| 研究課題/領域番号 |
25540015
|
|---|
| 研究種目 |
挑戦的萌芽研究
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
統計科学
|
|---|
| 研究機関 | 統計数理研究所 |
|---|
研究代表者 |
吉田 亮 統計数理研究所, モデリング研究系, 准教授 (70401263)
|
|---|
| 研究分担者 |
伊庭 幸人 統計数理研究所, モデリング研究系, 教授 (30213200)
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2015-03-31
|
| 研究課題ステータス |
完了 (2014年度)
|
| 配分額 *注記 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2014年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2013年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 化学情報学 / 創薬 / 分子設計 / ベイズ統計 / カーネル法 / マルコフ連鎖モンテカルロ法 |
|---|
| 研究成果の概要 |
医薬分子の設計は、約10~60個の化合物からなる広大な化合物空間から新薬候補分子を発掘する作業である。研究の目的は、ベイズ統計および機械学習を基盤とする分子設計手法の開発である。（1）実験データを活用して化学構造から性質（物性や薬理活性）のフォーワード予測モデルを構築し、（2）フォーワードモデルをベイズ則で反転し、性質から構造のバックワード予測（事後分布）を導く。事後分布から化学構造を生成し、目的の性質を有する埋蔵分子を発掘する。データサイエンスの発想に基づく新たな分子設計手法を開発し、医薬品化合物の分子設計に適用して、その潜在的有用性を実証した。
|
