薬剤とタンパク質の相互作用を予測する新たな『深層学習』

最終更新日:2018年10月22日

Select Language >>

0120-978-003
月~土 9時~18時 / 夜間・日・祝は受付のみ
薬剤師コラム

薬剤とタンパク質の相互作用を予測する新たな『深層学習』

2018.10.12

産業技術総合研究所(産総研)は8月29日、瀬々潤氏(同研究所人工知能研究センター機械学習研究チーム研究チーム長)、椿真史氏(特別研究員)、富井健太郎氏(インテリジェントバイオインフォマティクス研究チーム研究チーム長)が共同で行った研究によって、2種類の『深層ニューラルネット』を組み合わせることで、薬剤とタンパク質の相互作用を予測する新たな手法を開発したことを発表した。

同研究成果は、「Bioinformatics」に掲載されている。

予測結果の解釈が難しく、化学・生物学分野への応用が困難な『深層学習』

近年、「機械学習」技術のひとつとして大きな成功を収めている『深層学習』。創薬をはじめ、化学・生物学分野への応用が期待されている。

また、この『深層学習』によって、薬剤とタンパク質の相互作用を高速・高精度に予測することができれば、新薬開発を加速させるだけではなく、人間の知識や経験だけでは到達できない革新的な薬剤の開発が期待される。

しかし、薬剤とタンパク質という、それぞれ異なるタイプの構造において、双方のデータを『深層学習』でどのように統一的に扱うのか、大きな問題だった。

さらに、『深層学習』は予測結果の解釈が難しいことが、化学・生物学分野へ応用するには障壁となっていた

2種類の『深層ニューラルネット』で深層学習の問題を解消

今回、同研究グループが開発した手法は、各薬剤のデータに適した『グラフニューラルネット(深層学習手法のひとつ)』と、タンパク質のデータに適した『畳み込みニューラルネット(同様に深層学習手法のひとつ』をそれぞれのデータに適用

薬剤とタンパク質、それぞれの性質を適切に捉える特徴ベクトルを計算した。

薬剤とタンパク質の大規模なデータを活用して、この特徴ベクトルを学習し、「相互作用の有無」を予測。

実証評価実験(35,000以上の薬剤とタンパク質の相互作用のデータを活用)によって、従来よりも低次元(10次元程度)の特徴ベクトルからでも、「相互作用の有無」を適切に予測できることがわかったという。

膨大な数のタンパク質でも、高速・高精度の予測が可能

今回開発された手法は、低次元の特徴ベクトルを用いることで計算量を抑えられ、高速な予測が実現可能になる

既存のドッキングシミュレーションや近年開発された他の深層学習手法と比較して、既存手法比で「3~10%の向上」という高い予測精度を示した

さらに、薬剤のグラフとタンパク質の配列の情報のみから予測可能で、立体構造が不明である膨大な数のタンパク質についても適用可能だという。

新薬開発支援による創薬分野へ貢献

今後、同研究グループは、薬剤やタンパク質の三次元立体構造をより詳細に考慮した手法を開発する予定。

様々な薬剤とタンパク質を活用して、その相互作用部位の立体構造を網羅的に検証し、予測結果の信頼性を高めていきたいとしている。

また、新薬開発支援による創薬分野への貢献を目指したいとしている。

■メドフィットが納得の転職を実現します!
⇒薬剤師の求人一覧

関連コラム