特征量计算方法、特征量计算程序及特征量计算装置、筛选方法、筛选程序及筛选装置、化合物创建方法、化合物创建程序及化合物创建装置制造方法及图纸

本发明专利技术提供一种能够计算出准确表示对象结构体的化学性质的特征量的特征量计算方法、特征量计算程序、特征量计算装置、能够使用特征量来有效进行医药候选化合物的筛选的筛选方法、筛选程序、筛选装置及能够使用特征量来有效创建医药候选化合物的立体结构的化合物创建方法、化合物创建程序、化合物创建装置。对象结构体的化学性质被表示为对象结构体与其周围的探针之间的相互作用的结果，因此在对象结构体彼此之间探针的聚集程度(特征量)相似是表示这些对象结构体的化学性质相似的情况。因此，通过本发明专利技术的一方式所涉及的特征量计算方法，能够计算出准确表示对象结构体的化学性质的特征量。

Characteristic quantity calculation method, characteristic quantity calculation procedure and characteristic quantity calculation device, screening method, screening procedure and screening device, compound creation method, compound creation procedure and compound creation device

【技术实现步骤摘要】
【国外来华专利技术】特征量计算方法、特征量计算程序及特征量计算装置、筛选方法、筛选程序及筛选装置、化合物创建方法、化合物创建程序及化合物创建装置
本专利技术涉及一种进行特征量的计算、化合物的筛选及化合物的立体结构的创建的方法、程序及装置，尤其涉及一种搜索医药候选化合物的技术。
技术介绍
以往，使用了计算机的药物研发中，通过准备收集数万到十万左右的现有的化合物而成的库且提供化合物的结构式来调查相对于1个目标蛋白质的键合力，搜索医药候选化合物(以下，称为“命中(hit)”)。例如，下述专利文献1中，提供化合物的结构式来预测键合力。并且，在专利文献2中，也记载有反复进行结构式的生成和键合力的预测来逐渐搜索具有所期望的键合力的化合物(反复试验)。并且，在专利文献3中，记载有使用被称为“化合物指纹(指纹识别)”的描述符来进行搜索。“描述符”是指由化合物的结构式获得的信息，“化合物指纹”表示各种官能团的有无等信息。这种描述符的特征在于“若化合物的描述符相似，则化合物的骨架相似”。以往技术文献专利文献专利文献1：美国专利第9373059号公报专利文献2：日本专利第5946045号公报专利文献3：日本专利第4564097号公报
技术实现思路
专利技术要解决的技术课题近年来，需求高的目标蛋白质变得较复杂且高难度，仅通过库的筛选难以发现命中。另一方面，化合物的理论上的数量即使限制在分子量500以下的低分子也有(10的60次方)个，当扩大至分子量1,000左右的中分子时，其数量进一步增加，若考虑有史以来所合成的化合物为(10的9次方)个左右，则仍然有可能发现命中。但是，针对这种天文数字量的化合物整体调查键合力，不仅在实验中，即使在模拟中也几乎无法进行。即使在针对一部分的化合物调查键合力的情况下，如上述专利文献1，2那样反复进行反复试验时效率也低。并且，在如专利文献3中所记载的指纹(Fingerprint)那样的现有的描述符(特征量)的情况下，即使为显示出相同药效的化合物，其特征量也并不一定相似，特征量未准确表示对象结构体的化学性质，因此使用了特征量的搜索的效率低。如此，现有的技术中，特征量未准确表示对象结构体的化学性质，因此使用了特征量的筛选及立体结构创建的效率低。本专利技术是鉴于这种情况而完成的，其目的在于，提供一种能够计算出准确表示对象结构体的化学性质的特征量的特征量计算方法、特征量计算程序及特征量计算装置。并且，本专利技术的目的在于，提供一种能够使用特征量来有效进行医药候选化合物的筛选的筛选方法、筛选程序及筛选装置。并且，本专利技术的目的在于，提供一种能够使用特征量来有效创建医药候选化合物的立体结构的化合物创建方法、化合物创建程序及化合物创建装置。用于解决技术课题的手段为了达到上述目的，本专利技术的第1方式所涉及的特征量计算方法具有：对象结构体指定工序，指定具有化学性质的由多个单元结构体构成的对象结构体；立体结构生成工序，针对对象结构体生成基于多个单元结构体的立体结构；及特征量计算工序，计算出在三维空间中对立体结构的周围的1种类以上的探针的聚集程度进行定量化而获得的特征量，探针为分开配置具有实数电荷且产生范德华力的多个点的结构体。对象结构体的化学性质被表示为对象结构体与其周围的1种类以上的探针之间的相互作用的结果，因此在对象结构体彼此之间探针的聚集程度相似是表示这些对象结构体的化学性质相似的情况。即，通过第1方式计算出的特征量相似的对象结构体显示出相似的化学性质。因此，通过第1方式，能够计算出准确表示对象结构体的化学性质的特征量。另外，在第1方式及以下的各方式中，探针可以为“具有实数电荷且产生范德华力的多个点隔开规定距离而配置的结构体”。关于第2方式所涉及的特征量计算方法，在第1方式中，在对象结构体指定工序中指定化合物作为对象结构体，在立体结构生成工序中生成基于多个原子的化合物的立体结构，在特征量计算工序中，计算出在三维空间中对立体结构生成工序中所生成的化合物的立体结构的周围的、作为探针的氨基酸的聚集程度进行定量化而获得的特征量即第1特征量。第2方式中，将第1方式中的“探针”设为氨基酸，将第1方式中的“对象结构体”设为化合物，将第1方式中的“多个单元结构体”设为多个原子。另外，对聚集程度进行定量化的氨基酸并不限于1种类，可以为键合有2种类以上的氨基酸的肽。与第1方式相同地，从局部来看，化合物的药效(对于目标蛋白质的键合力)被表示为化合物与各氨基酸之间的相互作用的结果，因此只要在化合物之间氨基酸的聚集程度为相似，则表示这些化合物与蛋白质的键合力相似。即，第2方式所涉及的特征量相似的化合物显示出相似的药效。因此，能够通过第2方式计算出准确表示化合物的化学性质的特征量。另外，第2方式中，能够将生物配体等已知对于立体结构及目标蛋白质的键合的化合物指定为对象结构体。关于第3方式所涉及的特征量计算方法，在第2方式中，还具有不变量化工序，使第1特征量针对化合物的旋转及平移不变量化来计算出第1不变量化特征量。第3方式中，使第1特征量针对化合物的旋转及平移不变量化，因此容易处理特征量并且能够减小数据容量。关于第1特征量的不变量化，能够通过傅里叶变换、相关函数的角度积分等来进行。关于第4方式所涉及的特征量计算方法，在第3方式中，在特征量计算工序中，针对2种类不同的氨基酸计算出第1特征量，并在不变量化工序中，使用针对2种类不同的氨基酸的第1特征量来计算出第1不变量化特征量。根据第4方式，能够在第1不变量化特征量的计算中，通过使用针对2种类不同的氨基酸的第1特征量来在维持氨基酸的相互作用的信息的同时进行不变量化，因此能够正确进行基于特征量(第1不变量化特征量)的化合物的比较(药效判定)。关于第5方式所涉及的特征量计算方法，在第1方式中，在对象结构体指定工序中，作为对象结构体指定与目标蛋白质的活性部位即口袋(pocket)键合的口袋结构体，且在立体结构生成工序中生成基于多个虚拟球体的口袋结构体的立体结构，并在特征量计算工序中，计算出在三维空间中对立体结构生成工序中所生成的口袋结构体的立体结构的周围的、作为探针的氨基酸的聚集程度进行定量化而获得的特征量即第2特征量。第5方式中，将第1方式中的“探针”设为氨基酸，将第1方式中的“对象结构体”设为口袋结构体，将第1方式中的“单元结构体”设为多个虚拟球体。目标蛋白质的“活性部位”是指通过口袋结构体的键合而目标蛋白质的活性被促进或者抑制的部位，能够认为“虚拟球体”具有范德华半径、电荷等化学性质。上述第2方式中，计算出对于所提供的化合物的氨基酸的聚集程度，相对于此，第5方式中，计算出对于与所提供的目标蛋白质的口袋键合的口袋结构体的氨基酸的聚集程度。与第2方式的上述内容相同地，第4方式所涉及的特征量相似的口袋结构体显示出相似的化学性质，因此能够通过第5方式计算出准确表示口袋结构体的化学性质的特征量。另外，口袋结构体对应于与目标蛋白质的口袋键合的化合物。并且，在第5方式中，能够将基于目标蛋白质的立体结构的实际测量结果、口袋本文档来自技高网...

【技术保护点】
1.一种特征量计算方法，其具有：/n对象结构体指定工序，指定具有化学性质的由多个单元结构体构成的对象结构体；/n立体结构生成工序，针对所述对象结构体生成基于所述多个单元结构体的立体结构；及/n特征量计算工序，计算出在三维空间中对所述立体结构的周围的1种类以上的探针的聚集程度进行定量化而获得的特征量，/n所述探针为分开配置有具有实数电荷且产生范德华力的多个点的结构体。/n

【技术特征摘要】
【国外来华专利技术】20171017 JP 2017-201025;20180326 JP 2018-0588491.一种特征量计算方法，其具有：
对象结构体指定工序，指定具有化学性质的由多个单元结构体构成的对象结构体；
立体结构生成工序，针对所述对象结构体生成基于所述多个单元结构体的立体结构；及
特征量计算工序，计算出在三维空间中对所述立体结构的周围的1种类以上的探针的聚集程度进行定量化而获得的特征量，
所述探针为分开配置有具有实数电荷且产生范德华力的多个点的结构体。


2.根据权利要求1所述的特征量计算方法，其中，
在所述对象结构体指定工序中，作为所述对象结构体指定化合物，
在所述立体结构生成工序中生成基于多个原子的所述化合物的立体结构，
在所述特征量计算工序中，计算出在所述三维空间中对在所述立体结构生成工序中所生成的所述化合物的所述立体结构的周围的、作为所述探针的氨基酸的聚集程度进行定量化而获得的特征量即第1特征量。


3.根据权利要求2所述的特征量计算方法，其还具有不变量化工序，使所述第1特征量针对所述化合物的旋转及平移不变量化来计算出第1不变量化特征量。


4.根据权利要求3所述的特征量计算方法，其中，
在所述特征量计算工序中，针对2种不同的氨基酸计算出所述第1特征量，
在所述不变量化工序中，使用针对所述2种不同的氨基酸的所述第1特征量来计算出所述第1不变量化特征量。


5.根据权利要求1所述的特征量计算方法，其中，
在所述对象结构体指定工序中，作为所述对象结构体指定与目标蛋白质的活性部位即口袋键合的口袋结构体，
在所述立体结构生成工序中生成基于多个虚拟球体的所述口袋结构体的立体结构，
在所述特征量计算工序中，计算出在所述三维空间中对在所述立体结构生成工序中所生成的所述口袋结构体的所述立体结构的周围的、作为所述探针的氨基酸的聚集程度进行定量化而获得的特征量即第2特征量。


6.根据权利要求5所述的特征量计算方法，其还具有不变量化工序，使所述第2特征量针对所述口袋结构体的旋转及平移不变量化而计算出第2不变量化特征量。


7.根据权利要求6所述的特征量计算方法，其中，
在所述特征量计算工序中，针对2种不同的氨基酸计算出所述第2特征量，
在所述不变量化工序中，使用针对所述2种不同的氨基酸的所述第2特征量来计算出所述第2不变量化特征量。


8.根据权利要求1所述的特征量计算方法，其中，
在所述对象结构体指定工序中，作为所述对象结构体指定化合物，
在所述立体结构生成工序中生成基于多个原子的所述化合物的立体结构，
在所述特征量计算工序中，计算出在所述三维空间中对探针的如下聚集程度进行定量化而获得的特征量即第3特征量，所述聚集程度为在所述立体结构生成工序中所生成的所述化合物的所述立体结构的周围的所述探针的聚集程度，且为将1种类以上的核酸碱基、1种类以上的脂质分子、1种类以上的单糖分子、水及1种类以上的离子中的1个以上作为所述探针的聚集程度。


9.根据权利要求8所述的特征量计算方法，其还具有不变量化工序，使所述第3特征量针对所述化合物的旋转及平移不变量化而计算出第3不变量化特征量。


10.根据权利要求9所述的特征量计算方法，其中，
在所述特征量计算工序中，针对由所述1种类以上的核酸碱基、所述1种类以上的脂质分子、所述1种类以上的单糖分子、所述水及所述1种类以上的离子中的1个以上构成的第1探针和由所述1种类以上的核酸碱基、所述1种类以上的脂质分子、所述1种类以上的单糖分子、所述水及所述1种类以上的离子中的1个以上构成且与所述第1探针不同的第2探针计算出所述第3特征量，
在所述不变量化工序中，使用针对所述第1探针的所述第3特征量和针对所述第2探针的所述第3特征量来计算出所述第3不变量化特征量。


11.根据权利要求1所述的特征量计算方法，其中，
在所述对象结构体指定工序中，作为所述对象结构体指定化合物，
在所述立体结构生成工序中生成基于多个原子的所述化合物的立体结构，
在所述特征量计算工序中，计算出在所述三维空间中对探针的如下聚集程度进行定量化而获得的特征量即第4特征量，所述聚集程度为在所述立体结构生成工序中所生成的所述化合物的所述立体结构的周围的所述探针的聚集程度，且为将1种类以上的氨基酸即第1探针及1种类以上的核酸碱基、1种类以上的脂质分子、水、1种类以上的单糖分子及1种类以上的离子中的1个以上即第2探针作为所述探针的聚集程度。


12.根据权利要求11所述的特征量计算方法，其还具有不变量化工序，使所述第4特征量针对所述化合物的旋转及平移不变量化来计算出第4不变量化特征量。


13.根据权利要求12所述的特征量计算方法，其中，
在所述特征量计算工序中，针对所述第1探针和所述第2探针中的至少一个不同的2种类的所述探针计算出所述第4特征量，
在所述不变量化工序中，使用针对所述2种类的所述探针的所述第4特征量来计算出所述第4不变量化特征量。


14.根据权利要求1所述的特征量计算方法，其中，
在所述对象结构体指定工序中，作为所述对象结构体指定化合物，
在所述立体结构生成工序中生成基于多个原子的所述化合物的立体结构，
在所述特征量计算工序中，计算出在所述三维空间中对探针的如下聚集程度进行定量化而获得的特征量即第5特征量，所述聚集程度为在所述立体结构生成工序中所生成的所述化合物的所述立体结构的周围的所述探针的聚集程度，且为将电荷为+1的第1点电荷、电荷为-1的第2点电荷、电荷为+0.1的第3点电荷、电荷为-0.1的第4点电荷、分开配置有所述第1点电荷和所述第2点电荷的偶极子及零电荷的第5点电荷中的1个以上作为所述探针的聚集程度。


15.根据权利要求14所述的特征量计算方法，其还具有不变量化工序，使所述第5特征量针对所述化合物的旋转及平移不变量化来计算出第5不变量化特征量。


16.根据权利要求15所述的特征量计算方法，其中，
在所述特征量计算工序中，针对由所述第1点电荷、所述第2点电荷、所述第3点电荷、所述第4点电荷、所述偶极子及所述第5点电荷中的1个以上构成的第1探针和由所述第1点电荷、所述第2点电荷、所述第3点电荷、所述第4点电荷、所述偶极子及所述第5点电荷中的1个以上构成且与所述第1探针不同的第2探针计算出所述第5特征量，
在所述不变量化工序中，使用针对所述第1探针的所述第5特征量和针对所述第2探针的所述第5特征量来计算出所述第5不变量化特征量。


17.根据权利要求1所述的特征量计算方法，其中，
在所述对象结构体指定工序中，作为所述对象结构体指定化合物，
在所述立体结构生成工序中生成基于多个原子的所述化合物的立体结构，
在所述特征量计算工序中，计算出在所述三维空间中对探针的如下聚集程度进行定量化而获得的特征量即第6特征量，所述聚集程度为在所述立体结构生成工序中所生成的所述化合物的所述立体结构的周围的所述探针的聚集程度，且为将1种类以上的氨基酸即第1探针和电荷为+1的第1点电荷、电荷为-1的第2点电荷、电荷为+0.1的第3点电荷、电荷为-0.1的第4点电荷、分开配置所述第1点电荷和所述第2点电荷的偶极子及零电荷的第5点电荷中的1个以上即第2探针作为所述探针的聚集程度。


18.根据权利要求17所述的特征量计算方法，其还具有不变量化工序，使所述第6特征量针对所述化合物的旋转及平移不变量化来计算出第6不变量化特征量。


19.根据权利要求18所述的特征量计算方法，其中，
在所述特征量计算工序中，针对所述第1探针和所述第2探针中的至少一个不同的2种类的所述探针计算出所述第6特征量，
在所述不变量化工序中，使用针对所述2种类的所述探针的所述第6特征量来计算出所述第6不变量化特征量。


20.根据权利要求1所述的特征量计算方法，其中，
在所述对象结构体指定工序中，作为所述对象结构体指定化合物，
在所述立体结构生成工序中生成基于多个原子的所述化合物的立体结构，
在所述特征量计算工序中，计算出在所述三维空间中对探针的如下聚集程度进行定量化而获得的特征量即第7特征量，所述聚集程度为在所述立体结构生成工序中所生成的所述化合物的所述立体结构的周围的所述探针的聚集程度，且为将1种类以上的核酸碱基、1种类以上的脂质分子、水、1种类以上的单糖分子及1种类以上的离子中的1个以上即第1探针和电荷为+1的第1点电荷、电荷为-1的第2点电荷、电荷为+0.1的第3点电荷、电荷为-0.1的第4点电荷、分开配置所述第1点电荷和所述第2点电荷的偶极子及零电荷的第5点电荷中的1个以上即第2探针作为所述探针的聚集程度。


21.根据权利要求20所述的特征量计算方法，其还具有不变量化工序，使所述第7特征量针对所述化合物的旋转及平移不变量化来计算出第7不变量化特征量。


22.根据权利要求21所述的特征量计算方法，其中，
在所述特征量计算工序中，针对所述第1探针和所述第2探针中的至少一个不同的2种类的所述探针计算出所述第7特征量，
在所述不变量化工序中，使用针对所述2种类的所述探针的所述第7特征量来计算出所述第7不变量化特征量。


23.根据权利要求1所述的特征量计算方法，其中，
在所述对象结构体指定工序中，作为所述对象结构体指定化合物，
在所述立体结构生成工序中生成基于多个原子的所述化合物的立体结构，
在所述特征量计算工序中，计算出在所述三维空间中对探针的如下聚集程度进行定量化而获得的特征量即第8特征量，所述聚集程度为在所述立体结构生成工序中所生成的所述化合物的所述立体结构的周围的所述探针的聚集程度，且为将1种类以上的氨基酸即第1探针和1种类以上的核酸碱基、1种类以上的脂质分子、水、1种类以上的单糖分子及1种类以上的离子中的1个以上即第2探针和电荷为+1的第1点电荷、电荷为-1的第2点电荷、电荷为+0.1的第3点电荷、电荷为-0.1的第4点电荷、分开配置所述第1点电荷和所述第2点电荷的偶极子及零电荷的第5点电荷中的1个以上即第3探针作为所述探针的聚集程度。


24.根据权利要求23所述的特征量计算方法，其还具有不变量化工序，使所述第8特征量针对所述化合物的旋转及平移不变量化来计算出第8不变量化特征量。


25.根据权利要求24所述的特征量计算方法，其中，
在所述特征量计算工序中，针对所述第1探针、所述第2探针及所述第3探针中的至少一个不同的2种类的所述探针计算出所述第8特征量，
在所述不变量化工序中，使用针对所述2种类的所述探针的所述第8特征量来计算出所述第8不变量化特征量。


26.一种特征量计算程序，其使计算机执行权利要求1至25中任一项所述的特征量计算方法。


27.一种特征量计算装置，其具有：
对象结构体指定部，指定具有化学性质的由多个单元结构体构成的对象结构体；
立体结构生成部，针对所述对象结构体生成基于所述多个单元结构体的立体结构；及
特征量计算部，计算出在三维空间中对所述立体结构的周围的1种类以上的探针的聚集程度进行定量化而获得的特征量，
所述探针为分开配置具有实数电荷且产生范德华力的多个点的结构体。


28.一种筛选方法，从多个化合物提取与目标蛋白质键合的目标化合物，所述筛选方法具有：
存储工序，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与使用权利要求2所述的特征量计算方法计算出的针对所述化合物的所述立体结构的所述第1特征量建立关联并进行存储；
特征量计算工序，针对作为确认到与所述目标蛋白质的键合的化合物的配体计算出所述第1特征量；
相似度计算工序，计算出针对所述多个化合物的所述第1特征量与针对所述配体的所述第1特征量的相似度；及
化合物提取工序，根据所述相似度从所述多个化合物提取所述目标化合物。


29.一种筛选方法，从多个化合物提取与目标蛋白质键合的目标化合物，所述筛选方法具有：
存储工序，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与针对所述化合物的所述立体结构的所述第1不变量化特征量建立关联并进行存储；
特征量计算工序，针对作为确认到与所述目标蛋白质的键合的化合物的配体，使用权利要求3所述的特征量计算方法计算出所述第1不变量化特征量；
相似度计算工序，计算出针对所述多个化合物的所述第1不变量化特征量与针对所述配体的所述第1不变量化特征量的相似度；及
化合物提取工序，根据所述相似度从所述多个化合物提取所述目标化合物。


30.根据权利要求28或29所述的筛选方法，其中，
在所述化合物提取工序中提取所述相似度为阈值以上的化合物。


31.根据权利要求28至30中任一项所述的筛选方法，其中，
在所述化合物提取工序中以所述相似度高到低的顺序提取化合物。


32.一种筛选方法，从多个化合物提取与目标蛋白质键合的目标化合物，所述筛选方法具有：
存储工序，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与使用权利要求2所述的特征量计算方法计算出的所述第1特征量建立关联并进行存储；
特征量计算工序，针对所述目标蛋白质的所述口袋结构体，使用权利要求5所述的特征量计算方法计算出所述第2特征量；
相似度计算工序，计算出针对所述多个化合物的所述第1特征量与针对所述口袋结构体的所述第2特征量的相似度；及
化合物提取工序，根据所述相似度从所述多个化合物提取所述目标化合物。


33.一种筛选方法，从多个化合物提取与目标蛋白质键合的目标化合物，所述筛选方法具有：
存储工序，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与使用权利要求3所述的特征量计算方法计算出的所述第1不变量化特征量建立关联并进行存储；
特征量计算工序，针对所述目标蛋白质的口袋结构体，使用权利要求6所述的特征量计算方法计算出所述第2不变量化特征量；
相似度计算工序，计算出针对所述多个化合物的所述第1不变量化特征量与针对所述口袋结构体的所述第2不变量化特征量的相似度；及
化合物提取工序，根据所述相似度从所述多个化合物提取所述目标化合物。


34.根据权利要求32或33所述的筛选方法，其中，
在所述化合物提取工序中提取所述相似度为阈值以上的化合物。


35.根据权利要求32至34中任一项所述的筛选方法，其中，
在所述化合物提取工序中以所述相似度高到低的顺序提取化合物。


36.一种筛选方法，从多个化合物提取与除了蛋白质以外的目标生物高分子键合的目标化合物，所述筛选方法具有：
存储工序，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与使用权利要求8所述的特征量计算方法计算出的针对所述化合物的所述立体结构的所述第3特征量建立关联并进行存储；
特征量计算工序，针对作为确认到与除了所述蛋白质以外的所述目标生物高分子键合的化合物的键合化合物计算出所述第3特征量；
相似度计算工序，计算出针对所述多个化合物的所述第3特征量与针对所述键合化合物的所述第3特征量的相似度；及
化合物提取工序，根据所述相似度从所述多个化合物提取所述目标化合物。


37.一种筛选方法，从多个化合物提取与目标生物高分子键合的目标化合物，所述筛选方法具有：
存储工序，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与使用权利要求11所述的特征量计算方法计算出的针对所述化合物的所述立体结构的所述第4特征量建立关联并进行存储；
特征量计算工序，针对作为确认到与所述目标生物高分子的键合的化合物的键合化合物计算出所述第4特征量；
相似度计算工序，计算出针对所述多个化合物的所述第4特征量与针对所述键合化合物的所述第4特征量的相似度；及
化合物提取工序，根据所述相似度从所述多个化合物提取所述目标化合物。


38.一种筛选方法，从多个化合物提取与目标生物高分子键合的目标化合物，所述筛选方法具有：
存储工序，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与使用权利要求14所述的特征量计算方法计算出的针对所述化合物的所述立体结构的所述第5特征量建立关联并进行存储；
特征量计算工序，针对作为确认到与所述目标生物高分子的键合的化合物的键合化合物计算出所述第5特征量；
相似度计算工序，计算出针对所述多个化合物的所述第5特征量与针对所述键合化合物的所述第5特征量的相似度；及
化合物提取工序，根据所述相似度从所述多个化合物提取所述目标化合物。


39.一种筛选方法，从多个化合物提取与目标生物高分子键合的目标化合物，所述筛选方法具有：
存储工序，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与使用权利要求17所述的特征量计算方法计算出的针对所述化合物的所述立体结构的所述第6特征量建立关联并进行存储；
特征量计算工序，针对作为确认到与所述目标生物高分子的键合的化合物的键合化合物计算出所述第6特征量；
相似度计算工序，计算出针对所述多个化合物的所述第6特征量与针对所述键合化合物的所述第6特征量的相似度；及
化合物提取工序，根据所述相似度从所述多个化合物提取所述目标化合物。


40.一种筛选方法，从多个化合物提取与目标生物高分子键合的目标化合物，所述筛选方法具有：
存储工序，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与使用权利要求20所述的特征量计算方法计算出的针对所述化合物的所述立体结构的所述第7特征量建立关联并进行存储；
特征量计算工序，针对作为确认到与所述目标生物高分子的键合的化合物的键合化合物计算出所述第7特征量；
相似度计算工序，计算出针对所述多个化合物的所述第7特征量与针对所述键合化合物的所述第7特征量的相似度；及
化合物提取工序，根据所述相似度从所述多个化合物提取所述目标化合物。


41.一种筛选方法，从多个化合物提取与目标生物高分子键合的目标化合物，所述筛选方法具有：
存储工序，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与使用权利要求23所述的特征量计算方法计算出的针对所述化合物的所述立体结构的所述第8特征量建立关联并进行存储；
特征量计算工序，针对作为确认到与所述目标生物高分子的键合的化合物的键合化合物计算出所述第8特征量；
相似度计算工序，计算出针对所述多个化合物的所述第8特征量与针对所述键合化合物的所述第8特征量的相似度；及
化合物提取工序，根据所述相似度从所述多个化合物提取所述目标化合物。


42.一种筛选程序，其使计算机执行权利要求28至41中任一项所述的筛选方法。


43.一种筛选装置，从多个化合物提取与目标蛋白质键合的目标化合物，所述筛选装置具备：
存储部，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与使用权利要求2所述的特征量计算方法计算出的针对所述化合物的所述立体结构的所述第1特征量建立关联并进行存储；
特征量计算部，针对作为确认到与目标蛋白质的键合的化合物的配体计算出所述第1特征量；
相似度计算部，计算出针对所述多个化合物的所述第1特征量与针对所述配体的所述第1特征量的相似度；及
化合物提取部，根据所述相似度从所述多个化合物提取所述目标化合物。


44.一种筛选装置，从多个化合物提取与目标蛋白质键合的目标化合物，所述筛选装置具备：
存储部，针对所述多个化合物的每一个，将基于多个原子的化合物的立体结构与针对所述化合物的所述立体结构的所述第1不变量化特征量建立关联并进行存储；
特征量计算部，针对作为确认到与所述目标蛋白质的键合的化合物的配体，使用权利要求3所述的特征量计算方法计算出所述第1不变量化特征量；
相似度计算部，计算出针对所述多个化合物的所述第1不变量化特征量与针对所述配体的所述第1不变量化特征量的相似度；及
化合物提取部，根据所述相似度从所述多个化合物提取所述目标化合物。


45.根据权利要求43或44所述的筛选装置，其中，
所述化合物提取部提取所述相似度为阈值以上的化合物。


46.根据权利要求43至45中任一项所述的筛选装置，其中，...

【专利技术属性】
技术研发人员：津村享佑，大平诗野，中林淳，武井瑞希，
申请(专利权)人：富士胶片株式会社，
类型：发明
国别省市：日本;JP