ディープラーニングに基づく化合物とタンパク質の相互作用予測

抄録

医薬品となる候補化合物のスクリーニングのための，タンパク質と化合物の相互作用の予測について述べる．膨大な種類の化合物から医薬品になり得るリガンド化合物を見つけ出す工程は，開発にかかる時間とコストを押し上げる主要因となっており，計算により優れた性質の候補化合物を絞り込むインシリコ（in silico）スクリーニングの手法が提案されてきた．我々は，これまでサポートベクターマシン（SVM）を用いた予測手法CGBVS法を提案してきた．しかし，その手法では，学習データが増えるにつれて学習時間が長大になるなど，大規模な相互作用データを学習していく上で検討すべき課題があった．本稿では， Deep Learningの一手法である，Deep Belief Networks(DBN)を用いたCGBVS-DBN法を提案し，SVMとの性能を比較する．実験の結果，CGBVS-DBN法がCGBVS法に比べて高い性能であることを確認した．