【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、特征量计算装置、筛选方法、筛选程序及化合物创建方法
[0001]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
[0002]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,在下述专利文献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)。
[0003]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”。
[0004]以往技术文献
[0005]专利文献
[0006]专利文献1:美国专利第9373059号公报
[0007]专利文献2:日本专利第5946045号公报
[0008]专利文献3:日本专利第4564097号公报
技术实现思路
[0009]专利技术要解决的技术课题
[0010]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 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种特征量计算方法,其具有:对象结构体指定工序,指定由具有化学性质的多个单元结构体构成的对象结构体;及特征量计算工序,计算出在三维空间中对所述对象结构体的立体结构的周围的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,并且使用通过机器学习构成的生成器由所述对象结构体计算出所述特征量,所述探针为具有实数电荷且产生范德华力的多个点分开配置而成的结构体。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,指定化合物作为所述对象结构体,在所述特征量计算工序中,使用所述生成器计算出在所述三维空间中对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,指定与目标蛋白质的活性部位即口袋键合的口袋结构体作为所述对象结构体,在所述特征量计算工序中,使用所述生成器计算出在所述三维空间中对基于多个虚拟球体的所述口袋结构体的立体结构的周围的、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。4.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,指定化合物作为所述对象结构体,在所述特征量计算工序中,使用所述生成器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、水及由多个原子构成的1种类以上的离子中的1个以上作为所述探针。5.一种特征量计算程序,其使计算机执行权利要求1至4中任一项所述的特征量计算方法。6.一种记录介质,其为非临时且计算机能够读取的记录介质,在存储于所述记录介质中的指令被计算机读取的情况下,使计算机执行权利要求5所述的特征量计算程序。7.一种特征量计算装置,其具备:对象结构体指定部,指定由具有化学性质的多个单元结构体构成的对象结构体;及特征量计算部,计算出在三维空间中对所述对象结构体的立体结构的周围的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,并且使用通过机器学习构成的生成器由所述对象结构体计算出所述特征量,所述探针为具有实数电荷且产生范德华力的多个点分开配置而成的结构体。8.一种筛选方法,其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针对所述化合物的所述立体结构计算出的所述第1特征量建立关联并进行存储;
特征量计算工序,针对确认到与所述目标蛋白质的键合的化合物即配体,使用权利要求2所述的特征量计算方法计算出所述第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中提取所述目标化合物。9.一种筛选方法,其从多个化合物中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3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中提取所述目标化合物。10.一种筛选方法,其从多个化合物中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4所述的特征量计算方法针对所述化合物的所述立体结构计算出的所述第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即键合化合物,使用权利要求4所述的特征量计算方法计算出所述第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中提取所述目标化合物。11.一种筛选方法,其具...
【专利技术属性】
技术研发人员:津村享佑,中林淳,大平诗野,
申请(专利权)人:富士胶片株式会社,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。