• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2019 年度 実績報告書

標的結合部位の網羅的探索と結合化合物の選別を可能にする共溶媒計算手法の開発

研究課題

研究課題/領域番号 19J00878
研究機関東京大学

研究代表者

柳澤 渓甫  東京大学, 農学生命科学研究科, 特別研究員(PD)

研究期間 (年度) 2019-04-25 – 2022-03-31
キーワード共溶媒分子動力学法 / 薬剤設計支援 / 共溶媒 / スーパーコンピュータ / 集合被覆問題 / 大規模計算
研究実績の概要

本研究は、既知薬剤に頻出する部分構造を用いた共溶媒分子動力学 (cMD) 法を大規模に実施・評価することで創薬のための共溶媒セットを提案するとともに、cMD法中に得られた立体構造を利用して薬剤結合部位が自明でない標的タンパク質に対する新たな薬剤候補化合物の選別手法の開発を目指すものである。2019年度は、既知薬剤の部分構造を用いた大規模共溶媒分子動力学 (cMD) 法の実施および創薬用共溶媒セットの提案を滞りなく実施し、国際論文誌への投稿の準備を進めている。以下に研究成果の詳細を示す。
【1. 既知薬剤の部分構造を用いた大規模cMD法の実施】
本研究課題では、創薬に実際に活用できる手法の開発を目標としている。創薬に求められる部分構造は既知薬剤にすでに表れていることを指摘し、薬剤分子の部分構造への切断を通して共溶媒の母集団を設計、reedbushやTSUBAME 3.0等のスーパーコンピュータを活用した大規模なcMDの計算を実施した。cMDのパラメータについては複数回の研究発表を通して入念な調査および議論を重ねており、着実な進歩が得られている。
【2. 創薬用共溶媒セットの提案】
項目 1. の大規模cMD計算の結果を用いて、現実的な数の共溶媒セットの構築を行うことが、実際の創薬研究に活用されるためには必須であった。多数のcMD計算の結果を類似度行列の形でまとめた上で、cMD計算結果の類似度と共溶媒の構造的な類似性を検討した。この検討によって得られた類似度閾値の範囲を元に、集合被覆問題と呼ばれる計算科学分野で有名な問題に帰着させ、可変サイズの共溶媒セットを構築する方法を提案した。

現在までの達成度 (段落)

翌年度、交付申請を辞退するため、記入しない。

今後の研究の推進方策

翌年度、交付申請を辞退するため、記入しない。

  • 研究成果

    (7件)

すべて 2020 2019 その他

すべて 学会発表 (6件) (うち国際学会 2件) 備考 (1件)

  • [学会発表] 共通な部分構造の再利用による高速な タンパク質リガンドドッキング手法の開発2020

    • 著者名/発表者名
      久保田 陸人, 柳澤 渓甫, 吉川 寧, 大上 雅史, 秋山 泰
    • 学会等名
      情報処理学会 バイオ情報学研究会
  • [学会発表] Systematic construction of the cosolvents sets for cosolvent MD (CMD) with the large-scale simulation2019

    • 著者名/発表者名
      Keisuke Yanagisawa, Yoshitaka Moriwaki, Tohru Terada, Kentaro Shimizu
    • 学会等名
      AHeDD2019/IPAB2019 Joint Symposium
    • 国際学会
  • [学会発表] Systematic construction of the cosolvents sets for cosolvent MD (CMD) with the large-scale computation2019

    • 著者名/発表者名
      Keisuke Yanagisawa, Yoshitaka Moriwaki, Tohru Terada, Kentaro Shimizu
    • 学会等名
      CBI学会2019年大会
  • [学会発表] Estimation of the probability map (Pmap) similarity of cosolvent MD (CMD) from structural similarities of cosolvents2019

    • 著者名/発表者名
      Keisuke Yanagisawa, Yoshitaka Moriwaki, Tohru Terada, Kentaro Shimizu
    • 学会等名
      第57回生物物理学会年会
  • [学会発表] Molecular activity prediction using graph convolutional deep neural network considering distance on a molecular graph2019

    • 著者名/発表者名
      Masahito Ohue, Ryota Ii, Keisuke Yanagisawa, Yutaka Akiyama
    • 学会等名
      The 25th International Conference on Parallel and Distributed Processing Techniques and Applications (PDPTA’19)
    • 国際学会
  • [学会発表] Molecular activity prediction using graph convolutional deep neural network considering distance on a molecular graph2019

    • 著者名/発表者名
      Masahito Ohue, Ryota Ii, Keisuke Yanagisawa, Yutaka Akiyama
    • 学会等名
      情報処理学会 バイオ情報学研究会
  • [備考] 研究者個人ホームページ

    • URL

      https://keisuke-yanagisawa.github.io/

URL: 

公開日: 2021-01-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi