能動的シミュレーションと新規サンプリング技術に基づく生体機能分子の網羅的探索

基于主动模拟和新型采样技术全面寻找生物功能分子

• 批准号: 16J09205
• 负责人: 池端 久貴
• 金额: $ 1.09万
• 依托单位: The Graduate University for Advanced Studies
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2016
• 资助国家: 日本
• 起止时间: 2016-04-22 至 2018-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-16J09205/
• 关键词: Inverse-QSPR; モンテカルロ法; 自然言語処理; 化学情報学; ベイズ統計学

本研究では、生物活性を示す低分子化合物の化学構造を生成するための統計的手法の開発を目的として進めた。必要な要素技術として、①低分子有機化合物の生成モデルの構築、②低分子化合物とタンパク質、双方の構造情報を基にした統計モデル、③能動学習とシミュレーションを用いて、自動的に予測モデルを更新するシステム構築がある。今年度は、主に①に注力した。特性から化学構造への予測モデルはInverse-QSPRと呼ばれ、これまで、あまり多くの研究成果は出ていない。本研究では、統計的言語モデルに基づく化学構造モデルを導入し、モンテカルロ法に基づく分子設計法を提案した．化学構造の表現にフラグメントを用いず、SMILES文字列の出現パターンについての統計モデルを構築、既存化合物のSMILES文字列の構成を事前学習することに新規性があり、多様な化合物らしい構造を短時間で生成することを可能とした。従来は、薬らしい化学構造は、人間の経験から得られた非常に多くのルールを基に判定されていたが、今回の研究で提案された手法を用いると、1000ほどのSMILES文字列から、薬らしさのルールを学習可能である。生体活性データに取り組む前段階として、内部エネルギーやバンドギャップといった、量子化学シミュレーションで高い精度で得ることができる物理特性を目標特性とし、その物理特性がある範囲に含まれる化学構造の生成を試みた。生成により得られた複数の化学構造に対して、再度、量子化学シミュレーションを実行すると、それらの多くが目標特性を持つことを確認できた。この結果は、論文にて投稿し、掲載されている(Ikebata et.al, Journal of Computer-Aided Molecular Design, 31(4), 379-391, 2017)。また、国内学会発表４報、国際学会発表１報にて研究報告を行った。

This study で は and bioactive を す を の chemical structure of low molecular compounds generated す る た め の statistical technique の open 発 を purpose と し て in め た. な elements necessary technical と し て, (1) low molecular organic compounds の generated モ デ ル の building, (2) low molecular compounds と タ ン パ ク qualitative, both sides の structure intelligence を に し た statistical モ デ ル, (3) active learning と シ ミ ュ レ ー シ ョ ン を with い て, automatic に be モ デ ル を update す る シ ス テ ム build が あ る. This year, に and the main に①に have focused on た. Chemical structure features か ら へ の be モ デ ル は Inverse - QSPR と shout ば れ, こ れ ま で, あ ま り more く の research は out て い な い. The words of this research で は, statistical モ デ ル に base づ く chemical structure モ デ ル を import し, モ ン テ カ ル に ロ method base づ く molecular design method proposed を し た. Chemical structure の performance に フ ラ グ メ ン ト を with い ず, SMILES text column appears の パ タ ー ン に つ い て の statistical モ デ ル を constructs, existing compounds の SMILES text columns の constitute を prior learning す る こ と に new rules sex が あ り, many others な compound ら し い structure を で short time generating す る こ と を may と し た. 従 は, 薬 ら し い は chemical structure, human の 経 験 か ら have ら れ た very に more く の ル ー ル を base に determine さ れ て い た が, today back to で の research proposal さ れ た gimmick を with い る と, 1000 ほ ど の SMILES text columns か ら, 薬 ら し さ の ル ー ル を learning may で あ る. Born body active デ ー タ に take front order と り group む し て, internal エ ネ ル ギ ー や バ ン ド ギ ャ ッ プ と い っ た, quantum chemistry シ ミ ュ レ ー シ ョ ン で high precision い で る こ と が で き る physical properties を target feature と し, そ の physical properties が あ る van 囲 に containing ま れ る の chemical structure generated を try み た. Generate に よ り have ら れ た plural の chemical structure に し seaborne て, again, quantum chemistry シ ミ ュ レ ー シ ョ ン を line be す る と, そ れ ら の more く が target feature を hold つ こ と を confirm で き た. <s:1> <s:1> results にて, paper にて submission にて, published されて る る る(Ikebata et al., Journal of Computer-Aided Molecular Design, 31(4), 379-391, 2017). Youdaoplaceholder0, domestic academic societies issue 4 reports, international academic societies issue 1 report にて research report を line った.

项目成果

統計的言語モデルを用いた医薬品候補化合物の選別

使用统计语言模型选择候选药物化合物

• 发表时间: 2016
• 作者: 藤森詩織;水畑吉行;時任宣博;池端久貴
• 通讯作者: 池端久貴

化学言語モデルの提案と生体活性分子をターゲットにしたInverse-QSPRモデルへの適用

化学语言模型的提出及其在针对生物活性分子的Inverse-QSPR模型中的应用

• 发表时间: 2016
• 作者: 池端久貴

Pattern Recognition of Chemical Structures with Statistical Language Model for Computational Molecular Design

用于计算分子设计的化学结构模式识别与统计语言模型

• 发表时间: 2016
• 作者: Hisaki Ikebata;Kenta Hongo;Tetsu Isomura;Ryo Maezono;Ryo Yoshida
• 通讯作者: Ryo Yoshida

Bayesian design of bioactive molecules with a chemical language model

使用化学语言模型进行生物活性分子的贝叶斯设计

• 发表时间: 2016
• 作者: Hisaki Ikebata;Kenta Hongo;Tetsu Isomura;Ryo Maezono and Ryo Yoshida
• 通讯作者: Ryo Maezono and Ryo Yoshida