ライフ インテリジェンス コンソーシアム（Life Intelligence Consortium；LINC）

Protein Data Bankに登録されているタンパク質の立体構造をAIに学習させ、従来のホモロジーモデリングの手法と併せて、X線結晶構造解析やクライオ電顕などの低分解能実験データから確度の高い立体構造を決定するシステムを構築し、得られた立体構造をもとに化合物結合部位や熱安定性の予測にも取り組む。

ドッキング計算とは、主に小分子をタンパク質構造に結合させ、結合様式や結合力を推定するシミュレーション技術である。本プロジェクトでは、標的タンパク質と薬剤候補分子のドッキング計算における結合様式の正誤予測、仮想スクリーニングの高精度化を目的とした機械学習モデルの開発を目指している。これにより、研究開発初期における薬剤候補分子の探索が効率よく実施でき、新薬開発の成功確率の向上につながることが期待される。

近年、合理的薬物設計の精度を高めるために、分子動力学（MD）が多用されている。しかし、膨大な出力データが原因で、解析に全てのデータが使われていない、データ解析者の主観に依存する、といった課題がある。本プロジェクトでは、MDトラジェクトリを網羅的かつ客観的に解析するAIツールを開発する。本ツールにより、医薬品候補化合物のターゲット分子に対する結合プロファイル（結合様式、親和性、結合キネティクス、作用機序など）を高精度で予測することが期待できる。

創薬研究において実施される分子動力学シミュレーションやインシリコスクリーニング等では分子力場と呼ばれるパラメータが一般に用いられ、それらの計算精度は用いる分子力場の精度に大きく依存する。本プロジェクトでは、タンパク質に代表される生体高分子、医薬低分子化合物、それらの周囲に存在する水を対象とし、機械学習を用いて高精度な分子力場を構築することを目指す。これにより、確度の高い化合物設計が可能となり、創薬の成功確率の向上につながることが期待される。