2020 Fiscal Year Annual Research Report
Structure-based Computer-Aided Drug Design with a Deep Neural Network Approach
| Project/Area Number |
19F19377
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
倉田 博之 九州工業大学, 大学院情報工学研究院, 教授 (90251371)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
HASAN MD MEHEDI 九州工業大学, 大学院情報工学研究院, 外国人特別研究員
|
|---|
| Project Period (FY) |
2019-11-08 – 2022-03-31
|
| Keywords | 機械学習 / 創薬 / タンパク質 |
|---|
| Outline of Annual Research Achievements |
神経ペプチド（NP）は、免疫系で最も用途の広い神経伝達物質であり、さまざまな中枢性不安ホルモンを調節する。 NPは、神経系機能障害の新薬や標的を設計するための契機を与える。与えられたペプチド配列からのNPの正確な予測は、基礎研究と医薬品開発に不可欠な免疫情報学において重要である。バイオインフォマティクス手法を用いて、NP同定の予測性能を改善することに挑戦した。ここでは、特徴表現学習アプローチを使用して、NeuroPred-FRLと呼ばれる機械学習ベースのメタ予測子を開発した。まず、8つの異なるエンコーディング、6つの異なる分類子、および2段階の特徴選択アプローチを採用して、48の最適なベースラインモデルを生成した。 48のベースラインモデルからのNPの予測確率スコアを組み合わせて、入力特徴ベクトルと見なした。次に、2段階の特徴選択アプローチを適用して48次元の確率特徴ベクトルを最適化し、最適なものをランダムフォレスト分類器（NeuroPred-FRL）に入力した。交差検定と独立検定の両方で、NeuroPred-FRLが既存の予測子よりも一貫して優れていることが示した。さらに、堅牢なSHapley Additive exPlanationアルゴリズムを活用して、いくつかのモデルメカニズムを解明した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
研究成果を高インパクトファクター（8.99）のBriefings in Bioinformaticsへ発表できたので。
|
| Strategy for Future Research Activity |
中分子創薬において，ペプチド医薬品の細胞膜透過性を高める方法を検討する。
|
