2017 Fiscal Year Annual Research Report
Developing a hybrid screening method based on machine learning with Ligand database
| Project/Area Number |
15K00408
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
大和田 勇人 東京理科大学, 理工学部経営工学科, 教授 (30203954)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
青木 伸 東京理科大学, 薬学部生命創薬科学科, 教授 (00222472)
西山 裕之 東京理科大学, 理工学部経営工学科, 教授 (80328567)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 機械学習 / バイオインフォマティクス / スクリーニング |
|---|
| Outline of Annual Research Achievements |
平成29年度は、①放射線治療による副作用低減のためのp53阻害剤候補化合物のランキング手法の提案と、②低分子化合物結合タンパク質の予測、③DUD-Eデータベースを用いた酵素に対するドッキングスコアの予測を実施した。
①に関しては、87個の化合物データを用いて放射線防護剤の候補化合物の予測に関する研究を行った。平成28年度に実施したXGBoostを用いた放射線防護機能と毒性の予測は他の学習器による予測と比して高い精度が得られた。本研究成果は、イギリスで実施された国際会議CIBCB2017において「Predicting Radiation Protection and Toxicity of p53 Targeting Radioprotectors using Machine Learning」というタイトルで発表した。
②に関しては、低分子化合物であるイレッサ（抗がん剤）と結合するタンパク質をランダムフォレストを用いて分類し、その分類に関連するアミノ酸配列の抽出を行った。ランダムオーバーサンプリングを行うことで、本研究は昨年度を超える分類精度を示した。
③に関しては、リガンドデータベースであるDUD-Eのデータの中から、3つの酵素に関するデータを用いて、それらを標的とする化合物の予測を行った。本研究ではロジスティック回帰とそれを用いたアンサンブル学習によって分類器を作成した。本研究成果は、「Enzyme Classification on DUD-E Database Using Logistic Regression Ensemble (Lorens)」というタイトルで、「Innovative Computing, Optimization and Its Applications Vol 741. Springer」に掲載された。
|
