2023 Fiscal Year Final Research Report

Development of an in silico and Robotic-Assisted Drug Discovery System and Its Application to the Search for Therapeutic Agents against Chagas Disease

Research Project

PDF

Project/Area Number	20H00620
Research Category	Grant-in-Aid for Scientific Research (A)
Allocation Type	Single-year Grants
Section	一般
Review Section	Medium-sized Section 62:Applied informatics and related fields
Research Institution	Tokyo Institute of Technology
Principal Investigator	Masakazu Sekijima 東京工業大学, 情報理工学院, 准教授 (80371053)
Co-Investigator(Kenkyū-buntansha)	稲岡健ダニエル長崎大学, 熱帯医学研究所, 准教授 (10623803) 庄司満横浜薬科大学, 薬学部, 教授 (30339139) 平山謙二長崎大学, 熱帯医学・グローバルヘルス研究科, 教授 (60189868) 樺島祥介東京大学, 大学院理学系研究科(理学部), 教授 (80260652)
Project Period (FY)	2020-04-01 – 2024-03-31
Keywords	ケモインフォマティクス / バイオインフォマティクス / 機械学習 / IT創薬 / スーパーコンピュータ / 創薬 / 分子動力学シミュレーション / 寄生原虫
Outline of Final Research Achievements	In this study, we developed a compound optimization method based on molecular graphs using deep reinforcement learning and successfully enhanced the activity of compounds targeting dopamine receptor D2 (DRD2). This method is suitable for exploring and optimizing user-defined compounds. We also generated compounds targeting TAO, for which Professor Inaoka at Nagasaki University has an evaluation system, using a compound generation model with multi-objective optimization, and conducted actual synthesis experiments. The synthesis experiments provided insights into compound synthesis that were not evident during AI prediction. These achievements are expected to contribute to the efficiency of drug discovery research.
Free Research Field	ケモインフォマティクス
Academic Significance and Societal Importance of the Research Achievements	本研究で開発した深層強化学習を用いた化合物最適化手法と多目的最適化による化合物生成モデルは、githubを通じてプログラムを広く公開しており創薬研究の効率化に寄与する学術的意義がある。特に、ユーザー定義の評価関数で化合物を探索・最適化できる点は、既知の化合物からの新薬開発を加速する。また、トリパノソーマ寄生原虫の治療薬開発への取り組みは、顧みられない熱帯病の治療薬開発を促進し、患者のQOLの向上と医療費の削減につながる可能性がある。さらに、AIでの予測だけでなく実際の合成実験を行うことで、創薬研究におけるAIと実験科学の融合の重要性を示した点も、学術的・社会的に意義深い。