2019 Fiscal Year Annual Research Report
Development of target-based molecular docking method by means of machine learning and molecular simulation
| Project/Area Number |
16K05648
|
|---|
| Research Institution | Institute of Physical and Chemical Research |
|---|
Principal Investigator |
齋藤 大明 国立研究開発法人理化学研究所, 生命機能科学研究センター, 研究員 (40506820)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
水上 卓 北陸先端科学技術大学院大学, マテリアルサイエンス研究科, 助教 (50270955)
|
|---|
| Project Period (FY) |
2016-04-01 – 2020-03-31
|
| Keywords | 分子シミュレーション / 分子ドッキング / 機械学習 / 自由エネルギー |
|---|
| Outline of Annual Research Achievements |
本申請研究では「高精度のリガンド－レセプターの結合構造予測」を目的に「機械学習と分子シミュレーションの連帯による標的型分子ドッキング法の開発」を行った。具体的には分子動力学（MD)シミュレーションを用い，（１）結合ポケットの形状変化を含めたレセプターの「アンサンブル構造」を多数サンプリングする。これら構造に対し（２）機械学習アルゴリズムを用いた結合ポケットのリガンド会合性（Druggability）判定を行い、リガンドと構造や相互作用の補償が良いレセプター構造の選出を行った。最後に（３）誘導適合分子ドッキング計算と結合自由エネルギー評価を行い，高精度なリガンドの結合構造予測を行った。開発した手法を（４）創薬対象の重要ターゲットタンパク質に適用し、分子スクリーニングによる新規リード化合物の特定と最適化を行った。ターゲットタンパク質は人体においてほとんどの薬物代謝に関与することが知られているシトクロムP450とし、代謝に関与する新規の候補薬剤の特定と最適化を行った。MD計算で得られたタンパク質のスナップショット構造から、化合物が結合するポケットの大きさや、形、親水性・疎水性を詳細に観測し、結合する化合物との特性とのマッチングを解析した。これにより，化合物と構造や相互作用の相補性が良いレセプター構造をMDデータから選出することが可能となり、結合構造予測の精度やスループットが飛躍的に向上する結果を得た。
|
