当研究室では、タンパク質分子の位相幾何学的特徴に基づく立体構造をグラフとして表現するVOLTESプログラムを開発し、論理的構造設計や分子進化とトポロジーとの相関解析に適用してきた。本研究ではVOLTESの機械学習への応用を目指し、AIの特徴量としての有用性を確認するため、独自の手法でグラフ畳み込みニューラルネットワーク(GCN)を構築して、酵素分子の立体構造とトポロジー情報からEC番号の推定を行った。特に、VOLTESデータ特有の分子情報に着目してカテゴリー化およびグループ化を行い、これらを新たに加味した特徴量を考案して評価を実施したところ、高い有効性を確認できた。