このチャプターの目次
なぜケモインフォマティクスを学ぶのか
日本語では、「情報化学」と呼ばれる研究領域であり、より速くより良い判断をするためにデータを解析して体系化することを目指すものです。
- できるだけ少ない実験数で網羅的に条件検討することを目指す実験計画法
- 医薬品・材料などの分子探索
- 物質の機能と活性との関係を構造から研究する構造活性相関研究
などに利用されています
プログラムの内容は、githubに公開しています。
動画の見方
学習環境の前提条件として以下のことを行ってから、行うことをおすすめしています。
- google chromeをインストールする。
- 学習用にgoogleの新しいアカウントを作成する。(google アカウントは１人で複数持つことが可能です)
- google chromeに学習用のアカウントでログインする
プログラムの知識に関する前提条件
pythonの基礎は、他のところで学べると思うので省略しています。 例えば、以下のようなサイトがあります。
何を学べるか。
- 大学で1コマ分の講義時間(予習復習含めて45時間分)でケモインフォマティクスの基礎が身に付く講座
- プログラム(python)を学び始めた(paizaでPython3入門編(全11レッスン)を解き終わった程度の人)が、次にケモインフォマティクスを学びながら、 どんなことができるのかを学べる講座
- これで全てを学べるわけではないが、一人でも公式ドキュメントや他の人のコードを見ながら学んだり、発信できたりする方法を学べる講座
講義の内容
講義内容は以下のようになっています。
- install
google colaboratoryを用いた学習方法などを学びます。
- jupyter
pandasを使ってデータの整理方法を学びます。
- pubchempy
pubchemを使ってデータを検索したり化学的なデータをダウンロードする方法を学びます。
- RDKit
化学情報を、基礎的な数字に置き換えたりする方法を学びます。
- MOPAC
化学情報を、半経験的分子軌道法によって数字に置き換える方法を学びます。
- scikit-learn
機械学習によって、データを予測する方法を学びます。
- automl
主にAutoMLであるpycaretを紹介します。
- practice
ここまでの内容を用いて演習を行ってもらいます。