パレート最適を考慮したHit-to-Leadにおける多目的最適化手法の開発

• Item type: SIG Technical Reports(1)
• 公開日: 2023-06-22
• タイトル: パレート最適を考慮したHit-to-Leadにおける多目的最適化手法の開発
• タイトル / 言語: en
• タイトル: Development of Hit-to-Lead Molecule optimization method by Monte Carlo Tree Search considering Pareto optimal
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: バイオ情報学1
• 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
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者名: 鈴木, 敬将; 安尾, 信明; 関嶋, 政和
• 著者名(英): Takamasa, Suzuki; Nobuaki, Yasuo; Masakazu, Sekijima
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 創薬のコストはここ十数年で劇的に増加している。計算機支援による化合物探索は製薬業界で実用化されてきている。創薬の初期段階においてハイスル―プットスクリーニングなどにより見つかったヒット化合物を、物理化学的により薬らしいリード化合物にする計算機による手法にはMached Molecular Pairが用いられている。しかしルールベースの手法であるためルールの作成に化学の専門の知識と労力が必要である．この問題を解決するため、近年では任意の分子を最適化する分子生成モデルが現れ始めた。これらは一つの評価関数の最適化によって探索するが，実用では候補化合物には複数の評価が求められる。本研究では深層学習を用いて拡張可能な多目的最適化を用いた分子生成モデルを開発した。提案手法により、ドッキングスコアや薬らしさの評価を採用したときには特定のタンパク質との親和性が高い薬らしい化合物を得られる。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The cost of drug discovery has increased dramatically over the last decade. Computer-aided compound discovery (CADD) has been put to practical use in the pharmaceutical industry. In the early stages of drug discovery, hit compounds found by high-throughput screening, etc., are converted into lead compounds that are physicochemically more drug-like. However, since it is a rule-based method, it requires specialized knowledge and labor in chemistry to create rules. In order to solve this problem, in recent years, molecular production models that optimize arbitrary molecules have begun to appear. However, in practical use, multiple objectives are required for candidate molecules. In this study, we developed a molecular generation model using multi-objective optimization that can be extended using deep learning. When docking score and drug-like objective function are employed, this yields drug-like compounds with high affinity to specific proteins.
• 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 2023-BIO-74, 号 26, p. 1-6, 発行日 2023-06-22
• 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