研究領域 | 化学コミュニケーションのフロンティア |
研究課題/領域番号 |
18H04636
|
研究種目 |
新学術領域研究(研究領域提案型)
|
配分区分 | 補助金 |
研究機関 | 国立研究開発法人理化学研究所 |
研究代表者 |
齋藤 大明 国立研究開発法人理化学研究所, 生命機能科学研究センター, 研究員 (40506820)
|
研究期間 (年度) |
2018-04-01 – 2020-03-31
|
研究課題ステータス |
完了 (2019年度)
|
配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2019年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2018年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
キーワード | 分子動力学法 / 分子ドッキング / 機械学習 / 分子シミュレーション / 深層学習 / タンパク質 |
研究実績の概要 |
大規模実験データベースと分子シミュレーション,そして機械学習法の手法の連帯・最適化により薬物の活性・結合・親和性の予測精度を革新する計算モデルを 開発する。これらは創薬開発プロセスにおける「薬物スクリーニング」や「薬物設計」のための最重要課題である。これら課題達成のため,I.高精度なリガンド -タンパク質の構造データの作成や整備と,これを学習するためのII.深層学習モデルの開発を行う。機械学習モデルは,画像認識等の分野において革新的な精度 向上が達成されている多層ニューラルネットワークを用いた深層学習モデルを化合物の活性や結合予測に応用する。さらに作成した構造データや学習モデルの詳 細な解析からIII.新たな物理化学概念/記述子を創出する。開発した予測モデルを用いて,具体的な標的タンパク質に対する化合物のスクリーニングや分子設計に 関する応用研究を実施し,予測モデルの評価・改善・最適化を図る。具体的には(1)結合ポーズ,(2)活性・不活性を予測するモデルを開発する。また(3)結 合親和性を予測するモデルを作成し,さらに,作成した構造データや深層学習モデルの詳細な解析を行うことにより(4)新たな物理化学概念/記述子を創出す る。各々の研究項目毎に最適な学習データセットと深層学習モデルを構築し,評価データセットを用いてモデルの評価・検討を行う。開発した(1)-(3)の予測モデ ルは,具体的な標的タンパク質に対する化合物のスクリーニングや分子設計に関する応用研究に活用し,計算モデルの評価・改善・最適化を図る。
|
現在までの達成度 (段落) |
令和元年度が最終年度であるため、記入しない。
|
今後の研究の推進方策 |
令和元年度が最終年度であるため、記入しない。
|