| 研究課題/領域番号 |
19F19377
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 外国 |
|---|
| 審査区分 |
小区分62010:生命、健康および医療情報学関連
|
|---|
| 研究機関 | 九州工業大学 |
|---|
研究代表者 |
倉田 博之 九州工業大学, 大学院情報工学研究院, 教授 (90251371)
|
|---|
| 研究分担者 |
HASAN MD MEHEDI 九州工業大学, その他の研究科, 外国人特別研究員
|
|---|
| 研究期間 (年度) |
2019-11-08 – 2022-03-31
|
| 研究課題ステータス |
採択後辞退 (2021年度)
|
| 配分額 *注記 |
1,600千円 (直接経費: 1,600千円)
2021年度: 400千円 (直接経費: 400千円)
2020年度: 800千円 (直接経費: 800千円)
2019年度: 400千円 (直接経費: 400千円)
|
|---|
| キーワード | 機械学習 / 創薬 / タンパク質 / ペプチド / 配列解析 / 予測 |
|---|
| 研究開始時の研究の概要 |
標的タンパク質と結合する薬剤化合物（リガンド）を予測するコンピュータ技術の開発が、薬剤スクリーニングの時間と経済的コストを削減するために必須である。 本研究では、外国人特別研究員と協力して、リガンドの構造情報とタンパク質のドッキングサイトのアミノ酸配列の生化学情報、進化情報、構造情報に関する特徴を数値化する独自技術を開発する。タンパク質の結合サイトの配列と化合物構造情報を用いて、両者の結合を0.95以上の正答率で予測する深層ニューラルネットワークモデルを開発する。
|
| 研究実績の概要 |
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。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
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。
|
| 今後の研究の推進方策 |
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。
|
