Docking prediction and design of peptides by molecluar simulation and deep learning

Research Project

Project/Area Number	21K12122
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	The University of Tokyo
Principal Investigator	清水謙多郎東京大学, 大学院農学生命科学研究科(農学部), 教授 (80178970)
Project Period (FY)	2021-04-01 – 2024-03-31
Project Status	Granted (Fiscal Year 2021)
Budget Amount *help	¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000) Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000) Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000) Fiscal Year 2021: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Keywords	タンパク質 / ドッキング予測 / ペプチド設計 / 分子シミュレーション / 深層学習
Outline of Research at the Start	本研究では、抗菌ペプチドをターゲットとし、ドッキング予測ツールや分子動力学（MD）シミュレーションが生成する複合体構造群をもとに、グラフオートエンコーダ（GAE）と敵対性生成ネットワーク（GAN）の機構を用いて複合体構造を生成することにより、ドッキング予測の精度の向上と、高い結合親和性をもつ新規ペプチドの設計の効率化を行う手法を開発する。