2024-03-29T04:54:42Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:001425052023-04-27T10:00:04Z01164:05352:08218:08281
SVMとDeep Learningに基づくヒトc-Yesキナーゼ阻害化合物の予測Prediction of Human c-Yes Kinase Inhibitors by SVM and Deep Learningjpnバイオデータマイニングhttp://id.nii.ac.jp/1001/00142441/Technical Reporthttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=142505&item_no=1&attribute_id=1&file_no=1Copyright (c) 2015 by the Information Processing Society of Japan東京工業大学大学院情報理工学研究科計算工学専攻/東京工業大学情報生命博士教育院東京工業大学大学院情報理工学研究科計算工学専攻/東京工業大学情報生命博士教育院東京工業大学大学院情報理工学研究科計算工学専攻東京工業大学大学院情報理工学研究科計算工学専攻/東京工業大学情報生命博士教育院東京工業大学大学院情報理工学研究科計算工学専攻/東京工業大学情報生命博士教育院鈴木, 翔吾柳澤, 渓甫大上, 雅史石田, 貴士秋山, 泰新薬開発にはバーチャルスクリーニングという,新薬候補化合物をコンピュータ上で選別する手法が広く用いられている.バーチャルスクリーニングには,標的タンパク質に対する阻害活性が既知の化合物情報を用いるリガンドベースの手法 (ligand-based method) があるが,これには様々な機械学習やデータマイニングの手法が用いられている.本研究では,SVM と Deep Learning の 2 種類の学習方法を用いて標的阻害化合物の予測モデルを構築した.また,Deep Learning の出力層に SVM を用いた予測モデルを構築した.そして,これら 3 つの予測モデルをヒト c-Yes キナーゼ阻害化合物の予測に適用し,精度の評価を行った.Virtual Screening (VS) is widely used in the process of a new drug development. A ligand-based method which is widely used in VS uses molecular descriptors of compounds of which inhibition activity for a target protein is proved. In ligand-based methods, many methods of machine learning or data mining are used. In this research, we constructed prediction models for target inhibition compounds by SVM and Deep Learning. In addition to the models, we constructed a prediction model by Deep Learning whose output layer is SVM. Finally, we applied these three models to prediction of human c-Yes kinase inhibitors and evaluated their accuracy.AA12055912研究報告バイオ情報学(BIO)2015-BIO-4236172015-06-162188-85902015-06-12