計算科学による創薬支援

各種in silicoスクリーニング、シミュレーションによる検証、化合物データベース整理、最適なソフトウェア・システム導入など、優れた費用対効果でトータルに創薬研究をサポートします。


こんな課題を解決します

  • タンパク質の立体構造から、活性部位に結合する化合物をデザインしたい
  • 手持ちのリガンドを元に、より活性の高い化合物を見つけたい
  • スクリーニングで見つけたリガンドの標的タンパク質を予測したい

4つのin silico手法で創薬を支援

計算に必要な条件・データなど 計算手法と結果の特徴 新規骨格 計算時間 標的予測
SBVS
ドッキングシミュレーション
・標的タンパク質の立体構造
・既知化合物との共結晶構造が望ましい
・類縁構造が既知の場合、ホモロジーモデリングで準備可能
・標的タンパク質のポケットと化合物の結合様式をシミュレートする
・新規構造の化合物の探索に有効
PBVSファーマコフォアベース法 ・リガンドベース構築の場合: 既知活性化合物の情報(数個程度)
・構造ベース構築の場合: 標的タンパク質とリガンドの共結晶構造 (PDB)
・活性化合物からファーマコフォアモデルを作成して候補化合物を絞り込む
・複合体構造情報からファーマコフォアモデルを作成することも可能
LBVS
類似化合物探索法(QSAR等を含む)
・既知活性化合物の情報(数個〜)
・標的タンパク質が明確でない場合も有効
・既知活性化合物に対する類似性を指標として化合物を探索する
・既知構造の周辺化合物の探索に有効
・新規構造の化合物の探索には不向き
CGBVS
相互作用マシンラーニング法
・標的タンパク質の一次配列情報
・既知活性、不活性化合物の情報
例)IC50<30μMのリガンドデータ100個
・予測モデル作成に学習用活性データセットが必要
・膨大な既知データの機械学習によるパターン認識に基づいて相互作用を予測する
・標的タンパク質の周辺(類縁)タンパク質の既知活性情報も有効に活用できる

ドッキングシミュレーション法(SBVS)

標的タンパク質の立体構造モデルを用いて、活性ポケットに結合する化合物を探索します。

ドッキングシミュレーション法

ファーマコフォアベース法(PBVS)

リガンドの官能基特性(電荷、水素結合のドナー/アクセプタ、疎水性領域、芳香環など)を元にして三次元モデル(ファーマコフォアモデル)を構築し、新規化合物探索に用います。 モデルの構築には、既知の活性化合物の高精度アライメント(リガンドベース)またはタンパク質立体構造との複合体の活性コンフォメーションの利用(構造ベース)、いずれかの方法を用います。

リガンドベースのファーマコフォアモデル
リガンドベースのファーマコフォアモデル
構造ベースのファーマコフォアモデル
構造ベースのファーマコフォアモデル

類似化合物探索法(LBVS)

分子構造や物性に基づいて、既知の活性化合物に類似する化合物を探索します。

類似化合物探索法

相互作用マシンラーニング法(CGBVS)

低分子化合物を分子量や極性、分配係数、各種官能基の数など3000〜4000次元の行列で、タンパク質のアミノ酸配列も行列で表して、既知の相互作用がある組み合わせに共通するパターンを機械学習します。この学習結果を用いて、新規の化合物についての相互作用予測や、標的タンパク質の予測を行います。

相互作用マシンラーニング法


最適な手法は?

基本的には、下記のチャートのように判断ができます。ご不明な点は、ぜひご相談ください。

in silico創薬フローチャート


価格

都度お見積りいたしますので、ご要望の解析の詳細情報とともにお問い合わせください。

シェア