|
大規模実験データベースと分子シミュレーション，そして機械学習法の手法の連帯・最適化により薬物の活性・結合・親和性の予測精度を革新する計算モデルを 開発する。これらは創薬開発プロセスにおける「薬物スクリーニング」や「薬物設計」のための最重要課題である。これら課題達成のため，I.高精度なリガンド -タンパク質の構造データの作成や整備と，これを学習するためのII.深層学習モデルの開発を行う。機械学習モデルは，画像認識等の分野において革新的な精度 向上が達成されている多層ニューラルネットワークを用いた深層学習モデルを化合物の活性や結合予測に応用する。さらに作成した構造データや学習モデルの詳 細な解析からIII.新たな物理化学概念/記述子を創出する。開発した予測モデルを用いて，具体的な標的タンパク質に対する化合物のスクリーニングや分子設計に 関する応用研究を実施し，予測モデルの評価・改善・最適化を図る。具体的には(1)結合ポーズ，(2)活性・不活性を予測するモデルを開発する。また(3)結 合親和性を予測するモデルを作成し，さらに，作成した構造データや深層学習モデルの詳細な解析を行うことにより(4)新たな物理化学概念/記述子を創出す る。各々の研究項目毎に最適な学習データセットと深層学習モデルを構築し，評価データセットを用いてモデルの評価・検討を行う。開発した(1)-(3)の予測モデ ルは，具体的な標的タンパク質に対する化合物のスクリーニングや分子設計に関する応用研究に活用し，計算モデルの評価・改善・最適化を図る。
|
