研究実績の概要 |
タンパク質化合物相互作用予測にマルチオミックスデータを統合した深層学習手法を開発し,最新のどの既存手法よりも高い精度を達成することに成功した.本手法をもって次世代COPICATの開発が達成されたことを示した(J Cheminform. 13(1), 36, 2021).天然化合物を扱うための自己符号化器(NP-VAE)を新たに開発し,巨大分子構造を射影した潜在空間を獲得することに成功した(Pacifichem 2021において口頭発表, 2021). 京都大学・入江一浩教授のグループとの共同研究により,人工知能をもちいた新規PKCリガンドの探索を行った.この研究成果について,入江教授がPacifichem 2021において口頭発表を行った. バイオ医薬品のデザインのための人工知能技術を開発している.自然言語処理分野における最新の深層学習モデルであるトランスフォーマーに生体分子の進化的情報を取り入れる手法を開発した(Brief Bioinform. 2021).また,機械学習による生体分子の機能改良において教師データの組成が配列空間の探索に与える影響を調べた(ACS Calalysis. 2021). シュードノットを含むRNA二次構造予測アルゴリズムIPknotの実装を見直し,非常に長い配列の二次構造を高速かつ高精度に予測できるように改良した.さらに,これまで手動で与えていたパラメタを自動で選択するアルゴリズムを追加した.ベンチマーク実験では,数千塩基を超えるRNA配列の二次構造を実用的な時間内かつ高い精度で予測できることを示した (Brief. Bioinform.採録).機械学習によるRNAタンパク質相互作用予測法を開発し,既存手法よりも高い精度で塩基残基間のコンタクトを予測できることを示した (Life採録).
|