著者
澤田 隆介 岩田 通夫 梅崎 雅人 臼井 義比古 小林 敏一 窪野 孝貴 林 周作 門脇 真 山西 芳裕
出版者
公益社団法人 日本化学会・情報化学部会
雑誌
ケモインフォマティクス討論会予稿集 第41回ケモインフォマティクス討論会 熊本
巻号頁・発行日
pp.2B01, 2018 (Released:2018-10-26)
参考文献数
2

漢方薬(漢方方剤と呼ばれる葛根湯など)による医療は日本の独創的かつ伝統的な治療体系である。その有用性は、欧米でも注目されている。本研究では、富山大学和漢医薬学総合研究所が長年に渡り蓄積してきた莫大な漢方医薬情報を、統合的に解析するための情報技術を開発し、漢方薬の作用機序の科学的考察や、漢方薬の新規効能予測を行うアルゴリズムやデータベースを開発した。漢方薬、その構成生薬及び成分化合物と標的タンパク質の階層的関係から、漢方薬が生体に薬理学的効果を及ぼすメカニズムの考察を可能にするだけでなく、in silico結合シミュレーションや機械学習の手法を用いて、漢方関連ビッグデータを解析することにより、漢方薬の新しい適応可能疾患の予測(漢方薬リポジショニング)も可能にした。本研究で構築したデータベース「KampoDB」は、web上で公開している(http://wakanmoview.inm.u-toyama.ac.jp/kampo/)。
著者
海東 和麻 山西 芳裕
出版者
公益社団法人 日本薬学会
雑誌
MEDCHEM NEWS (ISSN:24328618)
巻号頁・発行日
vol.32, no.1, pp.26-30, 2022-02-01 (Released:2022-02-01)
参考文献数
19

構造生成器は、初期条件を元に、新規化学構造を出力する創薬AIの1種である。本稿では、主要な構造生成器として、ビルディングブロック型構造生成器と深層学習型構造生成器について、その概要を解説する。また、近年、大規模なオミクスデータの利用が可能となりつつある。そこで、筆者らが最近独自に開発した、オミクスデータを入力とし、新規化合物の構造式を出力する構造生成器であるTRanscriptome-based Inference and generation Of Molecules with desired PHEnotypes by machine learning(TRIOMPHE)について、実際に生成した化合物の構造式を交えて紹介する。
著者
岩田 通夫 Longhao Yuan Qibin Zhao 田部井 靖生 山西 芳裕
出版者
公益社団法人 日本化学会・情報化学部会
雑誌
ケモインフォマティクス討論会予稿集 第41回ケモインフォマティクス討論会 熊本
巻号頁・発行日
pp.2B09, 2018 (Released:2018-10-26)
参考文献数
4

ヒト由来細胞の薬物応答を遺伝子レベルで明らかにすることは、創薬において重要課題である。しかしながら、実際の薬物応答遺伝子発現データは多くの欠損値や未観測値を含んでいる。本研究では、新規のテンソル分解アルゴリズムTT-WOPT (tensor-train weighted optimization)を用いて、高階テンソル構造からなる薬物応答遺伝子発現データを解析する手法を提案した。本研究では、208薬物、978遺伝子、15細胞、3時点からなる薬物応答遺伝子発現データに適用した。実際に、提案手法は既存手法よりも、薬物応答遺伝子発現データ中の欠損値を正しく補完できた。また、遺伝子発現データから薬物の効能を予測する問題においてTT-WOPTで欠損値を補完することにより薬物の効能予測の精度が向上することを示した。提案手法は、薬物の標的分子予測や新規効能予測など様々な用途への活用が期待できる。
著者
山西 芳裕
出版者
公益社団法人 日本化学会
雑誌
化学と教育 (ISSN:03862151)
巻号頁・発行日
vol.67, no.2, pp.66-69, 2019-02-20 (Released:2020-02-01)
参考文献数
10

近年の生命医科学では,遺伝子,タンパク質,化合物,薬物,疾患に関するビッグデータが得られるようになってきた。ビッグデータ解析から新しい医学的発見や新薬開発につなげる研究が期待されている。本稿では,様々な医薬データを機械学習(人工知能の基盤技術)で有効活用した疾患研究や創薬応用を紹介する。特に,既存薬物から新規効能を発見するドラッグリポジショニングに基づく創薬への応用を解説する。
著者
佐藤 哲也 山西 芳裕 金久 實 藤 博幸
出版者
一般社団法人 日本生物物理学会
雑誌
生物物理 (ISSN:05824052)
巻号頁・発行日
vol.47, no.1, pp.004-011, 2007 (Released:2007-02-21)
参考文献数
6

A distance matrix is a set of genetic distances between all possible pairs of proteins under consideration, and is used to construct a phylogenetic tree by the distance matrix method. Pazos and Valencia (2001) have developed a method to predict protein-protein interaction by evaluating the similarity of the distance matrices, under the assumption that the phylogenetic trees of interacting proteins resemble each other through co-evolution. It is known, however, that the prediction includes many false positives. We postulated that the cause of the false positives is the background similarity of the phylogenetic relationship of the source organisms. We have developed a method to exclude such information from the distance matrices with a projection operator. The number of false positives was drastically reduced from the prediction by evaluating the similarity between the residuals after the projection operation.