| Project/Area Number |
19F19377
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 外国 |
|---|
| Review Section |
Basic Section 62010:Life, health and medical informatics-related
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
倉田 博之 九州工業大学, 大学院情報工学研究院, 教授 (90251371)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
HASAN MD MEHEDI 九州工業大学, その他の研究科, 外国人特別研究員
|
|---|
| Project Period (FY) |
2019-11-08 – 2022-03-31
|
| Project Status |
Declined (Fiscal Year 2021)
|
| Budget Amount *help |
¥1,600,000 (Direct Cost: ¥1,600,000)
Fiscal Year 2021: ¥400,000 (Direct Cost: ¥400,000)
Fiscal Year 2020: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2019: ¥400,000 (Direct Cost: ¥400,000)
|
|---|
| Keywords | 機械学習 / 創薬 / タンパク質 / ペプチド / 配列解析 / 予測 |
|---|
| Outline of Research at the Start |
標的タンパク質と結合する薬剤化合物（リガンド）を予測するコンピュータ技術の開発が、薬剤スクリーニングの時間と経済的コストを削減するために必須である。 本研究では、外国人特別研究員と協力して、リガンドの構造情報とタンパク質のドッキングサイトのアミノ酸配列の生化学情報、進化情報、構造情報に関する特徴を数値化する独自技術を開発する。タンパク質の結合サイトの配列と化合物構造情報を用いて、両者の結合を0.95以上の正答率で予測する深層ニューラルネットワークモデルを開発する。
|
| Outline of Annual Research Achievements |
神経ペプチド（NP）は、免疫系で最も用途の広い神経伝達物質であり、さまざまな中枢性不安ホルモンを調節する。 NPは、神経系機能障害の新薬や標的を設計するための契機を与える。与えられたペプチド配列からのNPの正確な予測は、基礎研究と医薬品開発に不可欠な免疫情報学において重要である。バイオインフォマティクス手法を用いて、NP同定の予測性能を改善することに挑戦した。ここでは、特徴表現学習アプローチを使用して、NeuroPred-FRLと呼ばれる機械学習ベースのメタ予測子を開発した。まず、8つの異なるエンコーディング、6つの異なる分類子、および2段階の特徴選択アプローチを採用して、48の最適なベースラインモデルを生成した。 48のベースラインモデルからのNPの予測確率スコアを組み合わせて、入力特徴ベクトルと見なした。次に、2段階の特徴選択アプローチを適用して48次元の確率特徴ベクトルを最適化し、最適なものをランダムフォレスト分類器（NeuroPred-FRL）に入力した。交差検定と独立検定の両方で、NeuroPred-FRLが既存の予測子よりも一貫して優れていることが示した。さらに、堅牢なSHapley Additive exPlanationアルゴリズムを活用して、いくつかのモデルメカニズムを解明した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
研究成果を高インパクトファクター（8.99）のBriefings in Bioinformaticsへ発表できたので。
|
| Strategy for Future Research Activity |
中分子創薬において，ペプチド医薬品の細胞膜透過性を高める方法を検討する。
|
