CycPeptMP：マルチレベルの分子特徴とデータ拡張による環状ペプチドの膜透過性予測手法の開発

• Item type: SIG Technical Reports(1)
• 公開日: 2024-02-29
• タイトル: CycPeptMP：マルチレベルの分子特徴とデータ拡張による環状ペプチドの膜透過性予測手法の開発
• タイトル / 言語: en
• タイトル: CycPeptMP: Development of Membrane Permeability Prediction of Cyclic Peptides with Multi-Level Molecular Features and Data Augmentation
• 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系／東京工業大学中分子IT創薬研究推進体
• 著者所属: 東京工業大学情報理工学院情報工学系／東京工業大学中分子IT創薬研究推進体
• 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 / Middle Molecule IT-based Drug Discovery Laboratory (MIDL), 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 / Middle Molecule IT-based Drug Discovery Laboratory (MIDL), Tokyo Institute of Technology
• 著者名: 李, 佳男; 柳澤, 渓甫; 秋山, 泰
• 著者名(英): Jianan, Li; Keisuke, Yanagisawa; 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，高い結合親和性，低い毒性，そして従来では標的化が困難なタンパク質との相互作用の可能性があるなど，多くの優れた特性を持つ多用途の医薬品である．しかしながら，経口バイオアベイラビリティと細胞内ターゲティングの重要な指標である細胞膜透過性が低いため，環状ペプチド薬の使用は大きく制限されている．これまでの機械学習ベースの環状ペプチド膜透過性予測手法は，学習データが不十分であったため，予測モデルの汎化性能が低い．さらに，従来の低分子予測に使用されてきた分子全体から計算される特徴量を利用しており，環状ペプチドの独特な構造的特性を考慮していない．本研究では，環状ペプチドの膜透過性を正確かつ効率的に予測できる CycPeptMP を開発した．我々は，原子単位，モノマー（残基）単位，ペプチド全体の 3 レベルで環状ペプチドの分子特徴を設計し，深層学習技術を使用してこれらを融合モデルで統合した．最新のデータベースから実験データを取得し，さらにモデルの訓練効率を向上させるために様々なデータ拡張技術を適用した．その結果，テストセットに対し実験値と高い相関のある予測結果 (R=0.883) を得ることに成功した．アブレーション研究では，すべての特徴レベルが膜透過性の予測に寄与することや，データ拡張が有効であることが確認された．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Cyclic peptides are versatile therapeutic agents with many excellent properties, such as high binding affinity, minimal toxicity, and the potential to engage challenging protein targets. However, the pharmaceutical utilities of cyclic peptides are limited by their low membrane permeability―an essential indicator of oral bioavailability and intracellular targeting. Current machine learning-based models of cyclic peptide permeability show variable performance due to the limitations of experimental data. Furthermore, these methods use features derived from the whole molecule which have been traditionally used to predict small molecules and ignore the unique structural properties of cyclic peptides. This study presents CycPeptMP: an accurate and efficient method for predicting the membrane permeability of cyclic peptides. We designed features for cyclic peptides at the atom, monomer (residue), and whole-peptide levels, and seamlessly integrated these into a fusion model using deep learning technology. Using the latest data, we applied various data augmentation techniques to enhance model training efficiency. The fusion model exhibited excellent prediction performance for the test set with correlation coefficient of 0.883. Ablation studies demonstrated that all feature levels contributed and were almost essential for predicting membrane permeability and confirmed the effectiveness of augmentation to improve prediction accuracy.
• 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: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2024-MPS-147, 号 15, p. 1-8, 発行日 2024-02-29
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8833
• 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