二次元分子記述子を用いた機械学習による環状ペプチドの細胞膜透過性予測

• Item type: SIG Technical Reports(1)
• 公開日: 2020-03-05
• タイトル: 二次元分子記述子を用いた機械学習による環状ペプチドの細胞膜透過性予測
• タイトル / 言語: en
• タイトル: Prediction of membrane permeablity for cyclic peptides using machine learning with its 2D descriptors
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京工業大学情報理工学院情報工学系
• 著者所属: 東京工業大学情報理工学院情報工学科
• 著者所属: 東京工業大学情報理工学院情報工学系
• 著者所属: 東京工業大学情報理工学院情報工学系
• 著者所属: 東京工業大学情報理工学院情報工学系／東京工業大学情報理工学院情報工学科
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, School of Computing, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, Faculty of Engineering, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, School of Computing, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, School of Computing, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, School of Computing, Tokyo Institute of Technology / Department of Computer Science, Faculty of Engineering, Tokyo Institute of Technology
• 著者名: 村田, 翔太朗; 山田, 雄太; 吉川, 寧; 大上, 雅史; 秋山, 泰
• 著者名(英): Shotaro, Murata; Yuta, Yamada; Yashusi, Yoshikawa; Masahito, Ohue; Yutaka, Akiyama
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 環状ペプチドは新たな薬剤モダリティとして注目されており，細胞内の標的を狙える薬剤開発のために環状ペプチドの膜透過性予測が重要視されている．本研究では，機械学習による環状ペプチドの膜透過性予測手法を開発することを目的とし，1) 環状ペプチド全体の特徴量からの予測，2) 環状ペプチドに含まれる残基ごとの特徴量からの予測，の 2 つの手法を提案した．文献から収集した環状ペプチドの膜透過データを用いて交差検証を行った結果，予測精度は 1) 環状ペプチド全体の特徴量からの予測（SVR 使用時）が最も高くなった（R = 0.906）一方で，訓練データと異なる文献のデータへの適用では，2) 残基ごとの特徴量からの予測（CNN 使用時，線形補間の場合）が最も精度が高かった（R = 0.49）．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: A cyclic peptide is attracting attention as a new drug modality, and the membrane permeability prediction of the cyclic peptide is important for drug discovery, which can reach the intracellular target. In this study, we have developed two prediction methods by machine learning approaches for constructing the membrane permeability prediction model of the cyclic peptide; 1) the prediction from the features of the entire cyclic peptide, and 2) the prediction from the features of the residues contained in the cyclic peptide. As a result of the cross-validation study using membrane permeation data of cyclic peptides collected from the literature, the method of 1) using SVR showed the highest prediction accuracy of R = 0.906. However, in the application to test data from another literature different from the training data, the method of 2) using CNN obtained the highest prediction accuracy of R = 0.49.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2020-BIO-61, 号 5, p. 1-7, 発行日 2020-03-05
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8590
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会