ターゲット
公开日
金子周司 薬学研究科教授、永安一树 同助教、酒井幸 同博士課程学生らの研究グループは、深層学習技術の一手法であるグラフ畳込みニューラルネットワークを用いることで、医薬品の作用標的として特に重要な127種類のタンパク質に対する親和性を化合物の構造情報から予測できる手法を開発しました。さらにこの手法で、抗うつ薬の作用点として知られるセロトニントランスポーターに強く作用する化合物を特定し、その化合物がマウスで抗うつ作用を示すことを見出しました。
これらの结果は、构筑した予测モデルの高い妥当性を示していると考えられます。本成果により、目的とする（あるいは目的としない）タンパク质への亲和性が计算机上で予测可能となり、目标としていないタンパク质への作用の开発过程における予测?予防や既承认医薬品のドラッグリポジショニングへの応用が期待されます。
本研究成果は、2021年1月12日に、国際学術誌「Scientific Reports」に掲載されました。
详しい研究内容について
研究者情报
研究者名
金子周司
研究者名
永安一树
书誌情报
【顿翱滨】
【碍鲍搁贰狈础滨アクセス鲍搁尝】
Miyuki Sakai, Kazuki Nagayasu, Norihiro Shibui, Chihiro Andoh, Kaito Takayama, Hisashi Shirakawa & Shuji Kaneko (2021). Prediction of pharmacological activities from chemical structures with graph convolutional neural networks. Scientific Reports, 11:525.
関连部局
