| 研究課題/領域番号 |
17K15047
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
ゲノム医科学
|
|---|
| 研究機関 | 千葉県がんセンター(研究所) |
|---|
研究代表者 |
LIN JASON 千葉県がんセンター(研究所), がん治療開発グループ がん遺伝創薬研究室, 研究員 (80774124)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | ケミカルバイオロジー / バイオインフォマティクス / ゲノミクス / エピゲノミクス |
|---|
| 研究成果の概要 |
癌遺伝子の主蛋白質を標的にすることでがん治療法が開発されているが、治療薬の開発が難しい標的分子も多い。ピロールイミダゾールポリアミド(PIP)は、副溝に結合してDNAに直接標的する化合物であり、様々な癌遺伝子を阻害することが確認された。しかし、大半のPIPは8~10塩基認識であり、ゲノム内には多くの結合配列が存在し、PIPの治療効果、毒性や副作用などの安全性を予測することが困難と考えられる。本研究では、バイオインフォマティクス及び機械学習法により次世代シーケンシング及び発現プロファイリングデータ解析を基づいて、PIPにおけるがんゲノムとの結合の評価及び臨床的な副作用の予測モデルを行った。
|
| 自由記述の分野 |
ゲノミクス・エピゲノミクス
|
| 研究成果の学術的意義や社会的意義 |
がん治療では、標的タンパク質構造によって、大半のがん標的に直接阻害することが難しい。ピロールイミダゾールポリアミド(PIP)は、DNA塩基認識によってDNA副溝結合を経由し、様々な癌遺伝子を阻害することが確認された。塩基認識では数学的なリミットがあり、ゲノム内には多くの結合配列が存在する。臨床実用へのため、PIPの治療効果、毒性や副作用などの安全性を予測しなければならない。本研究では、人工知能における機械学習法により、がんゲノムデータを解析し、PIPにおけるがんゲノムとの結合の評価及び臨床的な副作用の予測モデルを行った。本研究の結果によりPIPががん治療薬剤として実現することを期待される。
|
