機械学習を用いた環状ペプチドの体内安定性予測手法の改良

李佳男; 吉川寧; 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体内安定性予測手法の改良
英文:	Improvement of internal stability prediction method for cyclic peptides with machine learning

著者

和文:	李佳男, 吉川寧, 大上雅史, 秋山泰..
英文:	Yoshio Ri, Yasushi Yoshikawa, 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-58 No. 52 pp. 1-8

出版年月

2019年6月10日

出版者

和文:
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:	沖縄県
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=197651&item_no=1&page_id=13&block_id=8

アブストラクト

環状ペプチド医薬品は従来のペプチド医薬品と異なる大環状構造を持ち，低分子医薬品と比べて標的に対する特異性が高く，さらに経口投与が可能なものもあるため注目されている．体内安定性は医薬品開発の重要な指標の1つであり，全身循環血中に到達した医薬品がどの程度安定に存在できるかを表し，血漿タンパク質結合率（PPB）と密接な関係がある．環状ペプチドの血漿タンパク質結合率に関する先行研究により，局所構造が血漿タンパク質結合率に大きな影響を与えることがわかっている．しかし，現在よく使われている特徴量計算ソフトウェアは低分子化合物用に設計され，化合物全体の構造から特徴量を求めており，局所構造の検討が難しい．我々はこれまでに，汎化性能の高い特徴量を用いて低分子化合物で予測モデルを構築し，環状ペプチドの血漿タンパク質結合率を予測した．しかし，その予測精度は，実用に十分といえるレベルではなかった．そのため，本研究は環状ペプチドを残基単位で分割し，残基から計算された特徴量を加え，環状ペプチドの血漿タンパク質結合率予測手法を改良した．その結果，訓練データの交差検証では実験値と高い相関のある予測結果（R=0.90）を得ることに成功した．さらに，独立した検証データに対し，実験値と良い相関のある予測結果（R=0.83）を得た．

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