Structure-based ligand activity prediction using 3-dimensional convolution neural network

• Project/Area Number: 18K11524
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: Tokyo Institute of Technology
• Principal Investigator: Ishida Takashi 東京工業大学, 情報理工学院, 准教授 (40508355)
• Project Period (FY): 2018-04-01 – 2021-03-31
• Project Status: Completed (Fiscal Year 2020)
• Budget Amount: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000); Fiscal Year 2020: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2019: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2018: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
• Keywords: 深層学習 / 化合物活性予測 / ヴァーチャルスクリーニング / タンパク質立体構造 / リガンド結合ポケット / 薬剤活性予測 / 3次元畳み込みニューラルネットワーク / エンドツーエンド表現学習 / タンパク質ポケット構造 / グラフニューラルネットワーク / ３次元畳み込みニューラルネットワーク / ヴァーチャル・スクリーニング

Outline of Final Research Achievements

We developed a novel machine-learning based compound activity prediction using binding pocket information. The method converts a binding pocket structure of a target protein to a structure-graph and uses a graph convolutional neural network for end-to-end learning. The proposed method achieved better accuracy than a method only using protein sequence information. Additionally, the proposed method was more accurate and fast than a docking calculation using Autodock Vina.

Academic Significance and Societal Importance of the Research Achievements

新規のタンパク質に対しても利用可能なタンパク質構造と化合物構造を入力とした深層学習ベースの化合物活性予測手法を新たに開発した。これにより、実験情報のない新規のタンパク質に対しても化合物活性予測の適用が可能となり、応用可能な範囲が広がった。しかし、残念ながらその予測精度はまだ不十分であり、より実用的な利用にはさらなる今後の改良が必要となっている。

Research Products

• [Journal Article] Single-Step Retrosynthesis Prediction Based on the Identification of Potential Disconnection Sites Using Molecular Substructure Fingerprints (2021)
  • Author(s): Hasic Haris、Ishida Takashi
  • Journal Title: Journal of Chemical Information and Modeling Volume: 61 Issue: 2 Pages: 641-652
  • DOI: 10.1021/acs.jcim.0c01100
  • Peer Reviewed
• [Journal Article] P3CMQA: Single-Model Quality Assessment Using 3DCNN with Profile-Based Features (2021)
  • Author(s): Takei Yuma、Ishida Takashi
  • Journal Title: Bioengineering Volume: 8 Issue: 3 Pages: 40-40
  • DOI: 10.3390/bioengineering8030040
  • Peer Reviewed / Open Access
• [Journal Article] Sequence alignment generation using intermediate sequence search for homology modeling (2020)
  • Author(s): Makigaki Shuichiro、Ishida Takashi
  • Journal Title: Computational and Structural Biotechnology Journal Volume: 18 Pages: 2043-2050
  • DOI: 10.1016/j.csbj.2020.07.012
  • NAID: 120007039217
  • Peer Reviewed
• [Journal Article] Sequence alignment using machine learning for accurate template-based protein structure prediction (2019)
  • Author(s): Makigaki Shuichiro、Ishida Takashi
  • Journal Title: Bioinformatics Volume: 36 Issue: 1 Pages: 104-111
  • DOI: 10.1093/bioinformatics/btz483
  • Peer Reviewed
• [Journal Article] Protein model accuracy estimation based on local structure quality assessment using 3D convolutional neural network (2019)
  • Author(s): Sato Rin、Ishida Takashi
  • Journal Title: PLOS ONE Volume: 14 Issue: 9 Pages: 221347-221347
  • DOI: 10.1371/journal.pone.0221347
  • NAID: 120006889233
  • Peer Reviewed / Open Access
• [Journal Article] End-to-End Learning Based Compound Activity Prediction Using Binding Pocket Information (2019)
  • Author(s): Tanebe Toshitaka、Ishida Takashi
  • Journal Title: 2019 International Conference on Intelligent Computing Volume: 11644 Pages: 226-234
  • DOI: 10.1007/978-3-030-26969-2_21
  • ISBN: 9783030269685, 9783030269692
  • Peer Reviewed
• [Presentation] タンパク質配列情報と薬剤結合部位構造情報を用いた新規タンパク質に対する深層学習リガンド結合予測 (2019)
  • Author(s): 松村真里, 石田貴士
  • Organizer: 第八回生命医薬情報学連合会
• [Presentation] GCMQA: Graph convolutional neural network for model quality assessment (2019)
  • Author(s): Rin Sato and Takashi Ishida
  • Organizer: 第八回生命医薬情報学連合会
• [Presentation] ポケット構造情報を考慮したエンドツーエンド表現学習によるリガンド結合予測 (2019)
  • Author(s): 種部俊孝、石田貴士
  • Organizer: 情報処理学会第57回BIO研究発表会
• [Presentation] グラフ畳み込みを用いたタンパク質予測立体構造の評価手法の開発 (2019)
  • Author(s): 佐藤倫、石田貴士
  • Organizer: 情報処理学会第57回BIO研究発表会
• [Presentation] タンパク質ポケット構造情報を考慮した機会学習によるリガンド結合予測 (2018)
  • Author(s): 種部俊孝、石田貴士
  • Organizer: 生命医薬情報学連合大会2018年大会
• [Presentation] 深層学習を用いたタンパク質予測立体構造モデルの評価 (2018)
  • Author(s): 佐藤倫、石田貴士
  • Organizer: 情報処理学会第54回BIO研究会
• [Presentation] 3次元畳み込みニューラルネットワークを用いたタンパク質予測立体構造の評価手法の開発 (2018)
  • Author(s): 佐藤倫、石田貴士
  • Organizer: 生命医薬情報学連合大会2018年大会