Structure-based ligand activity prediction using 3-dimensional convolution neural network

2020 Fiscal Year Final Research Report

• Project/Area Number: 18K11524
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: Tokyo Institute of Technology
• Principal Investigator: Ishida Takashi 東京工業大学, 情報理工学院, 准教授 (40508355)
• Project Period (FY): 2018-04-01 – 2021-03-31
• Keywords: 深層学習 / 化合物活性予測 / ヴァーチャルスクリーニング / タンパク質立体構造 / リガンド結合ポケット

Outline of Final Research Achievements

We developed a novel machine-learning based compound activity prediction using binding pocket information. The method converts a binding pocket structure of a target protein to a structure-graph and uses a graph convolutional neural network for end-to-end learning. The proposed method achieved better accuracy than a method only using protein sequence information. Additionally, the proposed method was more accurate and fast than a docking calculation using Autodock Vina.

Free Research Field

バイオインフォマティクス

Academic Significance and Societal Importance of the Research Achievements

新規のタンパク質に対しても利用可能なタンパク質構造と化合物構造を入力とした深層学習ベースの化合物活性予測手法を新たに開発した。これにより、実験情報のない新規のタンパク質に対しても化合物活性予測の適用が可能となり、応用可能な範囲が広がった。しかし、残念ながらその予測精度はまだ不十分であり、より実用的な利用にはさらなる今後の改良が必要となっている。