hDAT pIC50 Prediction System

---

概要

本リポジトリは、7つの分子ターゲット（DAT, 5HT2A, CB1, CB2, μ/δ/κ-opioid）に対応した、分子構造（SMILES）からpIC50値をTransformerベースの深層学習モデルで予測するシステムです。

• 分子特徴量: RDKit記述子、ECFP4/MACCSフィンガープリント、サイケデリックスSMARTS特徴量、アゴニストスキャフォールド
• モデル: PyTorch LightningによるTransformer回帰
• CLI/GUI: Typer CLIとPySide6 GUI両対応
• 電源断保護: 自動保存・キャッシュ・チェックポイント
• RTX3080等CUDA対応

---

背景・目的

創薬・化学分野では、分子の生物活性（pIC50等）予測は新規化合物設計・スクリーニングの要。特に多ターゲット（DAT, 5HT2A, CB1, CB2, オピオイド）に対し、

• 分子記述子の多様性
• 深層学習による表現学習
• ターゲットごとの代表スキャフォールド考慮 を組み合わせることで、従来法より高精度な予測を目指します。

---

特徴量設計

• RDKit分子記述子: MolWt, LogP, TPSA, NumHDonors, NumHAcceptors, RotatableBonds, AromaticRings, FractionCSP3, LabuteASA, BalabanJ, BertzCT, HeavyAtomCount, など
• フィンガープリント: ECFP4 (1024bit), MACCS (167bit)
• サイケデリックスSMARTS特徴量: インドール環, トリプタミン, フェネチルアミン, メトキシ基数, ハロゲン数, N,N-ジメチルアミン基
• アゴニストスキャフォールド: ターゲットごとに代表的なSMARTSパターンを付与
• 相関除去: 高相関特徴量は自動除去

---

モデル構造

• 入力層: 分子特徴量ベクトル
• 埋め込み層: Linear(input_dim→256)
• Transformer Encoder: 2層, 4ヘッド, 256次元（Optunaで最適化可）
• グローバルプーリング: 平均
• 出力層: Linear(256→1)
• 損失関数: MSELoss
• 最適化: Adam, 学習率スケジューラ, 早期停止
• クロスバリデーション/Optuna最適化対応

---

ディレクトリ構成

├── src/                # メインモジュール（train.py, predict.py など）
├── models/             # 学習済みモデル
├── tests/              # テストコード
├── _docs/              # 実装ログ・要件定義
├── cli.py              # CLIエントリポイント
├── main.py             # GUIエントリポイント
├── dat_predictor.py    # コアロジック
├── requirements.txt    # 依存パッケージ
└── README.md           # 本ファイル

---

依存パッケージ

• Python 3.10+
• torch==2.3
• pytorch-lightning==2.0
• rdkit==2024.03
• optuna==3.6
• PySide6==6.5
• tqdm
• seaborn, matplotlib, pandas, scikit-learn

pip install -r requirements.txt で一括インストール可能。

---

使い方

1. CLI

モデル学習

py -3 cli.py train --target CHEMBL238 --output models/dat_transformer_model.pt

• --target : ChEMBLターゲットID（例: CHEMBL238=DAT, CHEMBL224=5HT2A, ...）
• --optimize : Optunaによるハイパーパラメータ最適化

予測

py -3 cli.py predict --model models/dat_transformer_model.pt --smiles "CC(CC1=CC=CC=C1)NC"

• --input : SMILESファイル（1行1分子）も可

2. GUI

py -3 main.py

• 学習・予測・バッチ予測・特徴量重要度グラフ・分布可視化など

---

FAQ・トラブルシュート

• Q. CUDAが使われない/遅い
  • A. torch, pytorch-lightning, CUDA toolkit, GPUドライバのバージョンを確認。
• Q. RDKit記述子エラー
  • A. RDKitのバージョンとimport名を確認。
• Q. ChEMBLからデータが取得できない
  • A. chembl_webresource_clientのAPI制限やネットワークを確認。
• Q. GUIが起動しない
  • A. PySide6のバージョン、PyQt6との競合を確認。

---

開発指針・拡張例

• 新規ターゲット追加：REFERENCE_COMPOUNDS/SMARTS/ChEMBL IDを追加
• 特徴量追加：MolecularDescriptorCalculatorに記述子関数を追加
• モデル改良：アンサンブル/多層化/Attention可視化など
• テスト追加：tests/配下にpytestでユニットテスト
• 実装ログ：_docs/に日付+機能名で記録

---

参考文献・リンク

• ChEMBL
• RDKit
• PyTorch
• Optuna
• PySide6

---

ライセンス

MIT License

---

貢献

• Issue/PR歓迎。新規ターゲット・特徴量・モデル改良・バグ修正など大歓迎。
• コーディング規約: PEP8, 型ヒント, 実装ログ必須

---

更新履歴

• 2024-06-09: リポジトリ整理・README刷新
• 2024-06-01: GUI機能拡張・Optuna最適化追加
• 2024-05-20: 多ターゲット対応・SMARTS特徴量追加
• ...