| 研究課題/領域番号 |
15K16081
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
生命・健康・医療情報学
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
大上 雅史 東京工業大学, 情報理工学院, 助教 (50743209)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| 研究課題ステータス |
完了 (2017年度)
|
| 配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2017年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2016年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2015年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | ペプチド創薬 / タンパク質間相互作用 / バイオインフォマティクス / 分子ドッキング / 標的予測 / カーネル法 / ランク学習 / 中分子 / アミノ酸配列 / 構造インフォマティクス / MEGADOCK-Web / ペプチド分子 / MEGADOCK / プロファイル / 中規模ペプチド / アミノ酸相互作用プロファイル |
|---|
| 研究成果の概要 |
中分子創薬において重要とされるペプチドの標的を効率良く探索し、かつ標的との結合性を予測できる手法の開発が目的である。立体構造情報に基づくタンパク質間相互作用予測の大規模利用のための高度化と並列実行を実施した。また、代表的なヒトタンパク質構造に対して総当たり予測計算を実施し、結果をウェブブラウザを介して閲覧できるようにインターフェースを構築した。さらに、ペプチド分子とタンパク質との結合性解析計算を行う手法、2部グラフ予測を主体とした機械学習による分子標的予測手法であるLIK法、およびランク学習を主体とした機械学習による分子標的予測手法であるPKRank法を開発した。
|
