Masahito Ohue 研究室
主宰者:Masahito Ohue
東京工業大学
AI 要約(直近 5 年の研究成果)
Ohue研究室は、計算機を用いた薬物探索と設計の高度化に取り組んでいます。主な研究対象は、医薬品開発における構造予測、化合物の性質評価、タンパク質の相互作用解析です。これらの課題に対して、機械学習や深層学習の手法を活用し、実験を補助する計算的アプローチを展開しています。
手法の面では、言語モデルと呼ばれるニューラルネットワークを化学・生物情報に応用することが特徴です。タンパク質の配列や化合物の分子構造を数値表現に変換し、複雑な関係性をパターン認識する仕組みを構築しています。また、グラフニューラルネットワークといった構造情報を直接処理できる機械学習手法も採用しており、タンパク質相互作用予測や分子特性予測の精度向上に用いられています。さらに、分子動力学シミュレーションなどの計算科学手法と機械学習を組み合わせる研究も進めています。
主要な研究成果として、タンパク質立体構造予測モデルを活用した薬物候補化合物選別システムの改善、天然物に似た新規化合物の生成、抗体工学における配列最適化、さらには妊娠中の薬物安全性評価など、医薬品開発の多段階に対応した計算予測手法の開発が報告されています。これらの成果により、創薬プロセスの効率化と低コスト化に貢献する実用的なツールやモデルの構築を目指しています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 132 件·共通: ネットワーク・セキュリティ, ネットワーク, AI・機械学習, 機械学習 +10
- 医学Masateru Takigawa 研究室University of Tokyo Hospital論文 188 件·共通: AI・機械学習, 機械学習, 応用・計算数学, 最適化 +10
- 環境科学Sameh A. Kantoush 研究室京都大学論文 100 件·共通: AI・機械学習, 機械学習, 応用・計算数学, 機械 +9
- 医学Shinji Tanaka 研究室東京大学論文 149 件·共通: 応用数学, AI・機械学習, 機械学習, 応用・計算数学 +7
- 医学Kentaro Goto 研究室University of Tokyo Hospital論文 158 件·共通: AI・機械学習, 機械学習, 機械, 学習 +8
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
- 保健専門職Qi An 研究室東京大学論文 156 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
- 心理学Zilu Liang 研究室東京大学論文 148 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
研究成果(100 件)
- DOI: https://doi.org/10.64898/2026.03.31.26349834
- DOI: https://doi.org/10.1007/s11227-026-08232-y
- DOI: https://doi.org/10.1007/s11227-026-08233-x
- DOI: https://doi.org/10.1039/d6np00002a
- DOI: https://doi.org/10.1016/j.bbrep.2025.102110
- [2025] Benchmarking HelixFold3-Predicted Holo Structures for Relative Free Energy Perturbation CalculationsDOI: https://doi.org/10.1021/acsomega.4c11413
- DOI: https://doi.org/10.2745/dds.40.62
- DOI: https://doi.org/10.1182/blood-2025-3215
- DOI: https://doi.org/10.2142/biophysico.bppb-v22.0015
- DOI: https://doi.org/10.1021/acs.jcim.4c01634
続きを表示(残り 90 件)閉じる
- DOI: https://doi.org/10.1016/j.csbj.2025.01.022
- DOI: https://doi.org/10.1016/j.csbr.2025.100057
- DOI: https://doi.org/10.1038/s42004-025-01732-7
- [2025] ALLM-Ab: Active Learning-Driven Antibody Optimization Using Fine-Tuned Protein Language ModelsDOI: https://doi.org/10.1021/acs.jcim.5c01577
- DOI: https://doi.org/10.1016/j.alit.2025.08.004
- [2024] AIで広がる分子設計の可能性
- [2024] Beyond Rule-of-Five空間のAI分子設計
- [2024] 化学言語モデルに基づく天然物様化合物生成
- [2024] AlphaFoldで探る分子間相互作用
- [2024] 創薬情報研究の最前線
- [2024] AIによるタンパク質構造予測と創薬支援計算
- [2024] AIで広がる分子設計の可能性
- [2024] AIで広がる分子設計の可能性
- DOI: https://doi.org/10.1007/s11227-024-06860-w
- DOI: https://doi.org/10.1109/bibm62325.2024.10822666
- [2024] AIとシミュレーションが駆動する分子設計
- [2024] AlphaFold3で何ができる?
- DOI: https://doi.org/10.1007/s11227-024-06861-9
- DOI: https://doi.org/10.1109/bibm62325.2024.10822009
- [2024] AIで創薬はラクになったのか?
- DOI: https://doi.org/10.1145/3673038.3673097
- [2024] アンテナを広げて~インターネット世代の研究とSNS
- [2024] AIによるペプチドデザイン
- [2024] AIとシミュレーション計算が駆動する分子設計
- DOI: https://doi.org/10.1038/s42004-024-01155-w
- DOI: https://doi.org/10.1007/s11227-024-06006-y
- [2024] SpatialPPI: Three-dimensional space protein-protein interaction prediction with AlphaFold MultimerDOI: https://doi.org/10.1016/j.csbj.2024.03.009
- DOI: https://doi.org/10.1007/s11227-024-06007-x
- [2024] 対照学習を用いたGNNによる化合物特性予測
- [2024] 天然物ケミカルバイオロジーを加速する深層学習技術基盤
- [2024] 天然物様化合物を生成する化学言語モデルの開発
- DOI: https://doi.org/10.1007/s11227-023-05887-9
- [2024] AIで広がる分子設計の可能性
- DOI: https://doi.org/10.1038/s42004-023-01054-6
- [2023] 親和性閾値を考慮した適用領域による薬剤標的親和性予測
- [2023] AIが加速する創薬・生命科学
- [2023] AlphaFold2を活用した分子設計
- DOI: https://doi.org/10.1186/s13104-023-06505-w
- DOI: https://doi.org/10.1109/cibcb56990.2023.10264879
- DOI: https://doi.org/10.3390/ijms241713257
- [2023] AlphaFoldによるタンパク質立体構造予測(実践編)
- DOI: https://doi.org/10.3390/molecules28155652
- DOI: https://doi.org/10.1109/csce60160.2023.00349
- DOI: https://doi.org/10.1109/csce60160.2023.00350
- [2023] AIで広がる分子設計の可能性
- [2023] AIによって変わる生命科学
- DOI: https://doi.org/10.1021/acs.jcim.2c01573
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。