機械学習と計算科学の併用による膵リパーゼ阻害剤の分子構造設計

• Project/Area Number: 24K20895
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: Tokyo University of Pharmacy and Life Science
• Principal Investigator: 野口 瑶 東京薬科大学, 生命科学部, 助教 (60848836)
• Project Period (FY): 2024-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2028: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000); Fiscal Year 2027: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2026: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000); Fiscal Year 2025: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000); Fiscal Year 2024: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
• Keywords: 膵リパーゼ阻害剤 / ドッキングシミュレーション / データ駆動型科学 / 分子構造設計

Outline of Research at the Start

本研究は、機械学習と計算科学の併用によって対象となるタンパク質と結合する分子構造を設計するものあり、主な対象を抗肥満薬のターゲットである膵リパーゼとしている。肥満は生活習慣病のリスクを高め、社会経済的な問題を引き起こしている。しかし、現在使用されている抗肥満薬には副作用の報告もあるため、開発の継続が必要であると考えられる。本研究では機械学習による仮想分子構造の生成、結合親和性の予測を行い、計算科学によって予測結果の妥当性を確認する。強い結合が期待される化合物はMDシミュレーションによって動的性質などについても解析する。これらは他タンパク質の阻害剤開発や材料科学分野へ応用できる可能性がある。