| 研究課題/領域番号 |
17H01814
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 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 |
秋山 泰 東京工業大学, 情報理工学院, 教授 (30243091)
|
|---|
| 研究分担者 |
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) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
16,510千円 (直接経費: 12,700千円、間接経費: 3,810千円)
2019年度: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2018年度: 4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2017年度: 7,280千円 (直接経費: 5,600千円、間接経費: 1,680千円)
|
|---|
| キーワード | 生命生体情報学 / 環状ペプチド / 中分子創薬 / 膜透過性 / 血漿タンパク質結合率 / 分子動力学法 / 機械学習 / 深層学習 / 生体生命情報学 |
|---|
| 研究成果の概要 |
次世代の創薬分子として注目されている特殊環状ペプチドを用いた中分子創薬を加速するため、そのボトルネックとなっていた細胞膜の透過性、および血漿タンパク質結合率の計算機予測を行うための基盤的手法を開発した。
細胞膜透過性予測においては、大規模な分子動力学シミュレーション(REUS)による予測と、2次元および3次元記述子からの機械学習による予測の二つの手法を開発した。前者は6～8残基では充分な精度を達成しており、後者と組み合わせることでさらなる精度向上が期待できる。
血漿タンパク質結合率予測においては、2次元および3次元記述子を用いた機械学習の手法を開発した。深層学習を用いた方法が最も高い精度を示した。
|
| 研究成果の学術的意義や社会的意義 |
低分子化合物に基づく伝統的な創薬が徐々に限界を迎える中、抗体を用いた抗体創薬が大きな成果を挙げつつあるが、細胞を用いて生成する抗体は製造コストの高さや膜透過性が無いことという欠点がある。環状ペプチドは、両者の中間の大きさを持つ中分子であり、比較的低コストで高い薬効が期待される。ところが、細胞膜の透過性を持つものが設計しにくいこと、および血漿タンパク質結合率が有効な範囲にならない場合があることから、薬効があっても薬剤として使えない場合が多かった。本研究では、計算機で迅速にこれらを予測する技術を開発した。中分子創薬の設計現場で利用することで、設計の効率を飛躍的に高めることが可能になると期待される。
|
