| 研究課題/領域番号 |
20K12063
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 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 | 京都大学 |
|---|
研究代表者 |
岩田 浩明 京都大学, 医学研究科, 特定准教授 (40613328)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 人工知能 / シミュレーション / 進化 / 苦味 / ディープラーニング / 分子動力学シミュレーション |
|---|
| 研究開始時の研究の概要 |
AIとシミュレーション、進化解析を融合した次世代のコンピュータシミュレーション解析手法のフレームワークを構築することを目的とする。研究対象は苦味受容体とする。まず、苦味受容体の生物種間の配列情報の進化解析を行い、種を超えて保存している領域を抽出する。次に、得られた知見を考慮した生物種を超えたAIモデルを構築し、そのモデルを用いて膨大な化合物ライブラリから有望な活性化合物を探索する。最後に、モデリングした立体構造とシミュレーション解析を行い、受容体との相互作用部位や活性値を予測することで、候補化合物を提案する。
|
| 研究成果の概要 |
データに乏しい状況において、学習データを生成しながらAIモデルを構築する取り組みが広く行われている。我々は、自己訓練に戻づく半教師付き学習フレームワークを提案した。まず、既知のデータを学習に用いて、AIモデルを構築する。次に、相互作用情報が未知の化合物-タンパク質ペアに疑似ラベルを生成し、学習データを増やし、モデルパラメータを改良していく。その結果、学習データのポジネガの不均衡が徐々に緩和され、さらに最終的に構築されたモデルは、既知の学習データセットのみを用いて構築された初期モデルを凌駕することが示された。
|
| 研究成果の学術的意義や社会的意義 |
様々な分野にAI技術が適用されてきており、成果が上がってきている。一方で、データが整備されていないことも多く、少量な学習データでよいモデルを作ることは学術的にも社会的にも求められている。本研究では、学習データを生成することで予測精度を高めることができた。今回は、化合物-タンパク質相互作用解析で手法の有用性を示したが、様々な分野で適用が可能である。学術的、社会的意義のある結果が得られた。
|
