DAT Activity Predictor + TxGemma AI 🧬🤖

RTX3060最適化・本番環境対応の創薬AIシステム

DAT活性予測とTxGemma-9B自然言語対話による創薬支援を提供する、完全Docker化された本番環境システムです。

---

🎯 概要

DAT Activity Predictor + TxGemma AIは、以下の機能を統合した次世代創薬支援システムです：

• 🧬 マルチターゲット活性予測: DAT, 5HT2A, CB1, CB2, μ/δ/κ-opioid受容体
• 🤖 TxGemma-9B統合: 自然言語対話による創薬プロセス支援
• 🐳 完全Docker化: ワンコマンドデプロイ
• ⚡ RTX3060最適化: 混合精度・メモリ管理・パフォーマンス最適化
• 📊 本番監視: Prometheus + Grafana統合
• 🛡️ エラー回復: 自動回復・ログ管理・セキュリティ

---

🚀 クイックスタート

1. リポジトリクローン

git clone https://github.com/zapabob/multi-target-pIC50-predictor.git
cd multi-target-pIC50-predictor

2. 本番環境デプロイ

# 環境設定
cp .env.example .env
cp config/config.yaml.example config/config.yaml

# 本番デプロイ（ワンコマンド）
./scripts/deploy.sh production deploy

3. アクセス

• アプリケーション: http://localhost:8000
• Grafana監視: http://localhost:3000 (admin/admin123)
• Prometheus: http://localhost:9090

---

🏗️ システム構成

Docker Compose統合

services:
  dat-predictor-app    # メインアプリケーション
  postgres            # PostgreSQL データベース
  redis              # Redis キャッシュ
  ollama             # TxGemma-9B LLM
  nginx              # リバースプロキシ
  prometheus         # メトリクス収集
  grafana           # ダッシュボード

主要コンポーネント

• 🧠 AI/ML: Transformer, GNN, アンサンブル学習
• 🤖 LLM: TxGemma-9B自然言語対話
• 📊 監視: ヘルスチェック・メトリクス・アラート
• 🛡️ セキュリティ: JWT認証・監査ログ・レート制限
• ⚡ 最適化: RTX3060特化・メモリ管理・自動回復

---

🧬 機能詳細

マルチターゲット活性予測

# 対応ターゲット
targets = {
    'DAT': 'CHEMBL238',      # ドパミントランスポーター
    '5HT2A': 'CHEMBL224',    # セロトニン2A受容体
    'CB1': 'CHEMBL218',      # カンナビノイド受容体1
    'CB2': 'CHEMBL1861',     # カンナビノイド受容体2
    'mu_opioid': 'CHEMBL233', # μ-オピオイド受容体
    'delta_opioid': 'CHEMBL236', # δ-オピオイド受容体
    'kappa_opioid': 'CHEMBL237'  # κ-オピオイド受容体
}

分子特徴量

• RDKit記述子: MolWt, LogP, TPSA, NumHDonors, etc.
• フィンガープリント: ECFP4 (1024bit), MACCS (167bit)
• SMARTS特徴量: サイケデリックス特化パターン
• グラフ特徴量: 原子・結合特徴量（GNN用）

AI/MLモデル

• Transformer: 自己注意機構による表現学習
• GNN: グラフニューラルネットワーク
• アンサンブル: 複数モデル統合予測
• 不確実性推定: MC Dropout, Deep Ensemble
• 能動学習: 効率的なデータ収集

---

🤖 TxGemma-9B統合

自然言語対話機能

# 創薬支援対話例
user: "DAT活性が高い化合物を設計したい"
ai: "DAT活性向上のため、以下の構造特徴を考慮してください：
     - フェネチルアミン骨格
     - メトキシ基の導入
     - 脂溶性の最適化"

user: "この化合物の副作用リスクは？"
ai: "5HT2A活性とオピオイド受容体への結合を確認し、
     サイケデリック効果と依存性リスクを評価します"

プロンプトエンジニアリング

• 創薬支援: 化合物設計・最適化提案
• 予測解釈: 結果の説明・根拠提示
• リスク評価: 副作用・毒性予測
• 文献検索: 関連研究の紹介

---

⚡ RTX3060最適化

パフォーマンス最適化

performance:
  gpu:
    mixed_precision: true      # FP16使用
    gradient_checkpointing: true # メモリ削減
    memory_fraction: 0.8       # メモリ使用率制限
  cpu:
    num_workers: 4            # 並列処理
    pin_memory: true          # メモリ固定

自動最適化機能

• 最適バッチサイズ: 自動決定
• メモリ管理: 自動クリーンアップ
• エラー回復: GPU メモリエラー自動回復
• スループット: リアルタイム監視

---

📊 監視・ログ

Prometheus メトリクス

# 主要メトリクス
- dat_predictor_predictions_total
- dat_predictor_prediction_duration_seconds
- dat_predictor_txgemma_duration_seconds
- dat_predictor_errors_total
- dat_predictor_gpu_memory_usage_percent

Grafana ダッシュボード

• システム監視: CPU, GPU, メモリ使用率
• アプリケーション: 予測数, 応答時間, エラー率
• TxGemma: 対話数, トークン数, 応答時間
• データベース: 接続数, クエリ時間

構造化ログ

{
  "timestamp": "2025-10-14T12:25:17Z",
  "level": "INFO",
  "message": "Prediction made",
  "smiles": "CC(CC1=CC=CC=C1)NC",
  "target": "DAT",
  "prediction": 7.2,
  "uncertainty": 0.3,
  "processing_time": 0.8
}

---

🛠️ 使用方法

CLI使用

# モデル学習
py -3 cli.py train --target DAT --optimize

# 予測実行
py -3 cli.py predict --target DAT --smiles "CC(CC1=CC=CC=C1)NC"

# TxGemma対話
py -3 cli.py chat

# ヘルスチェック
py -3 cli.py health

GUI使用

# GUI起動
py -3 main.py

GUI機能:

• 🧬 化合物入力・予測実行
• 📊 結果可視化・特徴量重要度
• 🤖 TxGemma対話チャット
• 📈 学習曲線・分布表示
• ⚙️ モデル設定・最適化

Docker使用

# サービス管理
./scripts/deploy.sh production start    # 開始
./scripts/deploy.sh production stop     # 停止
./scripts/deploy.sh production restart  # 再起動
./scripts/deploy.sh production health   # ヘルスチェック
./scripts/deploy.sh production logs     # ログ確認

---

🔧 設定

環境変数

# .env
ENV=production
CUDA_VISIBLE_DEVICES=0
OLLAMA_HOST=http://ollama:11434
DATABASE_URL=postgresql://dat_user:password@postgres:5432/dat_predictor
REDIS_URL=redis://redis:6379/0
SECRET_KEY=your-secret-key

設定ファイル

# config/config.yaml
app:
  environment: "production"
  debug: false
  workers: 4

models:
  cache_dir: "/app/cache/models"
  default_batch_size: 32

txgemma:
  model_name: "txgemma:9b-chat-q6_k"
  timeout: 60

---

🛡️ セキュリティ

認証・認可

• JWT認証: トークンベース認証
• ロール管理: 管理者・一般ユーザー
• セッション管理: 自動タイムアウト

監査・ログ

• 操作ログ: 全操作の記録
• セキュリティイベント: 異常アクセス検出
• データ保護: 個人情報・機密データ保護

ネットワークセキュリティ

• HTTPS: SSL/TLS暗号化
• CORS: クロスオリジン制御
• レート制限: API呼び出し制限

---

📈 パフォーマンス

ベンチマーク（RTX3060）

• 予測処理: < 1秒/化合物
• 訓練処理: < 10分/エポック
• TxGemma対話: < 5秒/応答
• GPU使用率: 80-90%
• メモリ使用量: < 8GB VRAM

スケーラビリティ

• 水平スケーリング: 複数ワーカー
• 垂直スケーリング: GPU メモリ最適化
• ロードバランシング: Nginx統合
• キャッシュ: Redis統合

---

🔄 運用・メンテナンス

自動化機能

• バックアップ: 日次自動バックアップ
• ログローテーション: 自動ログ管理
• ヘルスチェック: 定期監視
• アラート通知: 異常検出

メンテナンス

# データベース最適化
docker-compose exec postgres psql -U dat_user -d dat_predictor -c "VACUUM ANALYZE;"

# キャッシュクリア
docker-compose exec redis redis-cli FLUSHALL

# ログローテーション
docker-compose exec dat-predictor logrotate -f /etc/logrotate.conf

---

🧪 テスト

テスト実行

# 全テスト実行
pytest tests/

# 特定テスト実行
pytest tests/test_model.py -v

# カバレッジ測定
pytest --cov=src tests/

テスト内容

• ユニットテスト: 各モジュールの単体テスト
• 統合テスト: システム統合テスト
• パフォーマンステスト: 負荷テスト
• セキュリティテスト: 脆弱性テスト

---

📚 ドキュメント

詳細ドキュメント

• 本番環境デプロイガイド
• API仕様書
• アーキテクチャ設計
• 運用マニュアル

実装ログ

• GNN・アンサンブル・TxGemma実装
• 本番環境実装完了
• GUI起動修正

---

🤝 貢献

開発参加

1. Fork: リポジトリをフォーク
2. Branch: 機能ブランチ作成
3. Commit: 変更をコミット
4. Pull Request: PR作成

コーディング規約

• PEP8: Python コーディング規約
• 型ヒント: 型注釈必須
• ドキュメント: docstring必須
• テスト: テストカバレッジ80%以上

---

📄 ライセンス

MIT License - 詳細はLICENSEファイルを参照

---

🙏 謝辞

• ChEMBL: 分子活性データ
• RDKit: 分子処理ライブラリ
• PyTorch: 深層学習フレームワーク
• TxGemma: 自然言語処理モデル
• Docker: コンテナ化技術

---

📞 サポート

トラブルシューティング

• FAQ
• トラブルシューティング
• Issue報告

連絡先

• GitHub Issues: バグ報告・機能要望
• Discussions: 質問・議論
• Wiki: 詳細情報

---

🎯 ロードマップ

v2.0 (予定)

• 3D分子構造対応
• マルチモーダル学習
• リアルタイム予測API
• クラウドデプロイ対応

v3.0 (予定)

• 量子化学計算統合
• 創薬パイプライン自動化
• 大規模データ処理
• エッジコンピューティング対応

---

🚀 創薬の未来を、AIと共に。

DAT Activity Predictor + TxGemma AI - 次世代創薬支援システム