立体構造情報と相互作用情報を組み合わせた薬剤オフターゲット予測システムの開発

结合3D结构信息和相互作用信息的药物脱靶预测系统开发

• 批准号: 15J11261
• 负责人: 伴 兼弘
• 金额: $ 1.79万
• 依托单位: Tokyo Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2015
• 资助国家: 日本
• 起止时间: 2015-04-24 至 2018-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-15J11261/
• 关键词: 機械学習; 統計モデル; 薬剤; タンパク質; ベイズ最適化; ドッキング計算; 創薬研究; ネットワーク推定; ドッキングシミュレーション; 人工知能; 統計学; 情報幾何

薬剤とタンパク質の相互作用を予測することは創薬研究において重要な技術の1つである。薬剤は、一般に複数のタンパク質と相互作用することが知られており、予期せぬタンパク質との相互作用は副作用を引き起こす可能性がある。本研究では、機械学習や統計モデル等の技術を用いることで、薬剤とタンパク質の相互作用を効率的に予測するシステムの開発を行ってきた。本年度（平成29年度）の研究実績は、(1)最先端手法であるベイズ最適化手法GP-MIを用いることで、薬剤-タンパク質間相互作用予測モデルの学習速度を改善し、その内容を「Efficient hyperparameter optimization by using Bayesian optimization for drug-target interaction prediction」(Ban+2017)にまとめ、国際会議「IEEE ICCABS 2017」で発表した。(2)ドッキングシミュレーションの性能を改善する方式「Multiple Grid Arrangement」(Ban+2018)を提案し、その内容を「Multiple Grid Arrangement Improves Ligand Docking with Unknown Binding Sites: Application to the Inverse Docking Problem」(Ban+2017)にまとめ、学会誌「Computational Biology and Chemistry」に投稿し採択された。(3)昨年度から研究を続けていた統計モデルによる予測手法の予測精度の改善を達成したことである。最先端手法であるNRLMF（Liu+2016）の予測結果を分析することで、モデルの問題点を特定し、予測精度の改善に成功した。現在、論文を執筆している。

薬 tonic と タ ン パ ク qualitative の を interaction can be す る こ と は gen 薬 research に お い て 1 important な technology の つ で あ る. 薬 tonic は, general に plural の タ ン パ ク qualitative と interaction す る こ と が know ら れ て お り, to period せ ぬ タ ン パ ク qualitative と の は interaction effects を lead き up こ す possibility が あ る. This study で は や, mechanical learning statistical モ デ ル を の technologies such as using い る こ と で, 薬 tonic と タ ン パ ク qualitative の interaction を に sharper rates can be す る シ ス テ ム の open 発 を line っ て き た. This year (pp.47-53 29 year) be の research performance は, (1) the most apex で あ る ベ イ ズ optimization technique GP - MI を with い る こ と で, 薬 tonic - タ ン パ ク qualitative interaction between be モ デ ル の を し, learning speed そ の content を "Efficient hyperparameter "optimization by using Bayesian optimization for drug-target interaction prediction" (Ban+2017)にまとめ international conference "IEEE ICCABS 2017 で published on た. (2) ド ッ キ ン グ シ ミ ュ レ ー シ ョ ン の improvement を す る way "Multiple Grid Arrangement (Ban + 2018) proposed を し, そ の content を" Multiple Grid Arrangement little Ligand Docking with Unknown Binding Sites: "Application to the Inverse Docking Problem" (Ban+2017)にまとめ, journal of the Society "Computational Biology and Chemistry" に submission accepted 択された. (3) The <s:1> ら research of the previous year, the を続けて た た た statistics, the モデ による による measurement methods and the measurement accuracy were improved を, and the を た とである とである とである とである was achieved. Most apex gimmick で あ る NRLMF (+ 2016) Liu の to measuring results を す る こ と で, モ デ ル の problem point を specific し, to improve measurement precision の に success し た. Now, the paper を is written on て る る.

项目成果

Improving Protein-Ligand Docking and Inverse Docking Prediction by Deepening Conformation Search on Multiple Grids

通过深化多个网格上的构象搜索来改进蛋白质-配体对接和反向对接预测

• 发表时间: 2015
• 作者: Tomohiro Ban;Masahito Ohue;Yutaka Akiyama
• 通讯作者: Yutaka Akiyama

BO-DTI

DTI

Efficient hyperparameter optimization by using Bayesian optimization for drug-target interaction prediction

• DOI: 10.1109/iccabs.2017.8114299
• 发表时间: 2017-10
• 期刊: 2017 IEEE 7th International Conference on Computational Advances in Bio and Medical Sciences (ICCABS)
• 作者: Tomohiro Ban;M. Ohue;Y. Akiyama

MultipleGrids Arrangement for Ligand Docking and Its Application to Inverse Docking Problem

配体对接的多重网格排列及其在逆对接问题中的应用

• 发表时间: 2015
• 作者: Tomohiro Ban;Masahito Ohue;and Yutaka Akiyama
• 通讯作者: and Yutaka Akiyama

Multiple Grids Arrangement for Improving Conformational Search of Protein-Ligand Docking and Its Application to Inverse Docking Problem

改进蛋白质-配体对接构象搜索的多网格排列及其在反向对接问题中的应用

• 发表时间: 2015
• 作者: Tomohiro Ban;Masahito Ohue;Yutaka Akiyama
• 通讯作者: Yutaka Akiyama