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

山田 雄太; 吉川 寧; 和久井 直樹; 大上 雅史; 秋山 泰

論文・著書情報

タイトル

和文:	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
英文:	Developement of membrane permeability prediction method for cyclic peptides with machine learning

著者

和文:	山田雄太, 吉川寧, 和久井直樹, 大上雅史, 秋山泰.
英文:	Yuta Yamada, Yasushi Yoshikawa, Naoki Wakui, Masahito Ohue, Yutaka Akiyama.

言語

Japanese

掲載誌/書名

和文:	研究報告バイオ情報学（BIO）
英文:

巻, 号, ページ

Vol. 2019-BIO-57 No. 13 pp. 1-8

出版年月

2019年3月1日

出版者

和文:	情報処理学会
英文:

会議名称

和文:	情報処理学会研究報告バイオ情報学（BIO）
英文:

開催地

和文:	石川県
英文:

公式リンク

https://ipsj.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=195000&item_no=1&page_id=13&block_id=8

アブストラクト

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．

Home

各種検索

サポート

T2R2について

関連リンク

論文・著書情報