【Live配信セミナー ７/14】立体構造情報を用いないAIによる創薬候補化合物の探索

＜セミナー　No.２０７１３３＞

【Live配信セミナー】

立体構造情報を用いない

AIによる創薬候補化合物の探索

☆ アミノ酸配列から結合予測の解析が可能！？
☆ 日本から生まれた産最新タンパク質AI構造予測！！

■講師
【第１部】九州大学 中山 敬一 氏
【第２部】SyntheticGestalt株式会社 島田 幸輝 氏
【第３部】九州工業大学大学院 倉田 博之 氏
■聴講料
１名につき６０,５００円（消費税込/資料付き）
１社２名以上同時申込の場合のみ１名につき５５,０００円（税込）
大学、公的機関、医療機関の方には割引制度があります。詳しくはお問い合わせください。
■Live配信セミナーの受講について
　お申込み前にご確認ください
・ パソコンもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
快適に視聴するには30Mbbs以上の回線が必要です。
・ Zoomを使用されたことがない方は、ミーティング用Zoomクライアントをダウンロードして下さい。ダウンロードできない方はWebブラウザ(Google Chrome、Firefox、Microsoft Edge)でも受講可能です。Zoomの視聴にあたり、クライアントおよびWebブラウザは最新版にアップデートして使用してください。
・ 質問の際など、クリアな音声で会話ができるよう、ヘッドセット（イヤホンマイク）の使用をお勧めいたします。
・ Zoomの使用方法につきましては、事前にWeb等でご確認ください。
・ 開講日の4～5日前に視聴用のURLとパスワードをメールにてご連絡申し上げます。
セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
・ 出席確認のため、視聴サイトへのログインの際にお名前、ご所属、メールアドレスをご入力ください。ご入力いただいた情報は他の受講者には表示されません。
・ 開催前日着までに、製本したセミナー資料をお申込み時にお知らせいただいた住所へお送りいたします。お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。
・ 当日は講師への質問をすることができます。
・ 本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・ 本講座はお申し込みいただいた方のみ受講いただけます。
複数端末から同時に視聴することや複数人での視聴は禁止いたします。

プログラム　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
（10:30～12:30）

【第１部】一次元情報のみからタンパク質-化合物結合を予測する 人工知能システム

「LIGHTHOUSE」による創薬革命

九州大学生体防御医学研究所細胞学部門　教授 中山 敬一 氏

【講座主旨】

我々は、低分子化合物とタンパク質の結合の根底にある隠れた原理を発見するための 深層学習アプローチであるLIGHTHOUSEを開発した。LIGHTHOUSEは、タンパク質や化学物質の 3次元構造情報がなくてもタンパク質-化合物の結合可能性を推定できる。 その結果、がん、生活習慣病、細菌感染症、COVID-19などに対する新規治療薬候補を同定した。 LIGHTHOUSEは、トランスレーショナル・メディシンのパラダイムシフトをもたらす。

【講座内容】

１．イントロダクション
　1.1医学生物学への人工知能の適用 　

　1.2がんの予後予測への応用

２．AIによる創薬革命
　2.1現行の創薬の問題点 　

　2.2AIを用いたタンパク質-化合物の結合予測システム「LIGHTHOUSE」 　

　2.3LIGHTHOUSEの実際の検証 　

　2.4COVID-19に対する治療薬を2分で探索

３．抗がん剤開発におけるプロテオミクス+LIGHTHOUSE
　3.1次世代プロテオミクスによる標的探索 　

　3.2LIGHTHOUSEによるヒット化合物の最適化

４．まとめと展望
　4.1次世代LIGHTHOUSEの開発について

【質疑応答】

◆講師略歴◆

1992年 ワシントン大学ハワードヒューズ研究所　博士研究員

1995年 日本ロシュ研究所生物学部　主幹研究員

1996年 九州大学生体防御医学研究所細胞学部門　教授

現在に至る

（13:30～15:30）

【第２部】 SyntheticGestalt社のAI創薬システムについて

SyntheticGestalt(株) 代表取締役 島田幸輝　氏

【講座主旨】

SyntheticGestaltは発明を量産する人工知能の開発を行う企業として、 従来よりも圧倒的に早く・安く・より良い化合物を取得できるシステムを開発することで、 創薬プロセスの加速化を担うことを目指している。今回の講演ではSyntheticGestaltにおける AI創薬プロセスについて、実例を組み込みつつ解説する。

【講座内容】

1.SyntheticGestaltについて 　

　1.1創業ストーリー 　

　1.2我々のミッションとビジョン

2.AI創薬市場について 　

　2.1他社事例紹介

　2.2AI創薬の課題

3.SyntheticGestaltの創薬プロセス 　

　3.1概要 　

　3.2主要モデル紹介 　

　3.3実績紹介

4.SyntheticGestaltが描く未来 　

　4.1AI創薬が実現した世界 　

　4.2人工知能が発明する世界

【質疑応答】

◆講師略歴◆

京都大学経済学部卒業後、サイバセキュリティー企業「Capy」を創業し、最高技術責任者として従事。 3000万以上のアカウントをなりすましログインから防ぎ、Microsoftイスラエルの研究所による支援プログラムに採択された。 その後、ロンドン大学にて複数の機械学習を用いたライフサイエンスの課題解決プロジェクトに参画し、 タンパク質の酵素機能予測モデルを開発、SyntheticGestalt社の基礎技術を築いた。

（15:45～17:45）

【第３部】　深層学習モデルを用いた複雑なタンパク質間相互作用(PPI)予測　

　　　　　　　　　　　　　　　　　　　　　　　　　　　-抗ウイルス薬開発加速への期待-

九州工業大学大学院情報工学研究院 倉田博之 氏 

【講座主旨】

深層学習モデルを用いて、ヒトとウイルス間のタンパク質相互作用(Human-Virus Protein-Protein Interaction (HV-PPI))を予測する。ウイルスは、ヒト（宿主）細胞表面上の特定のタンパク質に結合 し、細胞内に侵入する。侵入後ウイルスは、ヒトの転写・翻訳・ゲノム複製などに関わるタンパク質 をハイジャックしながら増殖し、ヒト細胞を死滅させる。すなわち、ヒトとウイルス間のタンパク質 相互作用が、ウイルス感染症では決定的役割を果たす。深層学習モデルを開発して、コンピュータ上 で新型コロナウイルスを含むウイルス群とヒトのタンパク質相互作用を発見し、抗ウイルス治療薬の 開発を加速する。

 【講座内容】

1.新型コロナ治療薬の開発戦略

2.深層学習によるDNA配列・タンパク質（アミノ酸配列）の解析

　2.1.ゲノム生物学 　

　2.2.配列データを解析する機械学習 　

　　・Random forest, Support vector machineなど 　

　2.3.配列データを解析する深層学習 　

　　・Convolutional Neural Network,

　　・Recurrent Neural Network (RNN), Transformer

3.アミノ酸配列のエンコード法

　3.1.物理化学、進化、構造情報に基づくエンコード

　3.2.言語学的アプローチによるエンコード

　　・Word2vec/Fasttext

　　・Bidirectional Encoder Representations from Transformers(BERT)

4.タンパク質間相互作用の予測

　4.1. Word2vecとLSTMを用いた予測 　

　4.2. Word2vec とCross Attention (Transformer Encoder)を用いた予測

5.抗コロナウイルス活性をもつペプチドの探索

　　・Word2vecを用いた機械学習

　　・Word2vecを用いた深層学習

6.ゲノム解析における言語学的アプローチの期待

【質疑応答】

◆講師略歴◆
1993－1994年 東京大学大学院 工学系研究科 化学工学専攻 助手
1994－1996年 カリフォルニア大学デービス 校植物病理学科（分子遺伝学）　
1996－2000年 東京大学大学院 工学系研究科 化学生命工学専攻 助手
2000－2006年 九州工業大学情報工学部生物化学システム工学科助教授
2006－2018年 九州工業大学大学院情報工学研究院生命情報工学研究系教授
2018－現在　 九州工業大学大学院情報工学研究院生命化学情報工学研究系教授