機械学習を用いた蛋白質のリガンド結合部位の形状を考慮した3次元形式の化合物の生成手法の開発

• Item type: SIG Technical Reports(1)
• 公開日: 2022-03-03
• タイトル: 機械学習を用いた蛋白質のリガンド結合部位の形状を考慮した3次元形式の化合物の生成手法の開発
• タイトル / 言語: en
• タイトル: Development of a Method for Generating Molecules in 3D Structure Considering the Shape of the Ligand Binding Sites of Proteins Using 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: 東京工業大学情報理工学院
• 著者所属: 東京工業大学物質・情報卓越教育院
• 著者所属: 東京工業大学情報理工学院／東京工業大学物質・情報卓越教育院
• 著者所属(英): en
• 著者所属(英): School of Computing, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Tech Academy for Convergence of Materials and Informatics, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): School of Computing, Tokyo Institute of Technology / Tokyo Tech Academy for Convergence of Materials and Informatics, Tokyo Institute of Technology
• 著者名: 村田, 翔太朗; 安尾, 信明; 関嶋, 政和
• 著者名(英): Shotaro, Murata; Nobuaki, Yasuo; Masakazu, Sekijima
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 創薬研究において，新たな医薬品の開発にかかる期間は，10年以上，金額にして26億ドル以上かかるといわれているため，創薬プロセスの効率化が求められる．これまで，機械学習を用いた薬剤候補化合物の生成手法はSMILESやグラフベースなどの2次元情報を用いるものが多く，化合物の生成時にタンパク質との形状相補性を陽に考慮できないという欠点がある．本研究では，タンパク質のポケット構造の立体情報を元に，3次元空間上にリガンドを生成する機械学習手法を提案した．結果として8件中6件のタンパク質で結晶構造よりドッキングスコアが良い化合物を生成することに成功した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In drug discovery research, the development of a new drug is supposed to take more than 10 years and cost more than $2.6 billion, so the efficiency of the drug discovery process is required. Most of the methods for generating molecules that are drug candidates using machine learning have been limited to 2D structures, such as SMILES and graph-based methods, and have the disadvantage that they cannot explicitly consider the shape complementarity with proteins. In this study, we developed the machine learning method to generate molecules in 3D space considering the steric information of protein pocket structures. As a result, we succeeded in generating molecules with better docking scores than crystal structures for six out of eight 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 2022-BIO-69, 号 2, p. 1-8, 発行日 2022-03-03
• 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