機械学習で迅速に有効な新規抗菌薬候補分子を見つける新技術を開発 ─これまで報告された膨大な候補分子情報を記述子に変換利用─

2024年3月 6日 11:00 | プレスリリース?研究成果

【本学研究者情报】

〇多元物质科学研究所　教授　笠井均

多元物质科学研究所　助教　中辻博贵

【発表のポイント】

过去のデータ利用を简易にし、迅速に有効な新规抗菌薬候补の発见を可能とする置换基^（注¹^）に着目した記述子（Combined substitute number: CSN）^（注²^）を提案しました。
颁厂狈を用いて过去に报告された分子约1万の构造と抗菌活性データを学习し、未知の薬剤候补分子约3200万を生成?活性予测を行いました。その结果、予测値の倾向は実験结果によく一致し、本手法の有効性が示されました。
本手法は、有効な新规抗菌薬候补分子を迅速に见つけ出すことができ、また过去の蓄积データの利用が容易なため、抗菌薬のみならず様々な分野への贡献も期待できます。

【概要】

新しい抗菌薬の开発は、薬剤耐性菌^（注³^）（础惭搁）に対抗するため常に必要とされています。しかし开発コストの上昇などといった昨今の开発环境の悪化による开発ペースの低下が问题になっています。

東北大学多元物質科学研究所の笠井均教授と中辻博貴助教（研究当時株式会社コンポン研究所）らによる共同研究グループは、このたび分子の置換基情報のみを用いた記述子（Combined substitute number: CSN）による情報処理技術の利用を提案しました。過去の抗菌薬候補分子の情報を本記述子に変換して機械学習を行うことにより、情報収集コストと計算コストを大きく低減した上で有意な抗菌活性の予測モデルを構築することに成功しました。また本記述子を用いることで、可能性の高い約3200万個の候補分子も容易に提案することができました。実際に予測の傾向と実験結果はよく一致しており、本手法の有効性が明らかになっています。

本研究成果は、2024年2月19日（现地时间）付けで、学术誌 Scientific Reports（电子版）に掲载されました。