Development of Compound Generation Method Using a Conditional Variational Autoencoder with Skip Connections

Publicly Offered Research

Project Area	Latent Chemical Space Based on Diverse Natural Products for Bio-active Molecular Design
Project/Area Number	24H01760
Research Category	Grant-in-Aid for Transformative Research Areas (A)
Allocation Type	Single-year Grants
Review Section	Transformative Research Areas, Section (II)
Research Institution	Institute of Science Tokyo
Principal Investigator	関嶋政和東京科学大学, 情報理工学院, 准教授 (80371053)
Project Period (FY)	2024-04-01 – 2026-03-31
Project Status	Granted (Fiscal Year 2025)
Budget Amount *help	¥7,020,000 (Direct Cost: ¥5,400,000、Indirect Cost: ¥1,620,000) Fiscal Year 2025: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000) Fiscal Year 2024: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
Keywords	AI創薬 / ケモインフォマティクス / 機械学習 / バイオインフォマティクス
Outline of Research at the Start	本研究は、リガンド結合部位の情報を深くかつ効果的に化合物生成モデルに取り込むための新たな手法の開発を目的とする。UNETのアーキテクチャにおけるSKIPコネクションの考え方を取り入れ、標的蛋白質のリガンド結合部位の情報を潜在空間の複数の層に分散して条件として与えることで、各層で異なる特性や相互作用を捉えることが可能な新しいアーキテクチャを2年間で開発する。既存のデータベースを用いたモデルの学習と評価、実際の蛋白質データでの検証を通じて、創薬の効率化に貢献することを目指す。