- EN
- JP
BPBI
MM-PBSAを用いた自由エネルギー計算の際、初期ドッキングポーズを機械学習で適切に選択することで、高速化する
MM-PBSAを用いた自由エネルギー計算の際、初期ドッキングポーズを機械学習で適切に選択することで、高速化する
BPBI（Binding pose prediction by best arm identification）
津田 宏治（東京大学大学院 新領域創成科学研究科 教授）
寺山 慧 (理化学研究所 革新知能統合研究センター）
MM-PBSAを用いた自由エネルギー計算の際、初期ドッキングポーズを機械学習で適切に選択することで、高速化する。
自由エネルギー計算を高速化できると、バーチャルスクリーニングの高速化につながり、創薬過程を加速できる。
【参考文献】
[1] K. Terayama, H. Iwata, M. Araki, Y. Okuno, K. Tsuda, "Machine Learning Accelerates MD-based Binding-Pose Prediction between Ligands and Proteins", Bioinformatics, 2017.
CDK2などのタンパク質に対する自由エネルギー計算(参考文献[1])
www.github.com/tsudalab/bpbi
www.github.com/tsudalab/bpbi
津田 宏治(tsuda@k.u-tokyo.ac.jp)