二次元分子記述子を用いた機械学習による環状ペプチドの細胞膜透過性予測

村田翔太朗; 山田雄太; 吉川寧; 大上雅史; 秋山泰

論文・著書情報

タイトル

和文:	二次元分子記述子を用いた機械学習による環状ペプチドの細胞膜透過性予測
英文:	Prediction of membrane permeablity for cyclic peptides using machine learning with its 2D descriptors

著者

和文:	村田翔太朗, 山田雄太, 吉川寧, 大上雅史, 秋山泰.
英文:	Shotaro Murata, 山田雄太, 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. 2020-BIO-61 No. 5 pp. 1-7

出版年月

2020年3月5日

出版者

和文:	情報処理学会
英文:

会議名称

和文:
英文:

開催地

和文:
英文:

公式リンク

http://id.nii.ac.jp/1001/00203778/

アブストラクト

環状ペプチドは新たな薬剤モダリティとして注目されており，細胞内の標的を狙える薬剤開発のために環状ペプチドの膜透過性予測が重要視されている．本研究では，機械学習による環状ペプチドの膜透過性予測手法を開発することを目的とし，1) 環状ペプチド全体の特徴量からの予測，2) 環状ペプチドに含まれる残基ごとの特徴量からの予測，の 2 つの手法を提案した．文献から収集した環状ペプチドの膜透過データを用いて交差検証を行った結果，予測精度は 1) 環状ペプチド全体の特徴量からの予測（SVR 使用時）が最も高くなった（R = 0.906）一方で，訓練データと異なる文献のデータへの適用では，2) 残基ごとの特徴量からの予測（CNN 使用時，線形補間の場合）が最も精度が高かった（R = 0.49）．

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