Development of an artificial intelligence-based drug discovery technique for mid-sized molecules targeting new protein–protein interaction

本研究は合成中分子化合物を用いて、新規の標的を含む、タンパク質間相互作用(PPI)を標的とした創薬を効率的に進めるための計算機的手法、特に、人工知能(AI)技術を利用した高精度PPI阻害剤予測法の開発を目的としている。2022年度は研究実施計画の通り、まずDLiP、ChEMBL等の公共データベースの情報を用いたPPI標的の活性予測モデルの開発環境を構築した。ChEMBLデータベースから最新のPPI標的・化合物間の活性・非活性情報(IC50やKi等の数値)を網羅的に取得するプロトコルを作成、取得し、DLiPデータベースの情報と合わせて、標的毎の活性情報データセットを構築した。次に、これを学習データとして用い、複数の機械学習アルゴリズムを用いて化合物の活性あり・なしを予測する阻害活性予測モデルを標的毎に構築した。これにより予測モデルの精度評価の基準となるデータセット及び予測精度値を得ることができた。化合物の活性予測では学習データ(活性値)の少なさ及び偏り（非対称）が精度低下の原因となり問題となっている。本年度はこのうちデータセットのラベル非対称性による精度低下を解決するため、非対称の比率に合わせて学習時の重みを変える手法及び学習データの機械的な増幅手法によりデータセットラベルのバランスを調整する手法について検討を行い、それらの一定の有効性を確認した。しかしながら精度向上はこれだけでは充分とは言えない。そこで、学習データの少なさをカバーする手法としても有望と考えられる深層学習を用いたマルチタスク学習、転移学習によるさらなる精度向上への取り組みを進行中である。

本研究は合成中分子化合物を用いて、新規の標的を含む、タンパク質間相互作用(PPI)を標的とした創薬を効率的に進めるための計算機的手法、特に、人工知能(AI)技術を利用した高精度PPI阻害剤予測法の開発を目的としている。2022年度は研究実施計画の通り、まずDLiP、ChEMBL等の公共データベースの情報を用いたPPI標的の活性予測モデルの開発環境を構築した。ChEMBLデータベースから最新のPPI標的・化合物間の活性・非活性情報(IC50やKi等の数値)を網羅的に取得するプロトコルを作成、取得し、DLiPデータベースの情報と合わせて、標的毎の活性情報データセットを構築した。次に、これを学習データとして用い、複数の機械学習アルゴリズムを用いて化合物の活性あり・なしを予測する阻害活性予測モデルを標的毎に構築した。これにより予測モデルの精度評価の基準となるデータセット及び予測精度値を得ることができた。化合物の活性予測では学習データ(活性値)の少なさ及び偏り（非対称）が精度低下の原因となり問題となっている。本年度はこのうちデータセットのラベル非対称性による精度低下を解決するため、非対称の比率に合わせて学習時の重みを変える手法及び学習データの機械的な増幅手法によりデータセットラベルのバランスを調整する手法について検討を行い、それらの一定の有効性を確認した。しかしながら精度向上はこれだけでは充分とは言えない。そこで、学習データの少なさをカバーする手法としても有望と考えられる深層学習を用いたマルチタスク学習、転移学習によるさらなる精度向上への取り組みを進行中である。