているが、 これらの反応式から薬剤設計などに有用な知識を獲得することは重要な研究課題である。その一つとして、1個もしくは複数の化学反応式から、 反応の前後で、化学構造のどの部分がどのように置換されるかを表現する変換規則を抽出するという課題が考えられる(図１参照)。 我々は、グラフ理論に基づき、このための新たなアルゴリズムを開発した。このアルゴリズムは従来手法と比較して高精度であるという特徴があり、 具体的には、薬や化学物質が生体内でどのような経路で分解されるかの予測などに役立つ可能性がある。

図1 化学反応式からの知識抽出

2. サポートベクターマシンを用いた配列および化学構造解析
　サポートベクターマシンと呼ばれる統計的情報解析手法がバイオインフォマティクスにも有効に適用されつつある。 サポートベクターマシンを有効に適用するためには、対象間の類似度を測るカーネル関数を開発することが必要となるが、 我々は配列間および化学構造間の類似度を測るカーネル関数を開発している。本研究において開発した配列に対するカーネル関数を、遠縁の配列類似性の検出(スーパーファミリー予測)に適用した結果、従来手法や従来のカーネル関数を用いた場合と比較して、より良好な結果を得ることができた。この結果に基づき開発したソフトウェアの実行例を図2に示す。現在は、入力された化学構造の活性や毒性などを推定するために、化学構造に対する新たなカーネル関数を開発中である。

図2 サポートベクターマシンを用いた配列情報解析ソフトウェア