文献

J-GLOBAL ID：201702288547491664   整理番号：17A0869715

機械学習を用いた創薬におけるリード化合物最適化経路の予測

著者 (4件)： 安尾信明 (東京工大) ,  渡辺敬介 (東京工大 工) ,  新井直樹 (東京工大) ,  関嶋政和 (東京工大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 109(NC2017 5-19)  ページ： 153-157  発行年： 2017年06月16日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 新薬開発における段階の一つであるリード最適化では,化合物は標的蛋白質への活性だけでなく脂溶性や毒性など様々な性質を考慮した合成展開がなされ,その薬としての性質を向上させていく。本研究の目的は,製薬会社内における過去の化合物最適化経路のデータを利用して,新規の標的に対するリード最適化を自動的に行うシステムを作成することである。本発表では,このシステムにおける化合物の評価関数に相当する化合物の薬らしさの予測を行うため,機械学習を用いて最適化過程で化合物が合成された順序の予測を試みた。(著者抄録)

シソーラス用語： *機械学習 ,  製品開発 ,  *ドラッグデザイン ,  化合物 ,  *最適化 ,  化学合成
準シソーラス用語： ランク学習 ,  リード化合物 ,  創薬

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (13件)：

• Paul, S. M., Mytelka, D. S., Dunwiddie, C. T., Persinger, C. C., Munos, B. H., Lindborg, S. R. and Schacht, A. L.: How to improve R&D productivity: the pharmaceutical industry's grand challenge, Nature reviews Drug discovery, Vol. 9, No. 3, pp. 203-214 (2010).
• Keserii, G. M. and Makara, G. M.: The influence of lead discovery strategies on the properties of drug candidates, nature reviews Drug Discovery, Vol. 8, No. 3, pp. 203-212 (2009).
• Tyrchan, C. and Evertsson, E.: Matched Molecular Pair Analysis in Short: Algorithms, Applications and Limitations, Computational and Structural Biotechnology Journal, Vol. 15, pp. 86-90 (2016).
• Ritchie, T. J. and Macdonald, S. J.: Heterocyclic replacements for benzene: maximising ADME benefits by considering individual ring isomers, European Journal of Medicinal Chemistry, Vol. 124, pp. 1057-1068 (2016).
• Weber, J., Achenbach, J., Moser, D. and Proschak, E.: VAMMPIRE: a matched molecular pairs database for structure-based drug design and optimization, Journal of medicinal chemistry, Vol. 56, No. 12, pp. 5203-5207 (2013).

タイトルに関連する用語 (6件)： 機械学習 ,  創薬 ,  リード化合物 ,  最適化 ,  経路 ,  予測