JP5946045B2 - 化合物設計装置、化合物設計方法、及びコンピュータプログラム - Google Patents
化合物設計装置、化合物設計方法、及びコンピュータプログラム Download PDFInfo
- Publication number
- JP5946045B2 JP5946045B2 JP2014532989A JP2014532989A JP5946045B2 JP 5946045 B2 JP5946045 B2 JP 5946045B2 JP 2014532989 A JP2014532989 A JP 2014532989A JP 2014532989 A JP2014532989 A JP 2014532989A JP 5946045 B2 JP5946045 B2 JP 5946045B2
- Authority
- JP
- Japan
- Prior art keywords
- compound
- information
- protein
- score
- combination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
- G16B15/30—Drug targeting using structural data; Docking or binding prediction
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/50—Molecular design, e.g. of drugs
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Biotechnology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Pharmacology & Pharmacy (AREA)
- Medicinal Chemistry (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
Description
(a)1又は複数の化合物情報を生成するステップと、
(b)化合物情報に対応する化合物と、問い合わせタンパク質との相互作用の可能性を示すスコアを算出するステップと、
(c)最適化手法により、ステップ(b)で算出されたスコアを基準として、相互作用の可能性が高まるように化合物情報を更新するステップと、
(d)ステップ(b)とステップ(c)とを複数回繰り返すステップと、
を実行する処理手段と、を備え、さらに、ステップ(b)で算出されるスコアは、少なくとも、第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られたものである。
(c1)ステップ(c)において更新された化合物情報に近似する化合物情報の中から、化合物に対応する化合物情報を選択し、該化合物情報を、更新された化合物情報とするステップ、を実行する。
(c2)記憶手段に記憶された履歴を参照し、選択された化合物情報が、履歴に含まれる化合物情報と同一であるかどうかを判断するステップと、
(c3)ステップ(c2)において、同一であると判断された場合に、別の化合物情報を選択して再度ステップ(c2)を実行し、ステップ(c2)において同一でないと判断された場合に、該化合物情報を更新された化合物情報とするステップと、
を実行する。
(ア) コンピュータの備える入力手段に、少なくとも、1又は複数の問い合わせタンパク質について、該タンパク質に対応する問い合わせタンパク質情報が入力されるステップと、
(イ)コンピュータの備える処理手段において、1又は複数の化合物情報が生成されるステップと、
(ウ)コンピュータの備える処理手段において、化合物情報に対応する化合物と、問い合わせタンパク質との相互作用の可能性を示すスコアが算出されるステップと、
(エ)コンピュータの備える処理手段において、最適化手法により、スコア算出ステップ(ウ)で算出されたスコアを基準として、相互作用の可能性が高まるように化合物情報を更新するステップと、
を含み、ステップ(ウ)とステップ(エ)とを複数回繰返し、さらに、ステップ(ウ)で算出されるスコアは、少なくとも、第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られたものである。
(i)1又は複数の問い合わせタンパク質について、該タンパク質に対応する問い合わせタンパク質情報の入力を受け付けるステップと、
(ii)1又は複数の化合物情報を生成するステップと、
(iii)化合物情報に対応する化合物と、問い合わせタンパク質との相互作用の可能性を示すスコアを算出するステップと、
(iv)最適化手法により、ステップ(iii)で算出されたスコアを基準として、相互作用の可能性が高まるように化合物情報を更新するステップと、
(v)ステップ(iii)とステップ(iv)とを複数回繰り返すステップと、
を実行させ、さらに、ステップ(iii)で算出されるスコアは、少なくとも、第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られたものである。
入力手段では、1又は複数の問い合わせタンパク質について、該タンパク質に対応する問い合わせタンパク質情報が入力され、本発明の化合物設計装置がこれらの情報を受け付ける。
処理手段は、1又は複数の化合物情報を生成するステップ(a)と、化合物情報に対応する化合物と、問い合わせタンパク質との相互作用の可能性を示すスコアを算出するステップ(b)と、最適化手法により、ステップ(b)で算出されたスコアを基準として、相互作用の可能性が高まるように化合物情報を更新するステップ(c)と、ステップ(b)とステップ(c)とを複数回繰り返すステップ(d)と、を実行する。
Optimization)を用いることが好ましい。
また、本発明の化合物設計装置は記憶手段を備えていてもよい。記憶手段には、少なくとも、第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られた学習モデルが記憶される。処理手段は、ステップ(b)で、学習モデルが記憶された記憶手段にアクセスし、スコアを算出する。
また、本発明の化合物設計装置は出力手段を備えていてもよい。出力手段は、処理手段により、問い合わせタンパク質と相互作用する可能性が最も高いと判断された化合物情報又は、該化合物情報に対応する化学構造を出力する。ここで、出力手段が出力する化合物は、既知の化学構造を有する化合物だけでなく、新規の化学構造を有する化合物である場合がある。
(ア) コンピュータの備える入力手段に、少なくとも、1又は複数の問い合わせタンパク質について、該タンパク質に対応する問い合わせタンパク質情報が入力されるステップと、
(イ)コンピュータの備える処理手段において、1又は複数の化合物情報が生成されるステップと、
(ウ)コンピュータの備える処理手段において、化合物情報に対応する化合物と、問い合わせタンパク質との相互作用の可能性を示すスコアが算出されるステップと、
(エ)コンピュータの備える処理手段において、最適化手法により、スコア算出ステップ(ウ)で算出されたスコアを基準として、相互作用の可能性が高まるように化合物情報を更新するステップと、
を含み、
ステップ(ウ)とステップ(エ)とを複数回繰返し、さらに、ステップ(ウ)で算出されるスコアは、少なくとも、第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られたものである化合物設計方法である。
(エ1)ステップ(エ)において更新された化合物情報に近似する化合物情報の中から、化合物に対応する化合物情報を選択し、該化合物情報を、更新された化合物情報とするステップ、を含む。
(エ2)記憶手段に記憶された履歴を参照し、選択された化合物情報が、履歴に含まれる化合物情報と同一であるかどうかを判断するステップと、
(エ3)ステップ(エ2)において、同一であると判断された場合に、別の化合物情報を選択して再度ステップ(エ2)を実行し、ステップ(エ2)において同一でないと判断された場合に、該化合物情報を更新された化合物情報とするステップと、を含む。
(i)1又は複数の問い合わせタンパク質について、該タンパク質に対応する問い合わせタンパク質情報の入力を受け付けるステップと、
(ii)1又は複数の化合物情報を生成するステップと、
(iii)化合物情報に対応する化合物と、問い合わせタンパク質との相互作用の可能性を示すスコアを算出するステップと、
(iv)最適化手法により、ステップ(iii)で算出されたスコアを基準として、相互作用の可能性が高まるように化合物情報を更新するステップと、
(v)ステップ(iii)とステップ(iv)とを複数回繰り返すステップと、
を実行させ、さらに、ステップ(iii)で算出されるスコアは、少なくとも、第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られたものである、化合物設計コンピュータプログラムである。
(iv-1)ステップ(iv)において更新された化合物情報に近似する化合物情報の中から、化合物に対応する化合物情報を選択し、該化合物情報を、更新された化合物情報とするステップ、を含む。
(iv-2)記憶手段に記憶された履歴を参照し、選択された化合物情報が、履歴に含まれる化合物情報と同一であるかどうかを判断するステップと、
(iv-3)ステップ(iv-2)において、同一であると判断された場合に、別の化合物情報を選択して再度ステップ(iv-2)を実行し、ステップ(iv-2)において同一でないと判断された場合に、該化合物情報を更新された化合物情報とするステップと、を含む。
4,700個のCyclin-Dependent Kinase 2(CDK2)の既知活性化合物を用いて、クロスバリデーションを行った。4,700個の化合物のうち、600個を学習用データとして、相互作用学習モデルの構築に用いた。DRAGON6プログラムを用いて活性化合物の記述子を計算し、さらに、その標的タンパク質の記述子をスペクトラム法により計算した。
descriptors)、ブロック4−5(Walk and path countsおよびConnectivity indices)、ブロック8(2D
autocorrelations)、ブロック10−11(P_VSA-like descriptorsおよびETA indices)、ブロック22−24(Atom-centred
fragments、Atom-type E-state indices、及びCATS 2D)、ブロック28(Molecular properties)の計894種類の記述子を計算した。
ver.6.0.30(Talete srl)を用いてこれらのフラグメントの記述子を計算し、フラグメント・データベースを構成した。
本発明を用いて、β2アドレナリン受容体(β2AR)を問い合わせタンパク質として、そのアンタゴニストの設計を行った。設計される化合物のフレームとしては、3つの構成単位が直列したものを選択した。ただし、中心の構成単位は母核として固定し、両端の置換フラグメント(R1及びR2)のみを更新した。
別の本発明として、ステップ(b)で第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られたスコアと、活性値予測から得られたスコアとを乗算したスコアを基準とした化合物の設計を行った。CDK2及びV1bをターゲットとする化合物データベースを用いた。
さらに、β2アドレナリン受容体を標的分子とし、その他のアドレナリン受容体に対して選択的な活性を有する新規化合物の設計を目的として、ステップ(b)で第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られたスコアと、選択性予測から得られたスコアとを乗算したスコアを基準とした化合物の設計を行った。
2 入力手段
3 処理手段
4 記憶手段
5 出力手段
Claims (10)
- 少なくとも、1又は複数の問い合わせタンパク質について、該タンパク質に対応するタンパク質情報が入力される入力手段と、
(a)1又は複数の化合物情報を生成するステップと、
(b)前記化合物情報に対応する化合物と、前記問い合わせタンパク質との相互作用の可能性を示すスコアを算出するステップと、
(c)最適化手法により、ステップ(b)で算出された前記スコアを基準として、前記相互作用の可能性が高まるように前記化合物情報を更新するステップと、
(d)前記ステップ(b)と前記ステップ(c)とを複数回繰り返すステップと、
を実行する処理手段と、を備え、
さらに、前記ステップ(b)で算出されるスコアは、少なくとも、第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られたものであり、
前記化合物情報が、同一の化合物の化学構造に複数の切断位置が存在する場合に、前記複数の切断位置の取りうる全ての組み合わせによりフラグメントが生成されるルールに基づいて切断して生成されるフラグメントに対応するフラグメント情報から構成される、
化合物設計装置 - 前記機械学習が、サポートベクターマシンであり、
前記第1の組み合わせに加えて、
第2の相互作用をするタンパク質と化合物に対応するタンパク質情報と化合物情報との第2の組み合わせを教師データとし、
前記第1の組み合わせと前記第2の組み合わせとを分離する分離面が求められ、
さらに、前記スコアは、スコア算出の対象となる化合物情報とスコア算出の対象となるタンパク質情報との組み合わせの、前記分離面からの距離を表したものである、
請求項1に記載の化合物設計装置 - 前記最適化手法が、群知能最適化手法、進化的計算手法、及び粒子群最適化手法からなる群より選択される一又は複数である、
請求項1又は2に記載の化合物設計装置 - 前記処理手段が、前記ステップ(c)に続いて、
(c1)前記ステップ(c)において更新された化合物情報に近似する化合物情報の中から、化合物に対応する化合物情報を選択し、該化合物情報を、更新された化合物情報とするステップ、を実行する
請求項1〜3いずれか一項に記載の化合物設計装置 - 記憶手段を備え、
該記憶手段は、前記更新された化合物情報を履歴として記憶し、
前記処理手段が、前記ステップ(c1)に続いて、
(c2)前記記憶手段に記憶された前記履歴を参照し、選択された化合物情報が、前記履歴に含まれる化合物情報と同一であるかどうかを判断するステップと、
(c3)前記ステップ(c2)において、同一であると判断された場合に、別の化合物情報を選択して再度ステップ(c2)を実行し、前記ステップ(c2)において同一でないと判断された場合に、該化合物情報を更新された化合物情報とするステップと、
を実行する、
請求項1〜4いずれか一項に記載の化合物設計装置 - 前記化合物情報が、複数のフラグメント情報の主成分分析の結果として得られた1又は複数の主成分を軸に割り当てた空間に存在するベクトルの直和として表される、
請求項1〜5いずれか一項に記載の化合物設計装置 - 前記最適化手法が粒子群最適化手法であって、
前記粒子群最適化手法が、
設計される化合物のフラグメントの構成単位数が設定され、
前記化合物情報を表す粒子の位置Xが、
前記粒子の速度Vが、
請求項3〜6いずれか一項に記載の化合物設計装置 - 前記ステップ(b)で算出されるスコアが、
第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られたスコアと、活性値予測から得られたスコア、選択性予測から得られたスコア、ドッキング計算から得られたスコア、合成可能性予測から得られたスコア、ADME-Tox予測から得られたスコア、物性予測から得られたスコア、及び分子動力学法から得られた結合自由エネルギー予測から得られたスコアから選択される1又は複数とを組み合わせたものである、
請求項1〜7いずれか一項に記載の化合物設計装置 - コンピュータを用いた化合物設計方法であって、
(ア) 前記コンピュータの備える入力手段に、少なくとも、1又は複数の問い合わせタンパク質について、該タンパク質に対応する問い合わせタンパク質情報が入力されるステップと、
(イ)1又は複数の化合物情報が生成されるステップと、
(ウ)前記化合物情報に対応する化合物と、前記問い合わせタンパク質との相互作用の可能性を示すスコアが算出されるステップと、
(エ)最適化手法により、前記ステップ(ウ)で算出されたスコアを基準として、前記相互作用の可能性が高まるように前記化合物情報を更新するステップと、
を含み、
前記ステップ(ウ)と前記ステップ(エ)とを複数回繰返し、
さらに、前記ステップ(ウ)で算出されるスコアは、
少なくとも、第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られたものであり、
前記化合物情報が、同一の化合物の化学構造に複数の切断位置が存在する場合に、前記複数の切断位置の取りうる組み合わせによりフラグメントが生成されるルールに基づいて切断して生成されるフラグメントに対応するフラグメント情報から構成される、
化合物設計方法 - コンピュータに化合物を設計させるコンピュータプログラムであって、
前記コンピュータに、
(i)1又は複数の問い合わせタンパク質について、該タンパク質に対応する問い合わせタンパク質情報の入力を受け付けるステップと、
(ii)1又は複数の化合物情報を生成するステップと、
(iii)前記化合物情報に対応する化合物と、前記問い合わせタンパク質との相互作用の可能性を示すスコアを算出するステップと、
(iv)最適化手法により、前記ステップ(iii)で算出された前記スコアを基準として、前記相互作用の可能性が高まるように前記化合物情報を更新するステップと、
(v)前記ステップ(iii)と前記ステップ(iv)とを複数回繰り返すステップと、
を実行させ、さらに
前記ステップ(iii)で算出されるスコアは、
少なくとも、第1の相互作用をするタンパク質と化合物とに対応するタンパク質情報と化合物情報との第1の組み合わせを教師データとした機械学習により得られたものであり、
前記化合物情報が、同一の化合物の化学構造に複数の切断位置が存在する場合に、前記複数の切断位置の取りうる組み合わせによりフラグメントが生成されるルールに基づいて切断して生成されるフラグメントに対応するフラグメント情報から構成される、
化合物設計コンピュータプログラム
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012186072 | 2012-08-27 | ||
JP2012186072 | 2012-08-27 | ||
PCT/JP2013/072630 WO2014034577A1 (ja) | 2012-08-27 | 2013-08-24 | 化合物設計装置、化合物設計方法、及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP5946045B2 true JP5946045B2 (ja) | 2016-07-05 |
JPWO2014034577A1 JPWO2014034577A1 (ja) | 2016-08-08 |
Family
ID=50183390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014532989A Expired - Fee Related JP5946045B2 (ja) | 2012-08-27 | 2013-08-24 | 化合物設計装置、化合物設計方法、及びコンピュータプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20150310162A1 (ja) |
EP (1) | EP2889791A4 (ja) |
JP (1) | JP5946045B2 (ja) |
WO (1) | WO2014034577A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11126695B2 (en) | 2018-11-02 | 2021-09-21 | Showa Denko K.K. | Polymer design device, polymer design method, and non-transitory recording medium |
WO2022071268A1 (ja) | 2020-09-30 | 2022-04-07 | 富士フイルム株式会社 | 特徴量算出方法、スクリーニング方法、及び化合物創出方法 |
US11915799B2 (en) | 2018-03-09 | 2024-02-27 | Resonac Corporation | Polymer physical property prediction device, recording medium, and polymer physical property prediction method |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10776712B2 (en) * | 2015-12-02 | 2020-09-15 | Preferred Networks, Inc. | Generative machine learning systems for drug design |
US11144832B2 (en) * | 2017-11-03 | 2021-10-12 | Cognizant Technology Solutions India Pvt. Ltd | System and method for determining optimal solution in a swarm of solutions using swarm intelligence |
US10847254B2 (en) * | 2017-12-05 | 2020-11-24 | Toyota Research Institute, Inc. | Artificial intelligence based stable materials discovery process |
WO2020054841A1 (ja) * | 2018-09-14 | 2020-03-19 | 富士フイルム株式会社 | 化合物探索方法、化合物探索プログラム、記録媒体、及び化合物探索装置 |
CN113454728A (zh) * | 2019-02-12 | 2021-09-28 | Jsr株式会社 | 数据处理方法、数据处理装置以及数据处理系统 |
CN109935278B (zh) * | 2019-02-28 | 2023-04-07 | 深圳晶泰科技有限公司 | 晶体结构碰撞快速检测方法 |
CN113711035A (zh) * | 2019-04-16 | 2021-11-26 | 富士胶片株式会社 | 特征量计算方法、特征量计算程序、特征量计算装置、筛选方法、筛选程序及化合物创建方法 |
US10515715B1 (en) * | 2019-06-25 | 2019-12-24 | Colgate-Palmolive Company | Systems and methods for evaluating compositions |
CN114258573A (zh) * | 2019-08-19 | 2022-03-29 | Jsr株式会社 | 化学结构产生装置、化学结构产生程序以及化学结构产生方法 |
CN110610742B (zh) * | 2019-09-20 | 2023-12-19 | 福建工程学院 | 一种基于蛋白质互作网络的功能模块检测方法 |
WO2021251413A1 (ja) * | 2020-06-09 | 2021-12-16 | 株式会社 Preferred Networks | 推定装置、推定方法、化学構造式及びプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007139037A1 (ja) * | 2006-05-26 | 2007-12-06 | Kyoto University | ケミカルゲノム情報に基づく、タンパク質-化合物相互作用の予測と化合物ライブラリーの合理的設計 |
WO2008053924A1 (fr) * | 2006-10-31 | 2008-05-08 | Keio University | Procédé de classement de paires de protéines/composés |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5211458B2 (ja) | 2006-09-27 | 2013-06-12 | 日本電気株式会社 | 化合物の仮想スクリーニング方法および装置 |
JP2008217594A (ja) | 2007-03-06 | 2008-09-18 | Nec Corp | 化合物のスクリーニング方法及びそのスクリーニングシステム。 |
JP2009007302A (ja) | 2007-06-28 | 2009-01-15 | Nec Corp | 仮想スクリーニング方法及び装置 |
-
2013
- 2013-08-24 US US14/424,701 patent/US20150310162A1/en not_active Abandoned
- 2013-08-24 WO PCT/JP2013/072630 patent/WO2014034577A1/ja active Application Filing
- 2013-08-24 JP JP2014532989A patent/JP5946045B2/ja not_active Expired - Fee Related
- 2013-08-24 EP EP13832325.8A patent/EP2889791A4/en not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007139037A1 (ja) * | 2006-05-26 | 2007-12-06 | Kyoto University | ケミカルゲノム情報に基づく、タンパク質-化合物相互作用の予測と化合物ライブラリーの合理的設計 |
WO2008053924A1 (fr) * | 2006-10-31 | 2008-05-08 | Keio University | Procédé de classement de paires de protéines/composés |
Non-Patent Citations (3)
Title |
---|
JPN6013053830; Hassen Mohammed Alsafi, et al.: 'Rational Drug Design using Genetic Algorithm : Case of Malaria Disease' Journal of Emerging Trends in Computing and Information Sciences VOL. 3, NO. 7, 201207, p.1093-1102 * |
JPN6013053831; Fabian Dey, et al.: 'Fragment-Based de Novo Ligand Design by Multiobjective Evolutionary Optimization' J. Chem. Inf. Model Vol.48, No.3, 20080229, p.679-690 * |
JPN6013053832; IQBAL Mudassar, et al.: 'Protein Interaction Inference Using Particle Swarm Optimization Algorithm' Lect Notes Comput Sci Vol.4973, 2008, p.61-70 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11915799B2 (en) | 2018-03-09 | 2024-02-27 | Resonac Corporation | Polymer physical property prediction device, recording medium, and polymer physical property prediction method |
US11126695B2 (en) | 2018-11-02 | 2021-09-21 | Showa Denko K.K. | Polymer design device, polymer design method, and non-transitory recording medium |
WO2022071268A1 (ja) | 2020-09-30 | 2022-04-07 | 富士フイルム株式会社 | 特徴量算出方法、スクリーニング方法、及び化合物創出方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2014034577A1 (ja) | 2016-08-08 |
EP2889791A1 (en) | 2015-07-01 |
EP2889791A4 (en) | 2016-04-13 |
US20150310162A1 (en) | 2015-10-29 |
WO2014034577A1 (ja) | 2014-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5946045B2 (ja) | 化合物設計装置、化合物設計方法、及びコンピュータプログラム | |
Sousa et al. | Generative deep learning for targeted compound design | |
Khan | Descriptors and their selection methods in QSAR analysis: paradigm for drug design | |
Baylon et al. | Enhancing retrosynthetic reaction prediction with deep learning using multiscale reaction classification | |
Polishchuk | Interpretation of quantitative structure–activity relationship models: past, present, and future | |
Subramanian et al. | Computational modeling of β-secretase 1 (BACE-1) inhibitors using ligand based approaches | |
Heikamp et al. | Large-scale similarity search profiling of ChEMBL compound data sets | |
Maggiora et al. | Molecular similarity in medicinal chemistry: miniperspective | |
Handley et al. | Potential energy surfaces fitted by artificial neural networks | |
Christ et al. | Mining electronic laboratory notebooks: analysis, retrosynthesis, and reaction based enumeration | |
Amabilino et al. | Guidelines for recurrent neural network transfer learning-based molecular generation of focused libraries | |
Alvarsson et al. | Ligand-based target prediction with signature fingerprints | |
Shen et al. | Accuracy or novelty: what can we gain from target-specific machine-learning-based scoring functions in virtual screening? | |
Sukumar et al. | Applications of genetic algorithms in QSAR/QSPR modeling | |
Abdo et al. | Prediction of new bioactive molecules using a bayesian belief network | |
Kaushik et al. | Ligand-based approach for in-silico drug designing | |
Lee et al. | Development of predictive models for identifying potential S100A9 inhibitors based on machine learning methods | |
Ji et al. | Relmole: molecular representation learning based on two-level graph similarities | |
Bhavani et al. | Substructure-based support vector machine classifiers for prediction of adverse effects in diverse classes of drugs | |
Niu et al. | Quantitative prediction of drug side effects based on drug-related features | |
Tan et al. | A multitask approach to learn molecular properties | |
Shilpa et al. | Recent Applications of Machine Learning in Molecular Property and Chemical Reaction Outcome Predictions | |
Wang et al. | Combinatorial QSAR modeling of specificity and subtype selectivity of ligands binding to serotonin receptors 5HT1E and 5HT1F | |
Labjar et al. | QSAR Anti-HIV Feature Selection and Prediction for Drug Discovery Using Genetic Algorithm and Machine Learning Algorithms | |
Gan et al. | Investigation of the use of spectral clustering for the analysis of molecular data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160330 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160513 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160523 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5946045 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |