研究課題/領域番号 |
20H00620
|
研究種目 |
基盤研究(A)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
中区分62:応用情報学およびその関連分野
|
研究機関 | 東京工業大学 |
研究代表者 |
関嶋 政和 東京工業大学, 情報理工学院, 准教授 (80371053)
|
研究分担者 |
稲岡 健ダニエル 長崎大学, 熱帯医学研究所, 准教授 (10623803)
庄司 満 横浜薬科大学, 薬学部, 教授 (30339139)
平山 謙二 長崎大学, 熱帯医学・グローバルヘルス研究科, 教授 (60189868)
樺島 祥介 東京大学, 大学院理学系研究科(理学部), 教授 (80260652)
|
研究期間 (年度) |
2020-04-01 – 2024-03-31
|
キーワード | ケモインフォマティクス / バイオインフォマティクス / 機械学習 / IT創薬 / スーパーコンピュータ / 創薬 / 分子動力学シミュレーション / 寄生原虫 |
研究成果の概要 |
本研究では、深層強化学習を用いた分子グラフに基づく化合物最適化手法を開発し、ドーパミン受容体D2(DRD2)を標的とした化合物の活性向上に成功した。本手法は、ユーザー定義の化合物を探索・最適化するのに適している。また、DRD2での成功を受けて、多目的最適化による化合物生成モデルを用いて、長崎大学の稲岡教授が評価系を持つトリパノソーマ寄生原虫の治療薬の標的となるTAO(シアン耐性酸化酵素)を阻害することを目指した化合物を生成し、実際に合成実験を行った。合成実験では、AIでの予測時には分からなかった化合物の合成に関する知見が得られた。これらの成果は、創薬研究の効率化に寄与すると期待される。
|
自由記述の分野 |
ケモインフォマティクス
|
研究成果の学術的意義や社会的意義 |
本研究で開発した深層強化学習を用いた化合物最適化手法と多目的最適化による化合物生成モデルは、githubを通じてプログラムを広く公開しており創薬研究の効率化に寄与する学術的意義がある。特に、ユーザー定義の評価関数で化合物を探索・最適化できる点は、既知の化合物からの新薬開発を加速する。また、トリパノソーマ寄生原虫の治療薬開発への取り組みは、顧みられない熱帯病の治療薬開発を促進し、患者のQOLの向上と医療費の削減につながる可能性がある。さらに、AIでの予測だけでなく実際の合成実験を行うことで、創薬研究におけるAIと実験科学の融合の重要性を示した点も、学術的・社会的に意義深い。
|