[4Q3-IS-2d] Machine learning

[4Q3-IS-2d-05] A machine learning model for predicting quantum chemistry based protein-drug molecule interactions

〇Ryosuke Kita¹, Chiduru Watanabe², Masateru Ohta², Naoki Tanimura³, Koji Okuwaki⁴, Mitsunori Ikeguchi^2,5, Kaori Fukuzawa⁶, Teruki Honma², Tsuyohiko Fujigaya¹, Koichiro Kato¹ (1. Department of Applied Chemistry, Kyushu University, 2. RIKEN Center , 3. Mizuho Research & Technologies, Ltd, 4. JSOL Corporaion, 5. Yokohama City University, 6. Department of Pharmacy, Osaka University)

キーワード：Computational Chemistry, AI Drug Discovery, Fragment Molecular Orbital Method

分子シミュレーションによるタンパク質-薬物分子間の相互作用の評価は、計算創薬において、数百万の候補化合物群の中から有望な薬物分子を効率的に同定する上で重要な役割を果たす。従来手法の課題であるヒット率改善に向けて、高精度な量子化学計算による相互作用の評価が求められているが、タンパク質－薬物分子間の相互作用評価は一般的な量子化学計算手法では困難である。フラグメント分子軌道（FMO）法と呼ばれる手法を用いることで、量子化学レベルの相互作用を得ることが可能になるが、スーパーコンピュータ「富岳」を用いたとしても、1構造あたり数時間の計算時間を要するため、さらなる計算コストの削減が望まれている。そこで本研究では、FMO法で得られるタンパク質－薬物分子間の相互作用値を予測可能な機械学習モデルを構築した。本モデルはNeural Networkをベースとしたものとなっており、説明変数には薬物分子を構成する個々の原子の周辺環境をベクトル化したものを用いた。約2000構造のデータセットを用いて、モデルの学習と相互作用が未知な構造についての予測を行った結果、R2値0.59という精度での予測に成功した。