in silicoとロボットによる創薬支援システムの開発とシャーガス病治療薬探索

点击翻译按钮获取中文摘要

昨年度までに、化合物生成モデルについては、SMILESと呼ばれる化合物の表現においてヒット化合物からの最適化手法の構築を終えることが出来た（Erikawa et al.,2021）。多くの生成手法では、ChemTSのように一つの評価関数、もしくはChemTSv2のようにDscoreと呼ばれる重み付き和や重み付き積によって複数の評価指標を一つの評価関数に集約して、この関数に対して最適化している。実際の創薬では複数の評価指標を同時に最適化して化合物を探索するため、一つの評価指標では不足である。また，重み付きの総和や総乗は重みを設定する問題が残されているほか、ドッキングスコアと薬らしさ（QED）の和や積の数値がどのような意味を持つか解釈生に問題があると考えている。そこで、今年度はパレート最適化MCTSを用いた分子生成手法の開発を行った。今年度はChemTS及びMERMAIDを拡張し、パレート最適化MCTSを用いたモンテカルロ木探索によるSMILESベースのde novo分子生成手法とHit-to-Leadの手法を開発した。これに基づき、標的蛋白質に対してドッキングしつつ薬らしい(QED)化合物の提案のfeasiblity studyを実施した。この中で合成可能性が重要であると考え、機械学習による合成可能性スコアの改善を行った。更に実際に合成を行う為に合成化学者と連携して機械学習による逆合成解析ツールを用いて合成可能な可能物のピックアップ等も行っている。上記の研究に対して、CBI学会2022年度大会においてExcellent Presentation Awards及び情報処理学会第85回全国大会において大会学生奨励賞を受賞した。