Life Sciences
遺伝子情報の機械学習による分類
遠藤 俊徳
教授
Toshinori Endo
博士(理学)
細胞の受容体と化合物の結合予測
細胞の表面の様々な受容体は恒常性の維持や環境応答に重要な役割を果たしていますが、結合しうる化合物を明らかにするのは難しいとされています。機械学習によって結合化合物の候補を絞る方法を提案しています。
研究の内容
ヒトゲノムが解読され、遺伝子の多くが解明されつつありますが、恒常性維持や環境応答に重要な役割を果たす受容体は、多くが膜タンパク質であり発現量も少ないことなどから、構造や機能の解明がなかなか進んでいません。一方、受容体の多くはその機能的な側面から、これからの創薬の主要ターゲットと期待されており、個人差を生み出す要因であると考えられます。受容体に結合しうる化合物を効率よく絞り込むため、機械学習技術を応用しています。
社会実装への可能性
- ・味覚・嗅覚の個体差予測
- ・薬効や副作用の個体差予測
産業界や自治体等へのアピールポイント
個人情報保護の観点から、個人特定可能なデータへの適用は遵法対応が必要になりますが、公開ゲノム多様性データベースを利用することで、応用範囲が広がります。
動物への応用も可能です。