| 研究課題/領域番号 |
16J09021
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
安尾 信明 東京工業大学, 情報理工学院, 特別研究員(DC1)
|
|---|
| 研究期間 (年度) |
2016-04-22 – 2019-03-31
|
| キーワード | 機械学習 / 手法開発 |
|---|
| 研究実績の概要 |
本研究では、大規模計算機環境におけるGPUを用いた深層学習環境の構築及び創薬における新規化合物の取得への応用に関する研究を行っている。平成28年度においては、新規化合物を取得するためのバーチャルスクリーニングにおいて、スクリーニング精度の向上を目的とし、ドッキングシミュレーションと機械学習を組み合わせた新規手法を開発することとした。平成28年度においては、性能評価を行うための蛋白質および化合物を含むベンチマークデータセットDUD-Eを用いた評価環境を整備し、その予備的な予測精度評価を行った。その結果、ドッキングシミュレーションから得られる結果のうち、その実験的活性とドッキングのスコアが一致しないケースが多く、これを解消することでバーチャルスクリーニングの精度が向上する可能性があることを示した。現在、機械学習を用いて本来結合しない化合物が高いドッキングスコアとなっている場合を取り除く手法を検討・開発しており、予備的な結果では高い予測精度を示している。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本年度においては、バーチャルスクリーニングにおける現状の問題点を整理し、機械学習によって解決できる可能性のある問題に帰着させることに成功した。また、ドッキングシミュレーションと機械学習を組み合わせた新規手法について、データセットの整備および予備的な実験を行い、良い結果を得ることができた。このため、おおむね順調に進展しているといえる。
|
| 今後の研究の推進方策 |
今後は、現在予備的な実装となっている提案手法について、その精度を公開されているバーチャルスクリーニングのためのデータセットであるDUD-Eを用いた実験によって検証し、手法をさらに発展させることを目指す。十分な精度が得られた段階で成果を発表し、この手法を一般に使用可能な形で公開する。さらに、実際の創薬標的蛋白質に対して提案手法によるバーチャルスクリーニングを行い、新規薬候補化合物の取得を行うことも視野に入れている。
|
