| Project/Area Number |
24KJ1091
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 62010:Life, health and medical informatics-related
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
古井 海里 東京工業大学, 情報理工学院, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2024-04-23 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥2,200,000 (Direct Cost: ¥2,200,000)
Fiscal Year 2026: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2025: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2024: ¥800,000 (Direct Cost: ¥800,000)
|
|---|
| Outline of Research at the Start |
本研究では、深層学習によって自由エネルギー摂動（FEP）計算を強化し、従来のFEPの限界を超える数万件規模の化合物を対象としたリード最適化手法を提案する。汎化性能の高い深層学習モデルを構築し、FEPシミュレーション情報による微調整と能動学習による効率化を行う。開発したΔΔG予測モデルを用いて大規模な化合物スクリーニングを実現し、新薬開発の効率化に貢献する。
|
