| 研究課題/領域番号 |
22KJ2290
|
|---|
| 補助金の研究課題番号 |
22J12846 (2022)
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 基金 (2023)
補助金 (2022) |
|---|
| 応募区分 | 国内 |
|---|
| 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 | 奈良先端科学技術大学院大学 |
|---|
研究代表者 |
田村 峻佑 奈良先端科学技術大学院大学, 先端科学技術研究科, 特別研究員(DC2)
|
|---|
| 研究期間 (年度) |
2023-03-08 – 2024-03-31
|
| 研究課題ステータス |
採択後辞退 (2023年度)
|
| 配分額 *注記 |
1,700千円 (直接経費: 1,700千円)
2023年度: 800千円 (直接経費: 800千円)
2022年度: 900千円 (直接経費: 900千円)
|
|---|
| キーワード | ケモインフォマティクス / 機械学習 / 定量的構造活性相関 / Activity cliff |
|---|
| 研究開始時の研究の概要 |
創薬の初期段階では弱い生物学的活性を示す化合物を、その化学構造を少しづつ変化させながら合成を繰り返すことで望ましい活性を示す医薬候補化合物を得る。この際次に合成を試みる化合物は科学者の知見と経験に基づくため、新薬開発には膨大な時間的、金銭的コストが要求される。この問題を解決するため本研究計画では、化学構造の微細な変化に対しその活性が劇的に変化するactivity clliff (AC) という現象に着目し、ある軽微な化学構造の変化に対しACが生じるか否かを予測する機械学習モデルを構築を行う。その後開発したモデルにより低活性化合物に対しACを形成する合成候補化合物の選定を試みる。
|
| 研究実績の概要 |
本研究は創薬初期段階において医薬候補化合物の活性や物性を最適化するプロセスのための構造展開を効率化する手法の提案を目的としている。このために類似する構造を有する化合物間に軽微な構造の変化が生じた際に、その生物学的活性が 劇的に変化するactivity cliff(AC)という現象に着目している。解釈可能なAC予測機械学習モデルを構築することで既知の化合物群から派生した構造を有しながら、より高い活性を有する医薬候補化合物の提案を目指す。
2022年度は当初の計画であるメタ学習を採用した複数の標的マクロ分子に対する活性情報を学習に用いた深層学習モデル構築のための事前検討として、単一の標的マクロ分子に対する情報のみを使用した予測モデルを構築し、従来の手法との比較を行った。既存研究で報告がある予測モデルは、その検証に用いられている標的マクロ分子の種類が限定的であるため、標的マクロ分子の種類によらず予測能の高いモデルの構築を目指した。種々の入力化合物の表現手法および学習器により9種類の予測モデルを、100種類の標的マクロ分子に対し構築することで大規模な予測精度の比較を行った。その結果、深層学習を用いた手法では従来手法にわずかに劣る精度が示され、またその精度は学習データの正例と負例の比や、学習データと検証データの類似性に大きく影響を受けることが示された。この研究結果はJournal of Cheminformatics誌に掲載された。
|
| 現在までの達成度 (段落) |
翌年度、交付申請を辞退するため、記入しない。
|
| 今後の研究の推進方策 |
翌年度、交付申請を辞退するため、記入しない。
|
