深層学習と自由エネルギー摂動法計算を組合せた創薬リード最適化手法の開発

• 研究課題/領域番号: 24KJ1091
• 研究種目: 特別研究員奨励費
• 配分区分: 基金
• 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: 東京工業大学
• 研究代表者: 古井 海里 東京工業大学, 情報理工学院, 特別研究員(DC1)
• 研究期間 (年度): 2024-04-23 – 2027-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 2,200千円 (直接経費: 2,200千円); 2026年度: 700千円 (直接経費: 700千円); 2025年度: 700千円 (直接経費: 700千円); 2024年度: 800千円 (直接経費: 800千円)

研究開始時の研究の概要

本研究では、深層学習によって自由エネルギー摂動（FEP）計算を強化し、従来のFEPの限界を超える数万件規模の化合物を対象としたリード最適化手法を提案する。汎化性能の高い深層学習モデルを構築し、FEPシミュレーション情報による微調整と能動学習による効率化を行う。開発したΔΔG予測モデルを用いて大規模な化合物スクリーニングを実現し、新薬開発の効率化に貢献する。