ネットワーク型共同研究拠点を支える 人・環境と物質をつなぐイノベーション創出ダイナミック・アライアンス 研究者データベース

機械学習は様々な分野で功績をあげていますが、創薬分野においては汎用的な方法論は未だ確立されていません。その理由は、化学構造の[入力]に熟練した研究者の豊富な経験を元にした、記述子の選択が必要であることと考えています。そこで、AI自身に化合物全体を学習させる深層学習を用いた薬物スクリーニングに注目しました。

Machine learning has been successful in many fields, but no general methodology has yet been established in the medicinal field. This reason is that it is necessary to select a descriptor based on the experience of researchers to input of chemical structures. Therefore, drug screening using deep learning, which allows AI itself to learn the entire compound is focused.

深層学習を利用し高い活性化合物を予測する創薬方法論を開発し、これまで見出すことができなかった新規骨格を持つ生理活性物質を発見することを目標としています。構造式から記述子への変換プロセスを経由せずに化学構造自体を「入力」し、AI自身に化合物全体を学習させる深層学習を用いています。

The purpose of this research is to develop a drug discovery methodology that predicts highly active compounds using deep learning, and to discover bioactive substances with a novel structure. In this research, deep learning is utilized to input the chemical structure itself without the process of converting structural formulas to descriptors, enabling the AI ​​itself to learn the entire compound.