機械学習を用いた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: 2019-03-01
• タイトル: 機械学習を用いた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: Developement of membrane permeability prediction method for cyclic peptides with machine learning
• 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: 東京工業大学工学部情報工学科
• 著者所属: 東京工業大学情報理工学院情報工学系／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: 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: 東京工業大学工学部情報工学科／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, 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 / 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, Faculty of Engineering, Tokyo Institute of Technology / 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: 山田, 雄太; 吉川, 寧; 和久井, 直樹; 大上, 雅史; 秋山, 泰
• 著者名(英): Yuta, Yamada; Yasushi, Yoshikawa; Naoki, Wakui; Masahito, Ohue; Yutaka, Akiyama
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 薬剤が腸管から吸収され，また細胞内の標的へと到達するためには，膜透過性が高いことが必要とされる．近年，環状ペプチドを用いた薬剤設計が新たに注目されているが，適切な膜透過性を持たせるように設計することは低分子と比べて難しい．本研究は，環状ペプチド医薬品の膜透過性を初期に予測できる技術の開発を目的とし，機械学習を用いた環状ペプチドの膜透過性予測手法を提案した．提案手法では，環状ペプチドを構成する残基に着目した膜透過性予測を行うため，a．環状ペプチド全体，b．環状ペプチドを構成する各残基，から特徴量を計算する2つの方法を検討した．また，得られた特徴量に対して訓練データによる特徴選択を行い，検証データに対して膜透過性予測を行った．結果，残基毎のモデルb．は全体モデルa．と比較して高い実験値との相関が得られる予測モデルを生成することに成功し，環状ペプチドの膜透過性予測において部分構造に着目するアプローチの有用性を示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: For a drug to be absorbed from the intestinal tract and to reach the intracellular target, higher cell membrane permeability is required. In recent years, cyclic peptides have attracted attention as new modality, but designing them to have appropriate membrane permeability is difficult as compared with small molecules. This study proposes a method for predicting membrane permeability of cyclic peptides using machine learning with the purpose of developing technology that can predict membrane permeability of cyclic peptide drugs. In this study, to predict membrane permeability focusing on residues constituting cyclic peptides, two methods for calculating features were considered based on; a. whole structure of a cyclic peptide, and b. each residue of a cyclic peptide, respectively. Then, feature selection with training data was performed on the obtained features. Membrane permeability prediction was performed on test data. As the results, the model b. showed better performance in generating a predictive model that correlates with the experimental value compared with the whole model a. We showed that the approach focusing on the local structures is useful in the membrane permeability prediction of the cyclic peptides.
• 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 2019-BIO-57, 号 13, p. 1-8, 発行日 2019-03-01
• 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