2024/04/28 更新

写真a

ヤマニシ ヨシヒロ
山西 芳裕
YAMANISHI Yoshihiro
所属
大学院情報学研究科 複雑系科学専攻 生命情報論 教授
大学院担当
大学院情報学研究科
学部担当
情報学部 自然情報学科
職名
教授
プロフィール
バイオインフォマティクス、ケモインフォマティクス、機械学習、AI創薬、AI医療の研究をしています。
外部リンク

学位 1

  1. 博士(理学) ( 2005年3月   京都大学 ) 

研究キーワード 12

  1. 遺伝子ネットワーク

  2. 統計学

  3. 機械学習

  4. 標的分子

  5. 化学反応

  6. 代謝パスウェイ

  7. バイオインフォマティクス

  8. ドラッグリポジショニング

  9. システム生物学

  10. ケモインフォマティクス

  11. カーネル法

  12. インシリコ創薬

研究分野 3

  1. ライフサイエンス / 薬系化学、創薬科学

  2. 情報通信 / 統計科学

  3. 情報通信 / 生命、健康、医療情報学

経歴 9

  1. 名古屋大学   大学院情報学研究科 複雑系科学専攻 生命情報論講座   教授

    2023年4月 - 現在

      詳細を見る

    国名:日本国

  2. 九州工業大学   大学院情報工学研究院 生命化学情報工学研究系   教授

    2018年6月 - 2023年3月

  3. 科学技術振興機構   さきがけ研究者(兼任)

    2015年10月 - 2019年3月

  4. 九州大学   生体防御医学研究所・高等研究院   准教授

    2012年3月 - 2018年5月

  5. キュリー研究所   バイオインフォマティクスユニット   常勤研究員(Principal Investigator)

    2008年1月 - 2012年2月

  6. パリ国立高等鉱業学校   バイオインフォマティクスセンター   常勤研究員(Principal Investigator)

    2008年1月 - 2012年2月

  7. 京都大学   化学研究所   特任助手・特任助教

    2006年4月 - 2007年12月

  8. パリ国立高等鉱業学校   バイオインフォマティクスセンター   ポスドク

    2005年4月 - 2006年3月

  9. 日本学術振興会   特別研究員(DC2)

    2004年4月 - 2005年3月

▼全件表示

所属学協会 7

  1. 日本毒性学会

    2021年7月 - 現在

  2. 日本計算機統計学会

  3. 日本化学会ケモインフォマティクス部会

  4. 日本メディカルAI学会

  5. 日本バイオインフォマティクス学会

  6. 情報計算化学生物学会

  7. International Society for Computational Biology (ISCB)

▼全件表示

委員歴 13

  1. Artificial Intelligence in the Life Sciences   Editorial Board  

    2024年2月 - 現在   

      詳細を見る

    団体区分:学協会

  2. 国際計算生物学会   理事  

    2024年1月 - 2026年12月   

      詳細を見る

    団体区分:学協会

  3. Bioinformatics Advances   編集委員  

    2023年8月 - 2026年7月   

      詳細を見る

    団体区分:学協会

  4. 日本バイオインフォマティクス学会   会長  

    2023年4月 - 現在   

      詳細を見る

    団体区分:学協会

  5. 日本バイオインフォマティクス学会   副会長  

    2021年4月 - 2023年3月   

      詳細を見る

    団体区分:学協会

  6. 日本化学会ケモインフォマティクス部会 幹事  

    2018年4月 - 2023年3月   

      詳細を見る

    団体区分:学協会

  7. 日本バイオインフォマティクス学会 幹事  

    2018年 - 現在   

      詳細を見る

    団体区分:学協会

  8. 日本メディカルAI学会 評議員  

    2018年 - 現在   

      詳細を見る

    団体区分:学協会

  9. Molecular Informatics 編集委員  

    2017年 - 現在   

      詳細を見る

    団体区分:学協会

  10. Genes & Genetic Systems 編集委員  

    2016年 - 現在   

      詳細を見る

    団体区分:学協会

  11. 日本バイオインフォマティクス学会 理事  

    2016年 - 2018年   

      詳細を見る

    団体区分:学協会

  12. BioMed International 編集委員  

    2014年12月 - 2018年8月   

      詳細を見る

    団体区分:学協会

  13. PLoS ONE 編集委員  

    2013年 - 現在   

      詳細を見る

    団体区分:学協会

▼全件表示

受賞 11

  1. 日本薬学会第144年会 学生優秀発表賞(口頭発表)

    2024年4月   日本薬学会第144年会   細胞形態画像から医薬品候補化合物の標的分子を予測する機械学習手法の開発

    石原慎也, 岩田通夫, 林広夢, 濱野桃子, 霜古田一優, 木谷晃広, 吹田直政, 山西芳裕

     詳細を見る

    受賞区分:国内学会・会議・シンポジウム等の賞  受賞国:日本国

  2. 日本薬学会第144年会 学生優秀発表賞(ポスター発表)

    2024年4月   日本薬学会 第144年会   機械学習による薬剤標的分子予測と薬剤組み合わせ効果の検討

    亀淵由乃, 難波里子, 関谷拓海, 大谷則子, 岩田通夫, 山西芳裕

     詳細を見る

    受賞区分:国内学会・会議・シンポジウム等の賞  受賞国:日本国

  3. AAAI2024 outstanding paper award

    2024年2月   The 38th Annual AAAI Conference on Artificial Intelligence (AAAI2024)   GxVAEs: Two Joint VAEs Generate Hit Molecules from Gene Expression Profiles

    Li, C. and Yamanishi, Y.

     詳細を見る

    受賞区分:国際学会・会議・シンポジウム等の賞 

  4. 第46回ケモインフォマティクス討論会「優秀講演賞」

    2023年11月   第46回ケモインフォマティクス討論会   深層学習モデルによる所望の特性を持つ合成可能な化学構造の生成

    髙田慎之助, 海東和麻, 津田宏治, 山西芳裕

  5. 情報計算化学生物学会2023年大会「口頭発表賞」

    2023年10月   情報計算化学生物学会2023年大会   Transformer Encoder-based Generative Adversarial Network for Design of Polypharmacological Drugs

    安田花純、李晨、海東和麻, 山西芳裕

  6. 情報計算化学生物学会2023年大会「口頭発表賞」

    2023年10月   情報計算化学生物学会2023年大会   De novo inhibitor and activator design from gene expression profiles via deep learning and Bayesian optimization

    松清優樹、山中知茂, 山西芳裕

  7. 第12回生命医薬情報学連合大会「優秀ポスター賞」

    2023年9月   第12回生命医薬情報学連合大会   GWASとTWASの融合による希少疾患に対する治療標的分子の予測

    難波里子、岩田通夫、山西芳裕

  8. 第12回生命医薬情報学連合大会「最優秀ポスター賞」

    2023年9月   第12回生命医薬情報学連合大会   シングルセルレベルの細胞変換過程を考慮したダイレクトリプログラミング誘導化合物の予測

    伊藤緑風,濱野桃子, 山西芳裕

  9. 「田邊賞」

    2021年7月   日本毒性学会  

    山西芳裕

     詳細を見る

    受賞区分:国内学会・会議・シンポジウム等の賞 

  10. 文部科学大臣表彰「若手科学者賞」

    2014年4月   文部科学省  

    山西芳裕

  11. 京都大学化学研究所「所長賞」奨励賞

    2003年12月   京都大学化学研究所  

    山西芳裕

▼全件表示

 

論文 133

  1. DIRECTEUR: transcriptome-based prediction of small molecules that replace transcription factors for direct cell conversion 査読有り

    Hamano, M; Nakamura, T; Ito, R; Shimada, Y; Iwata, M; Takeshita, J; Eguchi, R; Yamanishi, Y

    BIOINFORMATICS   40 巻 ( 2 ) 頁: btae048 - btae048   2024年2月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Direct reprogramming (DR) is a process that directly converts somatic cells to target cells. Although DR via small molecules is safer than using transcription factors (TFs) in terms of avoidance of tumorigenic risk, the determination of DR-inducing small molecules is challenging. Results: Here we present a novel in silico method, DIRECTEUR, to predict small molecules that replace TFs for DR. We extracted DR-characteristic genes using transcriptome profiles of cells in which DR was induced by TFs, and performed a variant of simulated annealing to explore small molecule combinations with similar gene expression patterns with DR-inducing TFs. We applied DIRECTEUR to predicting combinations of small molecules that convert fibroblasts into neurons or cardiomyocytes, and were able to reproduce experimentally verified and functionally related molecules inducing the corresponding conversions. The proposed method is expected to be useful for practical applications in regenerative medicine.

    DOI: 10.1093/bioinformatics/btae048

    DOI: 10.1093/bioinformatics/btae048

    Web of Science

    Scopus

    PubMed

  2. Network-based identification of diagnosis-specific trans-omic biomarkers via integration of multiple omics data 査読有り 国際共著

    Rashid M.M., Hamano M., Iida M., Iwata M., Ko T., Nomura S., Komuro I., Yamanishi Y.

    BioSystems   236 巻   頁: 105122 - 105122   2024年1月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:BioSystems  

    The integration of multiple omics data promises to reveal new insights into the pathogenic mechanisms of complex human diseases, with the potential to identify avenues for the development of targeted therapies for disease subtypes. However, the extraction of diagnostic/disease-specific biomarkers from multiple omics data with biological pathway knowledge is a challenging issue in precision medicine. In this paper, we present a novel computational method to identify diagnosis-specific trans-omic biomarkers from multiple omics data. In the algorithm, we integrated multi-class sparse canonical correlation analysis (MSCCA) and molecular pathway analysis in order to derive discriminative molecular features that are correlated across different omics layers. We applied our proposed method to analyzing proteome and metabolome data of heart failure (HF), and extracted trans-omic biomarkers for HF subtypes; specifically, ischemic cardiomyopathy (ICM) and dilated cardiomyopathy (DCM). We were able to detect not only individual proteins that were previously reported from single-omics studies but also correlated protein–metabolite pairs characteristic of HF disease subtypes. For example, we identified hexokinase1(HK1)–D-fructose-6-phosphate as a paired trans-omic biomarker for DCM, which could significantly perturb amino-sugar metabolism. Our proposed method is expected to be useful for various applications in precision medicine.

    DOI: 10.1016/j.biosystems.2024.105122

    DOI: 10.1016/j.biosystems.2024.105122

    Scopus

    PubMed

  3. Automatic generation of functional peptides with desired bioactivity and membrane permeability using Bayesian optimization. 査読有り

    Fukunaga I, Matsukiyo Y, Kaitoh K, Yamanishi Y

    Molecular informatics   43 巻   頁: e202300148 - e202300148   2024年1月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.1002/minf.202300148

    DOI: 10.1002/minf.202300148

    PubMed

  4. EarlGAN: An enhanced actor-critic reinforcement learning agent-driven GAN for de novo drug design 査読有り

    Tang, HD; Li, C; Jiang, S; Yu, HC; Kamei, S; Yamanishi, Y; Morimoto, Y

    PATTERN RECOGNITION LETTERS   175 巻 ( 4 ) 頁: 45 - 51   2023年11月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Pattern Recognition Letters  

    Deep generative models, such as Generative Adversarial Networks (GANs), have attracted the attention of researchers in the denovo drug design field. However, traditional GANs are typically used for image processing. Therefore, they are unsuitable for Simplified Molecular-Input Line-Entry System (SMILES) strings due to their discrete nature. Previous studies addressed this problem by combining Reinforcement Learning (RL) approaches with Monte Carlo tree search. However, for large chemical datasets, the molecule generation process is time-consuming due to the lengthy atom-by-atom sampling process with cumulative reward, an essence of the Monte Carlo tree search-based RL approaches. To address this problem, we propose an enhanced actor–critic RL agent-driven GAN, called EarlGAN, for denovo drug design. Specifically, EarlGAN's generator acts as an actor to generate SMILES strings, and the discriminator acts as a critic to perform discrimination. EarlGAN makes autoregressive predictions at the atomic level. While the generator is based on previously generated atoms, the discriminator discriminates using a bidirectional pass over the atoms, including the current atom that is being predicted. We integrate moment, global-level discrimination rewards, and information entropy maximization. The moment rewards reduce the computation time, and the global-level rewards ensure the consistency of the molecule, whereas the information entropy maximization leads to a more diverse sample generation. Experiments and ablation studies verify the effectiveness of EarlGAN for denovo drug design on the QM9 and ZINC datasets. In addition, the visualization analysis provides insight into EarlGAN and supports our conclusion.

    DOI: 10.1016/j.patrec.2023.10.001

    Web of Science

    Scopus

  5. Myocardial DNA Damage Predicts Heart Failure Outcome in Various Underlying Diseases 査読有り

    Dai Z., Ko T., Fujita K., Nomura S., Uemura Y., Onoue K., Hamano M., Katoh M., Yamada S., Katagiri M., Zhang B., Hatsuse S., Yamada T., Inoue S., Kubota M., Sawami K., Heryed T., Ito M., Amiya E., Hatano M., Takeda N., Morita H., Yamanishi Y., Saito Y., Komuro I.

    JACC: Heart Failure   S2213-1779 巻 ( 23 ) 頁: 00680 - 00687   2023年10月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:JACC: Heart Failure  

    Background: Reliable predictors of treatment efficacy in heart failure have been long awaited. DNA damage has been implicated as a cause of heart failure. Objectives: The purpose of this study was to investigate the association of DNA damage in myocardial tissue with treatment response and prognosis of heart failure. Methods: The authors performed immunostaining of DNA damage markers poly(ADP-ribose) (PAR) and γ-H2A.X in endomyocardial biopsy specimens from 175 patients with heart failure with reduced ejection fraction (HFrEF) of various underlying etiologies. They calculated the percentage of nuclei positive for each DNA damage marker (%PAR and %γ-H2A.X). The primary outcome was left ventricular reverse remodeling (LVRR) at 1 year, and the secondary outcome was a composite of cardiovascular death, heart transplantation, and ventricular assist device implantation. Results: Patients who did not achieve LVRR after the optimization of medical therapies presented with significantly higher %PAR and %γ-H2A.X. The ROC analysis demonstrated good performance of both %PAR and %γ-H2A.X for predicting LVRR (AUCs: 0.867 and 0.855, respectively). There was a negative correlation between the mean proportion of DNA damage marker–positive nuclei and the probability of LVRR across different underlying diseases. In addition, patients with higher %PAR or %γ-H2A.X had more long-term clinical events (PAR HR: 1.63 [95% CI: 1.31-2.01; P < 0.001]; γ-H2A.X HR: 1.48 [95% CI: 1.27-1.72; P < 0.001]). Conclusions: DNA damage determines the consequences of human heart failure. Assessment of DNA damage is useful to predict treatment efficacy and prognosis of heart failure patients with various underlying etiologies.

    DOI: 10.1016/j.jchf.2023.09.027

    DOI: 10.1016/j.jchf.2023.09.027

    Scopus

    PubMed

  6. A community effort in SARS-CoV-2 drug discovery 査読有り 国際共著

    Schimunek J, Seidl P, Elez K, Hempel T, Le T, Noé F, Olsson S, Raich L, Winter R, Gokcan H, Gusev F, Gutkin EM, Isayev O, Kurnikova MG, Narangoda CH, Zubatyuk R, Bosko IP, Furs KV, Karpenko AD, Kornoushenko YV, Shuldau M, Yushkevich A, Benabderrahmane MB, Bousquet-Melou P, Bureau R, Charton B, Cirou BC, Gil G, Allen WJ, Sirimulla S, Watowich S, Antonopoulos NA, Epitropakis NE, Krasoulis AK, Pitsikalis VP, Theodorakis ST, Kozlovskii I, Maliutin A, Medvedev A, Popov P, Zaretckii M, Eghbal-Zadeh H, Halmich C, Hochreiter S, Mayr A, Ruch P, Widrich M, Berenger F, Kumar A, Yamanishi, Y., Zhang KYJ, Bengio E, Bengio Y, Jain MJ, Korablyov M, Liu CH, Marcou G, Glaab E, Barnsley K, Iyengar SM, Ondrechen MJ, Haupt VJ, Kaiser F, Schroeder M, Pugliese L, Albani S, Athanasiou C, Beccari A, Carloni P, D'Arrigo G, Gianquinto E, Goßen J, Hanke A, Joseph BP, Kokh DB, Kovachka S, Manelfi C, Mukherjee G, Muñiz-Chicharro A, Musiani F, Nunes-Alves A, Paiardi G, Rossetti G, Sadiq SK, Spyrakis F, Talarico C, Tsengenes A, Wade RC, Copeland C, Gaiser J, Olson DR, Roy A, Venkatraman V, Wheeler TJ, Arthanari H, Blaschitz K, Cespugli M, Durmaz V, Fackeldey K, Fischer PD, Gorgulla C, Gruber C, Gruber K, Hetmann M., Kinney, JE, Padmanabha Das, KM, Pandita, S, Singh, A, Steinkellner, G, Tesseyre, G, Wagner, G, Wang Z, Yust RJ, Druzhilovskiy, DS, Filimonov, DA, Pogodin, PV, Poroikov, V, Rudik, AV, Stolbov, LA, Veselovsky, AV, De Rosa, M, De Simone, G, Gulotta, MR, Lombino, J, Mekni, N, Perricone, U, Casini, A, Embree, A, Gordon DB, Lei, D, Pratt, K, Voigt, CA, Chen, K-Y, Jacob, Y, Krischuns, T, Lafaye, P, Zettor, A, Rodríguez, ML, White, KM, Fearon, D, Von Delft, F, Walsh, MA, Horvath, D, Brooks, CL III, Falsafi, B, Ford, B, García-Sastre, A, Lee, SY, Naffakh, N, Varnek, A, Klambauer, G, and Hermans, TM

    Molecular Informatics   43 巻 ( 1 ) 頁: e202300262 - e202300262   2023年10月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.1002/minf.202300262

    DOI: 10.1002/minf.202300262

  7. De Novo Generation of Chemical Structures of Inhibitor and Activator Candidates for Therapeutic Target Proteins by a Transformer-Based Variational Autoencoder and Bayesian Optimization. 査読有り

    Matsukiyo Y, Yamanaka C, Yamanishi Y

    Journal of chemical information and modeling     2023年9月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.1021/acs.jcim.3c00824

    PubMed

  8. Elucidating disease-associated mechanisms triggered by pollutants via the epigenetic landscape using large-scale ChIP-Seq data. 査読有り

    Zou Z, Yoshimura Y, Yamanishi Y, Oki S

    Epigenetics & chromatin   16 巻 ( 1 ) 頁: 34 - 34   2023年9月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.1186/s13072-023-00510-w

    DOI: 10.1186/s13072-023-00510-w

    PubMed

  9. SpotGAN: A Reverse-Transformer GAN Generates Scaffold-Constrained Molecules with Property Optimization. 査読有り

    Chen Li, Yoshihiro Yamanishi

    Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD 2023)     頁: 323 - 338   2023年9月

     詳細を見る

    担当区分:最終著者   記述言語:英語   掲載種別:研究論文(国際会議プロシーディングス)  

    DOI: 10.1007/978-3-031-43412-9_19

    その他リンク: https://dblp.uni-trier.de/db/conf/pkdd/pkdd2023-1.html#LiY23

  10. Design and structural optimization of thiadiazole derivatives with potent GLS1 inhibitory activity 査読有り 国際誌

    Okada Takuya, Yamabe Kaho, Jo Michiko, Sakajiri Yuko, Shibata Tomokazu, Sawada Ryusuke, Yamanishi Yoshihiro, Kanayama Daisuke, Mori Hisashi, Mizuguchi Mineyuki, Obita Takayuki, Nabeshima Yuko, Koizumi Keiichi, Toyooka Naoki

    BIOORGANIC & MEDICINAL CHEMISTRY LETTERS   93 巻   頁: 129438 - 129438   2023年9月

     詳細を見る

    担当区分:責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioorganic and Medicinal Chemistry Letters  

    GLS1 is an attractive target not only as anticancer agents but also as candidates for various potential pharmaceutical applications such as anti-aging and anti-obesity treatments. We performed docking simulations based on the complex crystal structure of GLS1 and its inhibitor CB-839 and found that compound A bearing a thiadiazole skeleton exhibits GLS1 inhibition. Furthermore, we synthesized 27 thiadiazole derivatives in an effort to obtain a more potent GLS1 inhibitor. Among the synthesized derivatives, 4d showed more potent GLS1 inhibitory activity (IC50 of 46.7 µM) than known GLS1 inhibitor DON and A. Therefore, 4d is a very promising novel GLS1 inhibitor.

    DOI: 10.1016/j.bmcl.2023.129438

    DOI: 10.1016/j.bmcl.2023.129438

    Web of Science

    Scopus

    PubMed

  11. De novo drug design based on patient gene expression profiles via deep learning 査読有り 国際誌

    Yamanaka Chikashige, Uki Shunya, Kaitoh Kazuma, Iwata Michio, Yamanishi Yoshihiro

    MOLECULAR INFORMATICS   42 巻 ( 8-9 ) 頁: e2300064   2023年8月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Molecular Informatics  

    Computational de novo drug design is a challenging issue in medicine, and it is desirable to consider all of the relevant information of the biological systems in a disease state. Here, we propose a novel computational method to generate drug candidate molecular structures from patient gene expression profiles via deep learning, which we call DRAGONET. Our model can generate new molecules that are likely to counteract disease-specific gene expression patterns in patients, which is made possible by exploring the latent space constructed by a transformer-based variational autoencoder and integrating the substructures of disease-correlated molecules. We applied DRAGONET to generate drug candidate molecules for gastric cancer, atopic dermatitis, and Alzheimer's disease, and demonstrated that the newly generated molecules were chemically similar to registered drugs for each disease. This approach is applicable to diseases with unknown therapeutic target proteins and will make a significant contribution to the field of precision medicine.

    DOI: 10.1002/minf.202300064

    DOI: 10.1002/minf.202300064

    Web of Science

    Scopus

    PubMed

  12. Association between immune checkpoint inhibitor-induced myocarditis and concomitant use of thiazide diuretics 査読有り 国際共著 国際誌

    Mitsuboshi Satoru, Hamano Hirofumi, Niimura Takahiro, Ozaki Aya F., Patel Pranav M., Lin Tsung-Jen, Tanaka Yuta, Kimura Ikuya, Iwata Naohiro, Shiromizu Shoya, Chuma Masayuki, Koyama Toshihiro, Yamanishi Yoshihiro, Kanda Yasunari, Ishizawa Keisuke, Zamami Yoshito

    INTERNATIONAL JOURNAL OF CANCER   153 巻 ( 8 ) 頁: 1472 - 1476   2023年6月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:International Journal of Cancer  

    Although an association has been reported between diuretics and myocarditis, it is unclear whether the risk of immune checkpoint inhibitor (ICI)-induced myocarditis is affected by concomitant diuretics. Thus, the aim of this work was to evaluate the impact of concomitant diuretics on ICI-induced myocarditis. This cross-sectional study used disproportionality analysis and a pharmacovigilance database to assess the risk of myocarditis with various diuretics in patients receiving ICIs via the analysis of data entered into the VigiBase database through December 2022. Multiple logistic regression analysis was performed to identify risk factors for myocarditis in patients who received ICIs. A total of 90 611 patients who received ICIs, including 975 cases of myocarditis, were included as the eligible dataset. A disproportionality in myocarditis was observed for loop diuretic use (reporting odds ratio 1.47, 95% confidence interval [CI] 1.02-2.04, P =.03) and thiazide use (reporting odds ratio 1.76, 95% CI 1.20-2.50, P <.01) in patients who received ICIs. The results of the multiple logistic regression analysis showed that the use of thiazides (odds ratio 1.67, 95% CI 1.15-2.34, P <.01) was associated with an increased risk of myocarditis in patients who received ICIs. Our findings may help to predict the risk of myocarditis in patients receiving ICIs.

    DOI: 10.1002/ijc.34616

    DOI: 10.1002/ijc.34616

    Web of Science

    Scopus

    PubMed

  13. TEAD1 trapping by the Q353R-Lamin A/C causes dilated cardiomyopathy 査読有り 国際誌

    Yamada Shintaro, Ko Toshiyuki, Ito Masamichi, Sassa Tatsuro, Nomura Seitaro, Okuma Hiromichi, Sato Mayuko, Imasaki Tsuyoshi, Kikkawa Satoshi, Zhang Bo, Yamada Takanobu, Seki Yuka, Fujita Kanna, Katoh Manami, Kubota Masayuki, Hatsuse Satoshi, Katagiri Mikako, Hayashi Hiromu, Hamano Momoko, Takeda Norifumi, Morita Hiroyuki, Takada Shuji, Toyoda Masashi, Uchiyama Masanobu, Ikeuchi Masashi, Toyooka Kiminori, Umezawa Akihiro, Yamanishi Yoshihiro, Nitta Ryo, Aburatani Hiroyuki, Komuro Issei

    SCIENCE ADVANCES   9 巻 ( 15 ) 頁: eade7047   2023年4月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Science Advances  

    Mutations in the LMNA gene encoding Lamin A and C (Lamin A/C), major components of the nuclear lamina, cause laminopathies including dilated cardiomyopathy (DCM), but the underlying molecular mechanisms have not been fully elucidated. Here, by leveraging single-cell RNA sequencing (RNA-seq), assay for transposase-accessible chromatin using sequencing (ATAC-seq), protein array, and electron microscopy analysis, we show that insufficient structural maturation of cardiomyocytes owing to trapping of transcription factor TEA domain transcription factor 1 (TEAD1) by mutant Lamin A/C at the nuclear membrane underlies the pathogenesis of Q353RLMNA–related DCM. Inhibition of the Hippo pathway rescued the dysregulation of cardiac developmental genes by TEAD1 in LMNA mutant cardiomyocytes. Single-cell RNA-seq of cardiac tissues from patients with DCM with the LMNA mutation confirmed the dysregulated expression of TEAD1 target genes. Our results propose an intervention for transcriptional dysregulation as a potential treatment of LMNA-related DCM.

    DOI: 10.1126/sciadv.ade7047

    DOI: 10.1126/sciadv.ade7047

    Web of Science

    Scopus

    PubMed

  14. Discovery of novel biomarkers of small cell lung cancer by proteomics of exosomes

    Suga, Y; Yamamoto, M; Yoshimura, H; Shiroyama, T; Miyake, K; Takeda, Y; Ito, M; Adachi, J; Kamijo, Y; Sawada, R; Yamanishi, Y; Kumanogoh, A

    CANCER SCIENCE   114 巻   頁: 1979 - 1979   2023年2月

     詳細を見る

  15. A trial of topiramate for patients with hereditary spinocerebellar ataxia 査読有り 国際誌

    Miura Shiroh, Sawada Ryusuke, Yorita Akiko, Kida Hiroshi, Kamada Takashi, Yamanishi Yoshihiro

    CLINICAL CASE REPORTS   11 巻 ( 2 ) 頁: e6980   2023年2月

     詳細を見る

    担当区分:最終著者   記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.1002/ccr3.6980

    Web of Science

    PubMed

  16. Differential effects of proton pump inhibitors and vonoprazan on vascular endothelial growth factor expression in cancer cells 査読有り 国際誌

    Ando-Matsuoka Rie, Yagi Kenta, Takaoka Mayu, Sakajiri Yuko, Shibata Tomokazu, Sawada Ryusuke, Maruo Akinori, Miyata Koji, Aizawa Fuka, Hamano Hirofumi, Niimura Takahiro, Izawa-Ishizawa Yuki, Goda Mitsuhiro, Sakaguchi Satoshi, Zamami Yoshito, Yamanishi Yoshihiro, Ishizawa Keisuke

    DRUG DEVELOPMENT RESEARCH   84 巻 ( 1 ) 頁: 75 - 83   2023年2月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Drug Development Research  

    Proton pump inhibitors (PPIs) are potent inhibitors of gastric acid secretion, used as first-line agents in treating peptic ulcers. However, we have previously reported that PPIs may diminish the therapeutic effect of anti-vascular endothelial growth factor (VEGF) drugs in patients with cancer. In this study, we explored the effects of vonoprazan, a novel gastric acid secretion inhibitor used for the treatment of peptic ulcers, on the secretion of VEGF in cancer cells and attempted to propose it as an alternative PPI for cancer chemotherapy. The effects of PPI and vonoprazan on VEGF expression in cancer cells were compared by real-time reverse transcription-polymerase chain reaction and ELISA. The interaction of vonoprazan and PPIs with transcriptional regulators by docking simulation analysis. In various cancer cell lines, including the human colorectal cancer cell line (LS174T), PPI increased VEGF messenger RNA expression and VEGF protein secretion, while this effect was not observed with vonoprazan. Molecular docking simulation analysis showed that vonoprazan had a lower binding affinity for estrogen receptor alpha (ER-α), one of the transcriptional regulators of VEGF, compared to PPI. Although the PPI-induced increase in VEGF expression was counteracted by pharmacological ER-α inhibition, the effect of vonoprazan on VEGF expression was unchanged. Vonoprazan does not affect VEGF expression in cancer cells, which suggests that vonoprazan might be an alternative to PPIs, with no interference with the therapeutic effects of anti-VEGF cancer chemotherapy.

    DOI: 10.1002/ddr.22013

    Web of Science

    Scopus

    PubMed

  17. Data-driven drug discovery and healthcare by AI

    Yamanishi, Y

    CANCER SCIENCE   114 巻   頁: 7 - 7   2023年2月

     詳細を見る

  18. Mode Collapse Alleviation of Reinforcement Learning-based GANs in Drug Design

    Jiang Z., Wang Z., Zhang J., Wub M., Li C., Yamanishi Y.

    Proceedings - 2023 2023 IEEE International Conference on Bioinformatics and Biomedicine, BIBM 2023     頁: 3045 - 3052   2023年

     詳細を見る

    出版者・発行元:Proceedings - 2023 2023 IEEE International Conference on Bioinformatics and Biomedicine, BIBM 2023  

    De novo drug design is a challenging task that involves understanding the principles of chemistry, chemical properties, and the rules that govern molecular interactions. Deep learning-based generative models, such as MolGAN, offer a promising approach for generating new molecules with the desired chemical properties from molecular graphs. Such models often combine a discrete generative adversarial network (GAN) and reinforcement learning (RL) to produce highly valid and novel molecules. However, the severe mode collapse problem leads to low performance. This study aims to alleviate and investigate the effect of multiple factors on mode collapse. We conducted experiments on different sampling methods, training epochs, and datasets of various volumes and evaluated the experimental results using performance metrics such as validity, uniqueness, novelty, and diversity. The experimental results demonstrate that noise sampling distributions, training epochs, and training data volumes affect performance. The experimental results provide a direction for mitigating the mode collapse problem for RL-based discrete GANs.

    DOI: 10.1109/BIBM58861.2023.10385948

    Scopus

  19. Characterization of Immune Checkpoint Inhibitor-Induced Myasthenia Gravis Using the US Food and Drug Administration Adverse Event Reporting System 査読有り 国際誌

    Niimura Takahiro, Zamami Yoshito, Miyata Koji, Mikami Takahisa, Asada Mizuho, Fukushima Keijo, Yoshino Masaki, Mitsuboshi Satoru, Okada Naoto, Hamano Hirofumi, Sakurada Takumi, Matsuoka-Ando Rie, Aizawa Fuka, Yagi Kenta, Goda Mitsuhiro, Chuma Masayuki, Koyama Toshihiro, Izawa-Ishizawa Yuki, Yanagawa Hiroaki, Fujino Hiromichi, Yamanishi Yoshihiro, Ishizawa Keisuke

    JOURNAL OF CLINICAL PHARMACOLOGY   63 巻 ( 4 ) 頁: 473 - 479   2022年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Clinical Pharmacology  

    Myasthenia gravis (MG) is a rare but fatal adverse event of immune checkpoint inhibitors (ICIs). We assessed whether patient characteristics differed between those with ICI-related myasthenia gravis and those with idiopathic myasthenia gravis. Reports from the US Food and Drug Administration Adverse Event Reporting System were analyzed. Multivariate analyses were conducted to evaluate the associations between age, sex, and ICI treatment and the reporting rate of myasthenia gravis. Among 5 464 099 cases between 2011 and 2019, 53 447 were treated with ICIs. Myasthenia gravis was reported more often in ICI users. Multiple logistic regression analyses showed that the reporting rate of ICI-related myasthenia gravis did not differ significantly between men and women; however, it was higher in older people than in younger people (adjusted odds ratio, 2.4 [95%CI, 1.84–3.13]). We also investigated useful signs for the early detection of myositis and myocarditis, which are fatal when overlapping with ICI-related myasthenia gravis. Patients with elevated serum creatine kinase or troponin levels were more likely to have concurrent myositis and myocarditis. Unlike idiopathic myasthenia gravis, there was no sex difference in the development of ICI-related myasthenia gravis, which may be more common in older people. Considering the physiological muscle weakness that occurs in the elderly, it may be necessary to monitor ICI-related myasthenia gravis more closely in older people.

    DOI: 10.1002/jcph.2187

    DOI: 10.1002/jcph.2187

    Web of Science

    Scopus

    PubMed

  20. Regulome-based characterization of drug activity across the human diseasome 査読有り 国際誌

    Iwata Michio, Kosai Keisuke, Ono Yuya, Oki Shinya, Mimori Koshi, Yamanishi Yoshihiro

    NPJ SYSTEMS BIOLOGY AND APPLICATIONS   8 巻 ( 1 ) 頁: 44 - 44   2022年11月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:npj Systems Biology and Applications  

    Drugs are expected to recover the cell system away from the impaired state to normalcy through disease treatment. However, the understanding of gene regulatory machinery underlying drug activity or disease pathogenesis is far from complete. Here, we perform large-scale regulome analysis for various diseases in terms of gene regulatory machinery. Transcriptome signatures were converted into regulome signatures of transcription factors by integrating publicly available ChIP-seq data. Regulome-based correlations between diseases and their approved drugs were much clearer than the transcriptome-based correlations. For example, an inverse correlation was observed for cancers, whereas a positive correlation was observed for immune system diseases. After demonstrating the usefulness of the regulome-based drug discovery method in terms of accuracy and applicability, we predicted new drugs for nonsmall cell lung cancer and validated the anticancer activity in vitro. The proposed method is useful for understanding disease–disease relationships and drug discovery.

    DOI: 10.1038/s41540-022-00255-4

    Web of Science

    Scopus

    PubMed

    その他リンク: https://www.nature.com/articles/s41540-022-00255-4

  21. Pathway trajectory analysis with tensor imputation reveals drug-induced single-cell transcriptomic landscape 査読有り

    Iwata Michio, Mutsumine Hiroaki, Nakayama Yusuke, Suita Naomasa, Yamanishi Yoshihiro

    NATURE COMPUTATIONAL SCIENCE   2 巻 ( 11 ) 頁: 758 - 770   2022年11月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Nature Computational Science  

    Genome-wide identification of single-cell transcriptomic responses of drugs in various human cells is a challenging issue in medical and pharmaceutical research. Here we present a computational method, tensor-based imputation of gene-expression data at the single-cell level (TIGERS), which reveals the drug-induced single-cell transcriptomic landscape. With this algorithm, we predict missing drug-induced single-cell gene-expression data with tensor imputation, and identify trajectories of regulated pathways considering intercellular heterogeneity. Tensor imputation outperformed existing imputation methods for data completion, and provided cell-type-specific transcriptomic responses for unobserved drugs. For example, TIGERS correctly predicted the cell-type-specific expression of maker genes for pancreatic islets. Pathway trajectory analysis of the imputed gene-expression profiles of all combinations of drugs and human cells identified single-cell-specific drug activities and pathway trajectories that reflect drug-induced changes in pathway regulation. The proposed method is expected to expand our understanding of the single-cell mechanisms of drugs at the pathway level.

    DOI: 10.1038/s43588-022-00352-8

    Web of Science

    Scopus

  22. Small compound-based direct cell conversion with combinatorial optimization of pathway regulations 査読有り 国際誌

    Nakamura Toru, Iwata Michio, Hamano Momoko, Eguchi Ryohei, Takeshita Jun-ichi, Yamanishi Yoshihiro

    BIOINFORMATICS   38 巻 ( Suppl_2 ) 頁: ii99 - ii105   2022年9月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Direct cell conversion, direct reprogramming (DR), is an innovative technology that directly converts source cells to target cells without bypassing induced pluripotent stem cells. The use of small compounds (e.g. drugs) for DR can help avoid carcinogenic risk induced by gene transfection; however, experimentally identifying small compounds remains challenging because of combinatorial explosion. Results: In this article, we present a new computational method, COMPRENDRE (combinatorial optimization of pathway regulations for direct reprograming), to elucidate the mechanism of small compound-based DR and predict new combinations of small compounds for DR. We estimated the potential target proteins of DR-inducing small compounds and identified a set of target pathways involving DR. We identified multiple DR-related pathways that have not previously been reported to induce neurons or cardiomyocytes from fibroblasts. To overcome the problem of combinatorial explosion, we developed a variant of a simulated annealing algorithm to identify the best set of compounds that can regulate DR-related pathways. Consequently, the proposed method enabled to predict new DR-inducing candidate combinations with fewer compounds and to successfully reproduce experimentally verified compounds inducing the direct conversion from fibroblasts to neurons or cardiomyocytes. The proposed method is expected to be useful for practical applications in regenerative medicine.

    DOI: 10.1093/bioinformatics/btac475

    Web of Science

    Scopus

    PubMed

  23. Transformer-based Objective-reinforced Generative Adversarial Network to Generate Desired Molecules. 査読有り

    Chen Li, Chikashige Yamanaka, Kazuma Kaitoh, Yoshihiro Yamanishi

    Proceedings of the 31st International Joint Conference on Artificial Intelligence and the 25th European Conference on Artificial Intelligence (IJCAI-ECAI 2022)     頁: 3884 - 3890   2022年7月

     詳細を見る

    担当区分:最終著者   記述言語:英語   掲載種別:研究論文(国際会議プロシーディングス)  

    DOI: 10.24963/ijcai.2022/539

    その他リンク: https://dblp.uni-trier.de/db/conf/ijcai/ijcai2022.html#LiYKY22

  24. From drug repositioning to target repositioning: prediction of therapeutic targets using genetically perturbed transcriptomic signatures 査読有り 国際誌

    Namba Satoko, Iwata Michio, Yamanishi Yoshihiro

    BIOINFORMATICS   38 巻 ( SUPPL 1 ) 頁: 68 - 76   2022年6月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: A critical element of drug development is the identification of therapeutic targets for diseases. However, the depletion of therapeutic targets is a serious problem. Results: In this study, we propose the novel concept of target repositioning, an extension of the concept of drug repositioning, to predict new therapeutic targets for various diseases. Predictions were performed by a trans-disease analysis which integrated genetically perturbed transcriptomic signatures (knockdown of 4345 genes and overexpression of 3114 genes) and disease-specific gene transcriptomic signatures of 79 diseases. The trans-disease method, which takes into account similarities among diseases, enabled us to distinguish the inhibitory from activatory targets and to predict the therapeutic targetability of not only proteins with known target-disease associations but also orphan proteins without known associations. Our proposed method is expected to be useful for understanding the commonality of mechanisms among diseases and for therapeutic target identification in drug discovery.

    DOI: 10.1093/bioinformatics/btac240

    Web of Science

    Scopus

    PubMed

  25. Corrigendum: A Web Server for GPCR-GPCR Interaction Pair Prediction (vol 13, 825195, 2022) 査読有り 国際共著 国際誌

    Nemoto Wataru, Yamanishi Yoshihiro, Limviphuvadh Vachiranee, Fujishiro Shunsuke, Shimamura Sakie, Fukushima Aoi, Toh Hiroyuki

    FRONTIERS IN ENDOCRINOLOGY   13 巻   頁: 944910 - 944910   2022年6月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Frontiers in Endocrinology  

    The originally published article contained an error in the Funding statement. The grant number for the funding provided by the Tokyo Denki University Science Promotion Fund was incorrectly presented as “Q13L-03”; the correct grant number is “Q21L-03”. The authors apologize for this error and state that this does not change the scientific conclusions of the article in any way. The original article has been updated.

    DOI: 10.3389/fendo.2022.944910

    Web of Science

    Scopus

    PubMed

  26. Scaffold-Retained Structure Generator to Exhaustively Create Molecules in an Arbitrary Chemical Space 査読有り 国際誌

    Kaitoh Kazuma, Yamanishi Yoshihiro

    JOURNAL OF CHEMICAL INFORMATION AND MODELING   62 巻 ( 9 ) 頁: 2212 - 2225   2022年5月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Chemical Information and Modeling  

    The construction of a virtual library (VL) consisting of novel molecules based on structure-activity relationships is crucial for lead optimization in rational drug design. In this study, we propose a novel scaffold-retained structure generator, EMPIRE (Exhaustive Molecular library Production In a scaffold-REtained manner), to create novel molecules in an arbitrary chemical space. By combining a deep learning model-based generator and a building block-based generator, the proposed method efficiently provides a VL consisting of molecules that retain the input scaffold and contain unique arbitrary substructures. The proposed method enables us to construct rational VLs located in unexplored chemical spaces containing molecules with unique skeletons (e.g., bicyclo[1.1.1]pentane and cubane) or elements (e.g., boron and silicon). We expect EMPIRE to contribute to efficient drug design with unique substructures by virtual screening.

    DOI: 10.1021/acs.jcim.1c01130

    Web of Science

    Scopus

    PubMed

  27. TRANSDIRE: data-driven direct reprogramming by a pioneer factor-guided trans-omics approach 査読有り 国際誌

    Eguchi Ryohei, Hamano Momoko, Iwata Michio, Nakamura Toru, Oki Shinya, Yamanishi Yoshihiro

    BIOINFORMATICS   38 巻 ( 10 ) 頁: 2839 - 2846   2022年4月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Direct reprogramming involves the direct conversion of fully differentiated mature cell types into various other cell types while bypassing an intermediate pluripotent state (e.g. induced pluripotent stem cells). Cell differentiation by direct reprogramming is determined by two types of transcription factors (TFs): Pioneer factors (PFs) and cooperative TFs. PFs have the distinct ability to open chromatin aggregations, assemble a collective of cooperative TFs and activate gene expression. The experimental determination of two types of TFs is extremely difficult and costly. Results: In this study, we developed a novel computational method, TRANSDIRE (TRANS-omics-based approach for DIrect REprogramming), to predict the TFs that induce direct reprogramming in various human cell types using multiple omics data. In the algorithm, potential PFs were predicted based on low signal chromatin regions, and the cooperative TFs were predicted through a trans-omics analysis of genomic data (e.g. enhancers), transcriptome data (e.g. gene expression profiles in human cells), epigenome data (e.g. chromatin immunoprecipitation sequencing data) and interactome data. We applied the proposed methods to the reconstruction of TFs that induce direct reprogramming from fibroblasts to six other cell types: Hepatocytes, cartilaginous cells, neurons, cardiomyocytes, pancreatic cells and Paneth cells. We demonstrated that the methods successfully predicted TFs for most cell conversions with high accuracy. Thus, the proposed methods are expected to be useful for various practical applications in regenerative medicine.

    DOI: 10.1093/bioinformatics/btac209

    Web of Science

    Scopus

    PubMed

  28. A Web Server for GPCR-GPCR Interaction Pair Prediction 査読有り 国際共著 国際誌

    Nemoto Wataru, Yamanishi Yoshihiro, Limviphuvadh Vachiranee, Fujishiro Shunsuke, Shimamura Sakie, Fukushima Aoi, Toh Hiroyuki

    FRONTIERS IN ENDOCRINOLOGY   13 巻   頁: 825195 - 825195   2022年3月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Frontiers in Endocrinology  

    The GGIP web server (https://protein.b.dendai.ac.jp/GGIP/) provides a web application for GPCR-GPCR interaction pair prediction by a support vector machine. The server accepts two sequences in the FASTA format. It responds with a prediction that the input GPCR sequence pair either interacts or not. GPCRs predicted to interact with the monomers constituting the pair are also shown when query sequences are human GPCRs. The server is simple to use. A pair of amino acid sequences in the FASTA format is pasted into the text area, a PDB ID for a template structure is selected, and then the ‘Execute’ button is clicked. The server quickly responds with a prediction result. The major advantage of this server is that it employs the GGIP software, which is presently the only method for predicting GPCR-interaction pairs. Our web server is freely available with no login requirement. In this article, we introduce some application examples of GGIP for disease-associated mutation analysis.

    DOI: 10.3389/fendo.2022.825195

    Web of Science

    Scopus

    PubMed

  29. Epigenetic landscape of drug responses revealed through large-scale ChIP-seq data analyses 査読有り 国際誌

    Zou Zhaonan, Iwata Michio, Yamanishi Yoshihiro, Oki Shinya

    BMC BIOINFORMATICS   23 巻 ( 1 ) 頁: 51 - 51   2022年1月

     詳細を見る

    担当区分:責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:BMC Bioinformatics  

    Background: Elucidating the modes of action (MoAs) of drugs and drug candidate compounds is critical for guiding translation from drug discovery to clinical application. Despite the development of several data-driven approaches for predicting chemical–disease associations, the molecular cues that organize the epigenetic landscape of drug responses remain poorly understood. Results: With the use of a computational method, we attempted to elucidate the epigenetic landscape of drug responses, in terms of transcription factors (TFs), through large-scale ChIP-seq data analyses. In the algorithm, we systematically identified TFs that regulate the expression of chemically induced genes by integrating transcriptome data from chemical induction experiments and almost all publicly available ChIP-seq data (consisting of 13,558 experiments). By relating the resultant chemical–TF associations to a repository of associated proteins for a wide range of diseases, we made a comprehensive prediction of chemical–TF–disease associations, which could then be used to account for drug MoAs. Using this approach, we predicted that: (1) cisplatin promotes the anti-tumor activity of TP53 family members but suppresses the cancer-inducing function of MYCs; (2) inhibition of RELA and E2F1 is pivotal for leflunomide to exhibit antiproliferative activity; and (3) CHD8 mediates valproic acid-induced autism. Conclusions: Our proposed approach has the potential to elucidate the MoAs for both approved drugs and candidate compounds from an epigenetic perspective, thereby revealing new therapeutic targets, and to guide the discovery of unexpected therapeutic effects, side effects, and novel targets and actions.

    DOI: 10.1186/s12859-022-04571-8

    Web of Science

    Scopus

    PubMed

    その他リンク: https://link.springer.com/article/10.1186/s12859-022-04571-8/fulltext.html

  30. TRIOMPHE: Transcriptome-Based Inference and Generation of Molecules with Desired Phenotypes by Machine Learning 査読有り 国際誌

    Kaitoh Kazuma, Yamanishi Yoshihiro

    JOURNAL OF CHEMICAL INFORMATION AND MODELING   61 巻 ( 9 ) 頁: 4303 - 4320   2021年9月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Chemical Information and Modeling  

    One of the most challenging tasks in the drug-discovery process is the efficient identification of small molecules with desired phenotypes. In this study, we propose a novel computational method for omics-based de novo drug design, which we call TRIOMPHE (transcriptome-based inference and generation of molecules with desired phenotypes). We investigated the correlation between chemically induced transcriptome profiles (reflecting cellular responses to compound treatment) and genetically perturbed transcriptome profiles (reflecting cellular responses to gene knock-down or gene overexpression of target proteins) in terms of ligand-target interactions. Subsequently, we developed novel machine learning methods to generate the chemical structures of new molecules with desired transcriptome profiles in the framework of a variational autoencoder. The use of desired transcriptome profiles enables the automatic design of molecules that are likely to have bioactivities for target proteins of interest. We showed that our methods can generate chemically valid molecules that are likely to have biological activities on 10 target proteins; moreover, they can outperform previous methods that had the same objective. Our omics-based structure generator is expected to be useful for the de novo design of drugs for a variety of target proteins.

    DOI: 10.1021/acs.jcim.1c00967

    Web of Science

    Scopus

    PubMed

  31. Plasma amino acids in patients with essential tremor 国際誌

    Miura Shiroh, Kamada Takashi, Fujioka Ryuta, Yamanishi Yoshihiro

    CLINICAL CASE REPORTS   9 巻 ( 8 ) 頁: e04580   2021年8月

     詳細を見る

    記述言語:英語  

    DOI: 10.1002/ccr3.4580

    Web of Science

    PubMed

  32. Lean-Docking: Exploiting Ligands' Predicted Docking Scores to Accelerate Molecular Docking 国際誌

    Berenger Francois, Kumar Ashutosh, Zhang Kam Y. J., Yamanishi Yoshihiro

    JOURNAL OF CHEMICAL INFORMATION AND MODELING   61 巻 ( 5 ) 頁: 2341 - 2352   2021年5月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Chemical Information and Modeling  

    In structure-based virtual screening (SBVS), a binding site on a protein structure is used to search for ligands with favorable nonbonded interactions. Because it is computationally difficult, docking is time-consuming and any docking user will eventually encounter a chemical library that is too big to dock. This problem might arise because there is not enough computing power or because preparing and storing so many three-dimensional (3D) ligands requires too much space. In this study, however, we show that quality regressors can be trained to predict docking scores from molecular fingerprints. Although typical docking has a screening rate of less than one ligand per second on one CPU core, our regressors can predict about 5800 docking scores per second. This approach allows us to focus docking on the portion of a database that is predicted to have docking scores below a user-chosen threshold. Herein, usage examples are shown, where only 25% of a ligand database is docked, without any significant virtual screening performance loss. We call this method "lean-docking". To validate lean-docking, a massive docking campaign using several state-of-the-art docking software packages was undertaken on an unbiased data set, with only wet-lab tested active and inactive molecules. Although regressors allow the screening of a larger chemical space, even at a constant docking power, it is also clear that significant progress in the virtual screening power of docking scores is desirable.

    DOI: 10.1021/acs.jcim.0c01452

    Web of Science

    Scopus

    PubMed

  33. Prediction of single-cell mechanisms for disease progression in hypertrophic remodelling by a trans-omics approach 国際誌

    Hamano Momoko, Nomura Seitaro, Iida Midori, Komuro Issei, Yamanishi Yoshihiro

    SCIENTIFIC REPORTS   11 巻 ( 1 ) 頁: 8112 - 8112   2021年4月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Scientific Reports  

    Heart failure is a heterogeneous disease with multiple risk factors and various pathophysiological types, which makes it difficult to understand the molecular mechanisms involved. In this study, we proposed a trans-omics approach for predicting molecular pathological mechanisms of heart failure and identifying marker genes to distinguish heterogeneous phenotypes, by integrating multiple omics data including single-cell RNA-seq, ChIP-seq, and gene interactome data. We detected a significant increase in the expression level of natriuretic peptide A (Nppa), after stress loading with transverse aortic constriction (TAC), and showed that cardiomyocytes with high Nppa expression displayed specific gene expression patterns. Multiple NADH ubiquinone complex family, which are associated with the mitochondrial electron transport system, were negatively correlated with Nppa expression during the early stages of cardiac hypertrophy. Large-scale ChIP-seq data analysis showed that Nkx2-5 and Gtf2b were transcription factors characteristic of high-Nppa-expressing cardiomyocytes. Nppa expression levels may, therefore, represent a useful diagnostic marker for heart failure.

    DOI: 10.1038/s41598-021-86821-y

    Web of Science

    Scopus

    PubMed

    その他リンク: http://www.nature.com/articles/s41598-021-86821-y

  34. The novel driver gene ASAP2 is a potential druggable target in pancreatic cancer 国際誌

    Fujii Atsushi, Masuda Takaaki, Iwata Michio, Tobo Taro, Wakiyama Hiroaki, Koike Kensuke, Kosai Keisuke, Nakano Takafumi, Kuramitsu Shotaro, Kitagawa Akihiro, Sato Kuniaki, Kouyama Yuta, Shimizu Dai, Matsumoto Yoshihiro, Utsunomiya Tohru, Ohtsuka Takao, Yamanishi Yoshihiro, Nakamura Masafumi, Mimori Koshi

    CANCER SCIENCE   112 巻 ( 4 ) 頁: 1655 - 1668   2021年4月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Cancer Science  

    Targeting mutated oncogenes is an effective approach for treating cancer. The 4 main driver genes of pancreatic ductal adenocarcinoma (PDAC) are KRAS, TP53, CDKN2A, and SMAD4, collectively called the “big 4” of PDAC, however they remain challenging therapeutic targets. In this study, ArfGAP with SH3 domain, ankyrin repeat and PH domain 2 (ASAP2), one of the ArfGAP family, was identified as a novel driver gene in PDAC. Clinical analysis with PDAC datasets showed that ASAP2 was overexpressed in PDAC cells based on increased DNA copy numbers, and high ASAP2 expression contributed to a poor prognosis in PDAC. The biological roles of ASAP2 were investigated using ASAP2-knockout PDAC cells generated with CRISPR-Cas9 technology or transfected PDAC cells. In vitro and in vivo analyses showed that ASAP2 promoted tumor growth by facilitating cell cycle progression through phosphorylation of epidermal growth factor receptor (EGFR). A repositioned drug targeting the ASAP2 pathway was identified using a bioinformatics approach. The gene perturbation correlation method showed that niclosamide, an antiparasitic drug, suppressed PDAC growth by inhibition of ASAP2 expression. These data show that ASAP2 is a novel druggable driver gene that activates the EGFR signaling pathway. Furthermore, niclosamide was identified as a repositioned therapeutic agent for PDAC possibly targeting ASAP2.

    DOI: 10.1111/cas.14858

    Web of Science

    Scopus

    PubMed

  35. Novel driver gene ASAP2 is a potentially druggable target in pancreatic cancer

    Masuda Takaaki, Fujii Atsushi, Iwata Michio, Matsumoto Yoshihiro, Otsu Hajime, Takeishi Kazuki, Yonemura Yusuke, Yamanishi Yoshihiro, Mimori Koshi

    CANCER SCIENCE   112 巻   頁: 276 - 276   2021年2月

     詳細を見る

  36. Ranking Molecules with Vanishing Kernels and a Single Parameter: Active Applicability Domain Included 国際誌

    Berenger Francois, Yamanishi Yoshihiro

    JOURNAL OF CHEMICAL INFORMATION AND MODELING   60 巻 ( 9 ) 頁: 4376 - 4387   2020年9月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Chemical Information and Modeling  

    In ligand-based virtual screening, high-throughput screening (HTS) data sets can be exploited to train classification models. Such models can be used to prioritize yet untested molecules, from the most likely active (against a protein target of interest) to the least likely active. In this study, a single-parameter ranking method with an Applicability Domain (AD) is proposed. In effect, Kernel Density Estimates (KDE) are revisited to improve their computational efficiency and incorporate an AD. Two modifications are proposed: (i) using vanishing kernels (i.e., kernel functions with a finite support) and (ii) using the Tanimoto distance between molecular fingerprints as a radial basis function. This construction is termed “Vanishing Ranking Kernels” (VRK). Using VRK on 21 HTS assays, it is shown that VRK can compete in performance with a graph convolutional deep neural network. VRK are conceptually simple and fast to train. During training they require optimizing a single parameter. A trained VRK model usually defines an active AD. Exploiting this AD can significantly increase the screening frequency of a VRK model. Software: https://github.com/UnixJunkie/rankers. Data sets: https://zenodo.org/record/ 1320776 and https://zenodo.org/record/3540423.

    DOI: 10.1021/acs.jcim.9b01075

    Web of Science

    Scopus

    PubMed

    その他リンク: https://dblp.uni-trier.de/db/journals/jcisd/jcisd60.html#BerengerY20

  37. Network-based characterization of disease-disease relationships in terms of drugs and therapeutic targets 国際誌

    Iida Midori, Iwata Michio, Yamanishi Yoshihiro

    BIOINFORMATICS   36 巻 ( Supplement-1 ) 頁: 516 - 524   2020年7月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Disease states are distinguished from each other in terms of differing clinical phenotypes, but characteristic molecular features are often common to various diseases. Similarities between diseases can be explained by characteristic gene expression patterns. However, most disease-disease relationships remain uncharacterized. Results: In this study, we proposed a novel approach for network-based characterization of disease-disease relationships in terms of drugs and therapeutic targets. We performed large-scale analyses of omics data and molecular interaction networks for 79 diseases, including adrenoleukodystrophy, leukaemia, Alzheimer's disease, asthma, atopic dermatitis, breast cancer, cystic fibrosis and inflammatory bowel disease. We quantified disease-disease similarities based on proximities of abnormally expressed genes in various molecular networks, and showed that similarities between diseases could be explained by characteristic molecular network topologies. Furthermore, we developed a kernel matrix regression algorithm to predict the commonalities of drugs and therapeutic targets among diseases. Our comprehensive prediction strategy indicated many new associations among phenotypically diverse diseases.

    DOI: 10.1093/bioinformatics/btaa439

    Web of Science

    Scopus

    PubMed

    その他リンク: https://dblp.uni-trier.de/db/journals/bioinformatics/bioinformatics36.html#IidaIY20

  38. Dual graph convolutional neural network for predicting chemical networks 国際誌

    Harada Shonosuke, Akita Hirotaka, Tsubaki Masashi, Baba Yukino, Takigawa Ichigaku, Yamanishi Yoshihiro, Kashima Hisashi

    BMC BIOINFORMATICS   21 巻 ( Suppl 3 ) 頁: 94 - 94   2020年4月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:BMC Bioinformatics  

    Background: Predicting of chemical compounds is one of the fundamental tasks in bioinformatics and chemoinformatics, because it contributes to various applications in metabolic engineering and drug discovery. The recent rapid growth of the amount of available data has enabled applications of computational approaches such as statistical modeling and machine learning method. Both a set of chemical interactions and chemical compound structures are represented as graphs, and various graph-based approaches including graph convolutional neural networks have been successfully applied to chemical network prediction. However, there was no efficient method that can consider the two different types of graphs in an end-to-end manner. Results: We give a new formulation of the chemical network prediction problem as a link prediction problem in a graph of graphs (GoG) which can represent the hierarchical structure consisting of compound graphs and an inter-compound graph. We propose a new graph convolutional neural network architecture called dual graph convolutional network that learns compound representations from both the compound graphs and the inter-compound network in an end-to-end manner. Conclusions: Experiments using four chemical networks with different sparsity levels and degree distributions shows that our dual graph convolution approach achieves high prediction performance in relatively dense networks, while the performance becomes inferior on extremely-sparse networks.

    DOI: 10.1186/s12859-020-3378-0

    Web of Science

    Scopus

    PubMed

    その他リンク: https://dblp.uni-trier.de/db/journals/bmcbi/bmcbi21S.html#HaradaATBTYK20

  39. Omics-based Identification of Glycan Structures as Biomarkers for a Variety of Diseases 国際誌

    Akiyoshi Sayaka, Iwata Michio, Berenger Francois, Yamanishi Yoshihiro

    MOLECULAR INFORMATICS   39 巻 ( 1-2 ) 頁: 1900112 - 1900112   2020年1月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Molecular Informatics  

    Glycans play important roles in cell communication, protein interaction, and immunity, and structural changes in glycans are associated with the regulation of a range of biological pathways involved in disease. However, our understanding of the detailed relationships between specific diseases and glycans is very limited. In this study, we proposed an omics-based method to investigate the correlations between glycans and a wide range of human diseases. We analyzed the gene expression patterns of glycogenes (glycosyltransferases and glycosidases) for 79 different diseases. A biological pathway-based glycogene signature was constructed to identify the alteration in glycan biosynthesis and the associated glycan structures for each disease state. The degradation of N-glycan and keratan sulfate, for example, may promote the growth or metastasis of multiple types of cancer, including endometrial, gastric, and nasopharyngeal. Our results also revealed that commonalities between diseases can be interpreted using glycogene expression patterns, as well as the associated glycan structure patterns at the level of the affected pathway. The proposed method is expected to be useful for understanding the relationships between glycans, glycogenes, and disease and identifying disease-specific glycan biomarkers.

    DOI: 10.1002/minf.201900112

    Web of Science

    Scopus

    PubMed

    その他リンク: https://onlinelibrary.wiley.com/doi/full-xml/10.1002/minf.201900112

  40. Prediction of the Health Effects of Food Peptides and Elucidation of the Mode-of-action Using Multi-task Graph Convolutional Neural Network 国際誌

    Fukunaga Itsuki, Sawada Ryusuke, Shibata Tomokazu, Kaitoh Kazuma, Sakai Yukie, Yamanishi Yoshihiro

    MOLECULAR INFORMATICS   39 巻 ( 1-2 ) 頁: 1900134 - 1900134   2020年1月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Molecular Informatics  

    Food proteins work not only as nutrients but also modulators for the physiological functions of the human body. The physiological functions of food proteins are basically regulated by peptides encrypted in food protein sequences (food peptides). In this study, we propose a novel deep learning-based method to predict the health effects of food peptides and elucidate the mode-of-action. In the algorithm, we estimate potential target proteins of food peptides using a multi-task graph convolutional neural network, and predict its health effects using information about therapeutic targets for diseases. We constructed predictive models based on 21,103 peptide-protein interactions involving 10,950 peptides and 2,533 proteins, and applied the models to food peptides (e. g., lactotripeptide, isoleucyltyrosine and sardine peptide) defined in food for specified health use. The models suggested potential effects such as blood-pressure lowering effects, blood glucose level lowering effects, and anti-cancer effects for several food peptides. The interactions of food peptides with target proteins were confirmed by docking simulations.

    DOI: 10.1002/minf.201900134

    Web of Science

    Scopus

    PubMed

    その他リンク: https://onlinelibrary.wiley.com/doi/full-xml/10.1002/minf.201900134

  41. In silico systems for predicting chemical-induced side effects using known and potential chemical protein interactions, enabling mechanism estimation

    Amano Yuto, Honda Hiroshi, Sawada Ryusuke, Nukada Yuko, Yamane Masayuki, Ikeda Naohiro, Morita Osamu, Yamanishi Yoshihiro

    The Journal of Toxicological Sciences   45 巻 ( 3 ) 頁: 137 - 149   2020年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:一般社団法人 日本毒性学会  

    In silico models for predicting chemical-induced side effects have become increasingly important for the development of pharmaceuticals and functional food products. However, existing predictive models have difficulty in estimating the mechanisms of side effects in terms of molecular targets or they do not cover the wide range of pharmacological targets. In the present study, we constructed novel in silico models to predict chemical-induced side effects and estimate the underlying mechanisms with high general versatility by integrating the comprehensive prediction of potential chemical-protein interactions (CPIs) with machine learning. First, the potential CPIs were comprehensively estimated by chemometrics based on the known CPI data (1,179,848 interactions involving 3,905 proteins and 824,143 chemicals). Second, the predictive models for 61 side effects in the cardiovascular system (CVS), gastrointestinal system (GIS), and central nervous system (CNS) were constructed by sparsity-induced classifiers based on the known and potential CPI data. The cross validation experiments showed that the proposed CPI-based models had a higher or comparable performance than the traditional chemical structure-based models. Moreover, our enrichment analysis indicated that the highly weighted proteins derived from predictive models could be involved in the corresponding functions of the side effects. For example, in CVS, the carcinogenesis-related pathways (e.g., prostate cancer, PI3K-Akt signal pathway), which were recently reported to be involved in cardiovascular side effects, were enriched. Therefore, our predictive models are biologically valid and would be useful for predicting side effects and novel potential underlying mechanisms of chemical-induced side effects.

    DOI: 10.2131/jts.45.137

    Web of Science

    Scopus

    PubMed

    CiNii Research

  42. Space-Efficient Feature Maps for String Alignment Kernels

    Tabei Y., Yamanishi Y., Pagh R.

    Data Science and Engineering   5 巻 ( 2 ) 頁: 168 - 179   2020年

     詳細を見る

    掲載種別:研究論文(学術雑誌)   出版者・発行元:Data Science and Engineering  

    String kernels are attractive data analysis tools for analyzing string data.Among them, alignment kernels are known for their high prediction accuracies in string classifications when tested in combination with SVM in various applications. However, alignment kernels have a crucial drawback in that they scale poorly due to their quadratic computation complexity in the number of input strings, which limits large-scale applications in practice. We address this need by presenting the first approximation for string alignment kernels, which we call space-efficient feature maps for edit distance with moves (SFMEDM), by leveraging a metric embedding named edit-sensitive parsing and feature maps (FMs) of random Fourier features (RFFs) for large-scale string analyses.The original FMs for RFFs consume a huge amount of memory proportional to the dimension d of input vectors and the dimension D of output vectors, which prohibits its large-scale applications.We present novel space-efficient feature maps (SFMs) of RFFs for a space reduction from O(dD) of the original FMs to O(d) of SFMs with a theoretical guarantee with respect to concentration bounds. We experimentally test SFMEDM on its ability to learn SVM for large-scale string classifications with various massive string data, and we demonstrate the superior performance of SFMEDM with respect to prediction accuracy, scalability and computation efficiency.

    DOI: 10.1007/s41019-020-00120-6

    Scopus

  43. Data-driven drug discovery and medical treatment by machine learning

    Yamanishi, Y

    ABSTRACTS OF PAPERS OF THE AMERICAN CHEMICAL SOCIETY   258 巻   2019年8月

     詳細を見る

  44. Predicting drug-induced transcriptome responses of a wide range of human cell lines by a novel tensor-train decomposition algorithm 国際誌

    Iwata Michio, Yuan Longhao, Zhao Qibin, Tabei Yasuo, Berenger Francois, Sawada Ryusuke, Akiyoshi Sayaka, Hamano Momoko, Yamanishi Yoshihiro

    BIOINFORMATICS   35 巻 ( 14 ) 頁: I191 - I199   2019年7月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Genome-wide identification of the transcriptomic responses of human cell lines to drug treatments is a challenging issue in medical and pharmaceutical research. However, drug-induced gene expression profiles are largely unknown and unobserved for all combinations of drugs and human cell lines, which is a serious obstacle in practical applications. Results: Here, we developed a novel computational method to predict unknown parts of drug-induced gene expression profiles for various human cell lines and predict new drug therapeutic indications for a wide range of diseases. We proposed a tensor-train weighted optimization (TT-WOPT) algorithm to predict the potential values for unknown parts in tensor-structured gene expression data. Our results revealed that the proposed TT-WOPT algorithm can accurately reconstruct drug-induced gene expression data for a range of human cell lines in the Library of Integrated Network-based Cellular Signatures. The results also revealed that in comparison with the use of original gene expression profiles, the use of imputed gene expression profiles improved the accuracy of drug repositioning. We also performed a comprehensive prediction of drug indications for diseases with gene expression profiles, which suggested many potential drug indications that were not predicted by previous approaches. Supplementary information: Supplementary data are available at Bioinformatics online.

    DOI: 10.1093/bioinformatics/btz313

    Web of Science

    Scopus

    PubMed

  45. Network-based characterization of drug-protein interaction signatures with a space-efficient approach 国際誌

    Tabei Yasuo, Kotera Masaaki, Sawada Ryusuke, Yamanishi Yoshihiro

    BMC SYSTEMS BIOLOGY   13 巻 ( 2 ) 頁: 39 - 15   2019年4月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:BMC Systems Biology  

    Background: Characterization of drug-protein interaction networks with biological features has recently become challenging in recent pharmaceutical science toward a better understanding of polypharmacology. Results: We present a novel method for systematic analyses of the underlying features characteristic of drug-protein interaction networks, which we call "drug-protein interaction signatures" from the integration of large-scale heterogeneous data of drugs and proteins. We develop a new efficient algorithm for extracting informative drug-protein interaction signatures from the integration of large-scale heterogeneous data of drugs and proteins, which is made possible by space-efficient representations for fingerprints of drug-protein pairs and sparsity-induced classifiers. Conclusions: Our method infers a set of drug-protein interaction signatures consisting of the associations between drug chemical substructures, adverse drug reactions, protein domains, biological pathways, and pathway modules. We argue the these signatures are biologically meaningful and useful for predicting unknown drug-protein interactions and are expected to contribute to rational drug design.

    DOI: 10.1186/s12918-019-0691-1

    Web of Science

    Scopus

    PubMed

    その他リンク: https://dblp.uni-trier.de/db/journals/bmcsb/bmcsb13S.html#TabeiKSY19

  46. Chemoinformatics and structural bioinformatics in OCaml 国際誌

    Berenger Francois, Zhang Kam Y. J., Yamanishi Yoshihiro

    JOURNAL OF CHEMINFORMATICS   11 巻 ( 1 ) 頁: 10 - 13   2019年2月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Cheminformatics  

    Background: OCaml is a functional programming language with strong static types, Hindley-Milner type inference and garbage collection. In this article, we share our experience in prototyping chemoinformatics and structural bioinformatics software in OCaml. Results: First, we introduce the language, list entry points for chemoinformaticians who would be interested in OCaml and give code examples. Then, we list some scientific open source software written in OCaml. We also present recent open source libraries useful in chemoinformatics. The parallelization of OCaml programs and their performance is also shown. Finally, tools and methods useful when prototyping scientific software in OCaml are given. Conclusions: In our experience, OCaml is a programming language of choice for method development in chemoinformatics and structural bioinformatics.

    DOI: 10.1186/s13321-019-0332-0

    Web of Science

    Scopus

    PubMed

    その他リンク: https://dblp.uni-trier.de/db/journals/jcheminf/jcheminf11.html#BerengerZY19

  47. MIBG myocardial scintigraphy in progressive supranuclear palsy 査読有り 国際誌

    Kamada Takashi, Miura Shiroh, Kida Hiroshi, Irie Ken-ichi, Yamanishi Yoshihiro, Hoshino Tomoaki, Taniwaki Takayuki

    JOURNAL OF THE NEUROLOGICAL SCIENCES   396 巻   頁: 3 - 7   2019年1月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of the Neurological Sciences  

    © 2018 Elsevier B.V. Background and objectives: Meta-iodobenzylguanidine (MIBG) myocardial scintigraphy is an effective tool for distinguishing Parkinson&#039;s disease (PD) from other diseases accompanied by parkinsonism. Unlike other Parkinsonian diseases, in PD, MIBG accumulation in the heart tends to decrease. However, previous studies have reported that a decrease in MIBG accumulation also occurs in progressive supranuclear palsy (PSP). Thus, we analyzed the relationship between the degree of MIBG accumulation decrease, clinical symptoms, and brainstem atrophy in PSP. Methods: We retrospectively collected data from patients who underwent MIBG myocardial scintigraphy and compared MIBG indices (heart to mediastinum [H/M] ratio, washout rate) between subjects with PSP and other diseases including PD. In addition, we evaluated the relationship between clinical characteristics, MIBG accumulation, and brainstem atrophy in patients with PSP. Results: Patients with PSP had a significantly lower early H/M ratio compared with multiple system atrophy with predominant parkinsonism (MSA-P) patients, and a control group. In PSP patients there was a correlation between the decrease in delay H/M ratio, atrophy of the pons, and clinical severity as evaluated by Hoehn and Yahr score. Conclusion: Unlike in PD, PSP patients exhibited a mild decrease in MIBG accumulation in MIBG myocardial scintigraphy, which may be related to brainstem atrophy.

    DOI: 10.1016/j.jns.2018.10.019

    Web of Science

    Scopus

    PubMed

  48. A Distance-Based Boolean Applicability Domain for Classification of High Throughput Screening Data 査読有り 国際誌

    Berenger Francois, Yamanishi Yoshihiro

    JOURNAL OF CHEMICAL INFORMATION AND MODELING   59 巻 ( 1 ) 頁: 463 - 476   2019年1月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Chemical Information and Modeling  

    In Quantitative Structure-Activity Relationship (QSAR) modeling, one must come up with an activity model but also with an applicability domain for that model. Some existing methods to create an applicability domain are complex, hard to implement, and/or difficult to interpret. Also, they often require the user to select a threshold value, or they embed an empirical constant. In this work, we propose a trivial to interpret and fully automatic Distance-Based Boolean Applicability Domain (DBBAD) algorithm for category QSAR. In retrospective experiments on High Throughput Screening data sets, this applicability domain improves the classification performance and early retrieval of support vector machine and random forest based classifiers, while improving the scaffold diversity among top-ranked active molecules.

    DOI: 10.1021/acs.jcim.8b00499

    Web of Science

    Scopus

    PubMed

    その他リンク: https://dblp.uni-trier.de/db/journals/jcisd/jcisd59.html#BerengerY19

  49. Space-efficient feature maps for string alignment kernels

    Tabei Y., Yamanishi Y., Pagh R.

    Proceedings - IEEE International Conference on Data Mining, ICDM   2019-November 巻   頁: 1312 - 1317   2019年

     詳細を見る

    掲載種別:研究論文(国際会議プロシーディングス)   出版者・発行元:Proceedings - IEEE International Conference on Data Mining, ICDM  

    String kernels are attractive data analysis tools for analyzing string data. Among them, alignment kernels are known for their high prediction accuracies in string classifications when tested in combination with SVM in various applications. However, alignment kernels have a crucial drawback in that they scale poorly due to their quadratic computation complexity in the number of input strings, which limits large-scale applications in practice. We address this need by presenting the first approximation for string alignment kernels, which we call space-efficient feature maps for edit distance with moves (SFMEDM), by leveraging a metric embedding named edit sensitive parsing (ESP) and feature maps (FMs) of random Fourier features (RFFs). The original FMs for RFFs consume a huge amount of memory proportional to the dimension d of input vectors and the dimension D of output vectors. Thus, we present novel space-efficient feature maps (SFMs) of RFFs for a space reduction from O(dD) of the original FMs to O(d) of SFMs with a theoretical guarantee with respect to concentration bounds. We experimentally test SFMEDM on its ability to learn SVM for large-scale string classifications with various massive string data, and we demonstrate the superior performance of SFMEDM with respect to prediction accuracy, scalability and computation efficiency.

    DOI: 10.1109/ICDM.2019.00166

    Scopus

    その他リンク: https://dblp.uni-trier.de/db/conf/icdm/icdm2019.html#TabeiYP19

  50. The Use of Large-Scale Chemically-Induced Transcriptome Data Acquired from LINCS to Study Small Molecules 査読有り 国際誌

    Iwata Michio, Yamanishi Yoshihiro

    SYSTEMS CHEMICAL BIOLOGY   1888 巻   頁: 189 - 203   2019年

     詳細を見る

    記述言語:英語   掲載種別:論文集(書籍)内論文   出版者・発行元:Methods in Molecular Biology  

    © Springer Science+Business Media, LLC, part of Springer Nature 2019. Identification of the modes of action of bioactive compounds is an important issue in chemical systems biology. In this chapter we review a recently developed data-driven approach using large-scale chemically induced transcriptome data acquired from the Library of Integrated Network-based Cellular Signatures to elucidate the modes of action of bioactive compounds. First, we present a method for pathway enrichment analyses of regulated genes to reveal biological pathways activated by compounds. Next, we present a method using the pre-knowledge on chemical–protein interactome for predicting potential target proteins, including primary targets and off-targets, with transcriptional similarity. Finally, we present a method based on the target proteins for predicting new therapeutic indications for a variety of diseases. These approaches are expected to be useful for mode-of-action analysis, drug discovery, and drug repositioning.

    DOI: 10.1007/978-1-4939-8891-4_11

    Web of Science

    Scopus

    PubMed

  51. Pathway-Based Drug Repositioning for Cancers: Computational Prediction and Experimental Validation 査読有り 国際誌

    Iwata Michio, Hirose Lisa, Kohara Hiroshi, Liao Jiyuan, Sawada Ryusuke, Akiyoshi Sayaka, Tani Kenzaburo, Yamanishi Yoshihiro

    JOURNAL OF MEDICINAL CHEMISTRY   61 巻 ( 21 ) 頁: 9583 - 9595   2018年11月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Medicinal Chemistry  

    © 2018 American Chemical Society. Developing drugs with anticancer activity and low toxic side-effects at low costs is a challenging issue for cancer chemotherapy. In this work, we propose to use molecular pathways as the therapeutic targets and develop a novel computational approach for drug repositioning for cancer treatment. We analyzed chemically induced gene expression data of 1112 drugs on 66 human cell lines and searched for drugs that inactivate pathways involved in the growth of cancer cells (cell cycle) and activate pathways that contribute to the death of cancer cells (e.g., apoptosis and p53 signaling). Finally, we performed a large-scale prediction of potential anticancer effects for all the drugs and experimentally validated the prediction results via three in vitro cellular assays that evaluate cell viability, cytotoxicity, and apoptosis induction. Using this strategy, we successfully identified several potential anticancer drugs. The proposed pathway-based method has great potential to improve drug repositioning research for cancer treatment.

    DOI: 10.1021/acs.jmedchem.8b01044

    Web of Science

    Scopus

    PubMed

  52. Cervical dystonia in Parkinson’s disease: Retrospective study of later-stage clinical features

    Hideki Kida, Tomoaki Hoshino, Takayuki Taniwaki

    Neurology Asia   23 巻 ( 3 ) 頁: 245 - 251   2018年9月

     詳細を見る

    出版者・発行元:Neurology Asia  

    © 2018, ASEAN Neurological Association. All rights reserved. Objective: Cervical dystonia (CD) is a clinically under-recognized symptom occurring at the later-to end-stages of Parkinson’s disease (PD). The frequency of CD and its influence on prognosis have not been well studied. Here, we conducted an in-depth examination of CD incidence and impact on disease progression in later-stage PD. Methods: We retrospectively reviewed the clinical features of 22 deceased patients with sporadic PD treated at a hospital in Japan from 1983 to 2008. Results: The most common cause of death in PD was pneumonia. CD, in particular retrocollis, was frequent in the later stages of the disease in elderly patients (9/22, 40.9%). Pneumonia incidence increased sharply in the later period with CD. There was a positive trend between CD duration and duration of pergolide use. Conclusion: Analysis revealed that CD increases markedly in late-to end-stage PD, which may be associated with aspiration pneumonia due to dysphagia. Pathological mechanisms underlying CD might be influenced by treatments including dopamine agonists. Prevention of CD may increase quality of life and prolong survival of PD patients.

    Scopus

  53. Cervical dystonia in Parkinson's disease: Retrospective study of later-stage clinical features

    Kida Hiroshi, Miura Shiroh, Yamanishi Yoshihiro, Takahashi Tomoyuki, Kamada Takashi, Yorita Akiko, Ayabe Mitsuyoshi, Kida Hideki, Hoshino Tomoaki, Taniwaki Takayuki

    NEUROLOGY ASIA   23 巻 ( 3 ) 頁: 245 - 251   2018年9月

     詳細を見る

  54. Data-driven drug discovery and repositioning by machine learning methods

    Yamanishi Yoshihiro

    ABSTRACTS OF PAPERS OF THE AMERICAN CHEMICAL SOCIETY   256 巻   2018年8月

     詳細を見る

  55. KampoDB, database of predicted targets and functional annotations of natural medicines 査読有り 国際誌

    Sawada Ryusuke, Iwata Michio, Umezaki Masahito, Usui Yoshihiko, Kobayashi Toshikazu, Kubono Takaki, Hayashi Shusaku, Kadowaki Makoto, Yamanishi Yoshihiro

    SCIENTIFIC REPORTS   8 巻 ( 1 ) 頁: 11216 - 11216   2018年7月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Scientific Reports  

    Natural medicines (i.e., herbal medicines, traditional formulas) are useful for treatment of multifactorial and chronic diseases. Here, we present KampoDB (http://wakanmoview.inm.u-toyama.ac.jp/kampo/), a novel platform for the analysis of natural medicines, which provides various useful scientific resources on Japanese traditional formulas Kampo medicines, constituent herbal drugs, constituent compounds, and target proteins of these constituent compounds. Potential target proteins of these constituent compounds were predicted by docking simulations and machine learning methods based on large-scale omics data (e.g., genome, proteome, metabolome, interactome). The current version of KampoDB contains 42 Kampo medicines, 54 crude drugs, 1230 constituent compounds, 460 known target proteins, and 1369 potential target proteins, and has functional annotations for biological pathways and molecular functions. KampoDB is useful for mode-of-action analysis of natural medicines and prediction of new indications for a wide range of diseases.

    DOI: 10.1038/s41598-018-29516-1

    Web of Science

    Scopus

    PubMed

  56. Predicting inhibitory and activatory drug targets by chemically and genetically perturbed transcriptome signatures 査読有り 国際誌

    Sawada Ryusuke, Iwata Michio, Tabei Yasuo, Yamato Haruka, Yamanishi Yoshihiro

    SCIENTIFIC REPORTS   8 巻 ( 1 ) 頁: 156 - 156   2018年1月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Scientific Reports  

    Genome-wide identification of all target proteins of drug candidate compounds is a challenging issue in drug discovery. Moreover, emerging phenotypic effects, including therapeutic and adverse effects, are heavily dependent on the inhibition or activation of target proteins. Here we propose a novel computational method for predicting inhibitory and activatory targets of drug candidate compounds. Specifically, we integrated chemically-induced and genetically-perturbed gene expression profiles in human cell lines, which avoided dependence on chemical structures of compounds or proteins. Predictive models for individual target proteins were simultaneously constructed by the joint learning algorithm based on transcriptomic changes in global patterns of gene expression profiles following chemical treatments, and following knock-down and over-expression of proteins. This method discriminates between inhibitory and activatory targets and enables accurate identification of therapeutic effects. Herein, we comprehensively predicted drug-target-disease association networks for 1,124 drugs, 829 target proteins, and 365 human diseases, and validated some of these predictions in vitro. The proposed method is expected to facilitate identification of new drug indications and potential adverse effects.

    DOI: 10.1038/s41598-017-18315-9

    Web of Science

    Scopus

    PubMed

  57. Linear and Kernel Model Construction Methods for Predicting Drug-Target Interactions in a Chemogenomic Framework 国際誌

    Yamanishi Yoshihiro

    COMPUTATIONAL CHEMOGENOMICS   1825 巻   頁: 355 - 368   2018年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Methods in Molecular Biology  

    © 2018, Springer Science+Business Media, LLC, part of Springer Nature. Identification of drug–target interactions is a crucial process in drug discovery. In this chapter, we present protocols for recent advancements in machine learning methods for predicting drug–target interactions from heterogeneous biological data in a chemogenomic framework, in which prediction is based on the chemical structure data of drug candidate compounds and translated genomic sequence data of target candidate proteins. Most existing methods are based on either linear modeling or kernel modeling. To illustrate linear modeling, we introduce sparsity-induced binary classifiers and sparse canonical correlation analysis. To illustrate kernel modeling, we introduce pairwise kernel-based support vector machines and kernel-based distance learning. Workflows for using these techniques are presented. We also discuss the characteristics of each method and suggest some directions for future research.

    DOI: 10.1007/978-1-4939-8639-2_12

    Web of Science

    Scopus

    PubMed

  58. Scalable Alignment Kernels via Space-Efficient Feature Maps.

    Yasuo Tabei, Yoshihiro Yamanishi, Rasmus Pagh

    CoRR   abs/1802.06382 巻   2018年

     詳細を見る

    掲載種別:研究論文(学術雑誌)  

    その他リンク: https://dblp.uni-trier.de/db/journals/corr/corr1802.html#abs-1802-06382

  59. Sparse Modeling to Analyze Drug-Target Interaction Networks 査読有り 国際誌

    Yamanishi Yoshihiro

    DATA MINING FOR SYSTEMS BIOLOGY, 2 EDITION   1807 巻   頁: 181 - 193   2018年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Methods in Molecular Biology  

    Most drugs produce their phenotypic effects by interacting with target proteins, and understanding the molecular features that underpin drug–target interactions is crucial when designing a novel drug. In this chapter, we introduce the protocols that have driven recent advances in sparse modeling methods for analyzing drug–target interaction networks within a chemogenomic framework. In this approach, the chemical structures of candidate drug compounds are correlated with the genomic sequences of the candidate target proteins. We demonstrate the use of sparse canonical correspondence analysis and sparsity-induced binary classifiers to extract the underlying molecular features that are most strongly involved in drug–target interactions. We focus on drug chemical substructures and protein domains. Workflows for applying these methods are presented, and an application is described in detail. We consider the characteristics of each method and suggest possible directions for future research.

    DOI: 10.1007/978-1-4939-8561-6_13

    Web of Science

    Scopus

    PubMed

  60. Prediction of cancer-associated hotspot mutations that affect GPCR oligomerization

    Nemoto W., Limviphuvadh V., Maurer-Stroh S., Yamanishi Y., Yamanoi M., Toh H.

    EUROPEAN BIOPHYSICS JOURNAL WITH BIOPHYSICS LETTERS   46 巻   頁: S169 - S169   2017年7月

     詳細を見る

  61. Prediction of Cancer-Associated Hotspot Mutations that Affect GPCR Oligomerization

    Nemoto Wataru, Limviphuvadh Vachiranee, Maurer-Stroh Sebastian, Fujishiro Shunsuke, Yamanishi Yoshihiro, Amemiya Yuichi, Toh Hiroyuki

    BIOPHYSICAL JOURNAL   112 巻 ( 3 ) 頁: 292A - 292A   2017年2月

     詳細を見る

    記述言語:英語  

    DOI: 10.1016/j.bpj.2016.11.1584

    Web of Science

  62. Elucidating the modes of action for bioactive compounds in a cell-specific manner by large-scale chemically-induced transcriptomics 査読有り 国際誌

    Iwata Michio, Sawada Ryusuke, Iwata Hiroaki, Kotera Masaaki, Yamanishi Yoshihiro

    SCIENTIFIC REPORTS   7 巻   頁: 40164 - 40164   2017年1月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Scientific Reports  

    The identification of the modes of action of bioactive compounds is a major challenge in chemical systems biology of diseases. Genome-wide expression profiling of transcriptional responses to compound treatment for human cell lines is a promising unbiased approach for the mode-of-action analysis. Here we developed a novel approach to elucidate the modes of action of bioactive compounds in a cell-specific manner using large-scale chemically-induced transcriptome data acquired from the Library of Integrated Network-based Cellular Signatures (LINCS), and analyzed 16,268 compounds and 68 human cell lines. First, we performed pathway enrichment analyses of regulated genes to reveal active pathways among 163 biological pathways. Next, we explored potential target proteins (including primary targets and off-targets) with cell-specific transcriptional similarity using chemical-protein interactome. Finally, we predicted new therapeutic indications for 461 diseases based on the target proteins. We showed the usefulness of the proposed approach in terms of prediction coverage, interpretation, and large-scale applicability, and validated the new prediction results experimentally by an in vitro cellular assay. The approach has a high potential for advancing drug discovery and repositioning.

    DOI: 10.1038/srep40164

    Web of Science

    Scopus

    PubMed

  63. GGIP: Structure and sequence-based GPCR-GPCR interaction pair predictor 査読有り 国際誌

    Nemoto Wataru, Yamanishi Yoshihiro, Limviphuvadh Vachiranee, Saito Akira, Toh Hiroyuki

    PROTEINS-STRUCTURE FUNCTION AND BIOINFORMATICS   84 巻 ( 9 ) 頁: 1224 - 1233   2016年9月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Proteins: Structure, Function and Bioinformatics  

    G Protein-Coupled Receptors (GPCRs) are important pharmaceutical targets. More than 30% of currently marketed pharmaceutical medicines target GPCRs. Numerous studies have reported that GPCRs function not only as monomers but also as homo- or hetero-dimers or higher-order molecular complexes. Many GPCRs exert a wide variety of molecular functions by forming specific combinations of GPCR subtypes. In addition, some GPCRs are reportedly associated with diseases. GPCR oligomerization is now recognized as an important event in various biological phenomena, and many researchers are investigating this subject. We have developed a support vector machine (SVM)-based method to predict interacting pairs for GPCR oligomerization, by integrating the structure and sequence information of GPCRs. The performance of our method was evaluated by the Receiver Operating Characteristic (ROC) curve. The corresponding area under the curve was 0.938. As far as we know, this is the only prediction method for interacting pairs among GPCRs. Our method could accelerate the analyses of these interactions, and contribute to the elucidation of the global structures of the GPCR networks in membranes. Proteins 2016; 84:1224–1233. © 2016 Wiley Periodicals, Inc.

    DOI: 10.1002/prot.25071

    Web of Science

    Scopus

    PubMed

  64. Simultaneous prediction of enzyme orthologs from chemical transformation patterns for de novo metabolic pathway reconstruction 査読有り 国際誌

    Tabei Yasuo, Yamanishi Yoshihiro, Kotera Masaaki

    BIOINFORMATICS   32 巻 ( 12 ) 頁: 278 - 287   2016年6月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Metabolic pathways are an important class of molecular networks consisting of compounds, enzymes and their interactions. The understanding of global metabolic pathways is extremely important for various applications in ecology and pharmacology. However, large parts of metabolic pathways remain unknown, and most organism-specific pathways contain many missing enzymes. Results: In this study we propose a novel method to predict the enzyme orthologs that catalyze the putative reactions to facilitate the de novo reconstruction of metabolic pathways from metabolome-scale compound sets. The algorithm detects the chemical transformation patterns of substrate-product pairs using chemical graph alignments, and constructs a set of enzyme-specific classifiers to simultaneously predict all the enzyme orthologs that could catalyze the putative reactions of the substrate-product pairs in the joint learning framework. The originality of the method lies in its ability to make predictions for thousands of enzyme orthologs simultaneously, as well as its extraction of enzyme-specific chemical transformation patterns of substrate-product pairs. We demonstrate the usefulness of the proposed method by applying it to some ten thousands of metabolic compounds, and analyze the extracted chemical transformation patterns that provide insights into the characteristics and specificities of enzymes. The proposed method will open the door to both primary (central) and secondary metabolism in genomics research, increasing research productivity to tackle a wide variety of environmental and public health matters.

    DOI: 10.1093/bioinformatics/btw260

    Web of Science

    Scopus

    PubMed

  65. Scalable Partial Least Squares Regression on Grammar-Compressed Data Matrices 査読有り

    Tabei Yasuo, Saigo Hiroto, Yamanishi Yoshihiro, Puglisi Simon J.

    KDD'16: PROCEEDINGS OF THE 22ND ACM SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING   13-17- 巻   頁: 1875 - 1884   2016年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(国際会議プロシーディングス)   出版者・発行元:Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining  

    With massive high-dimensional data now commonplace in research and industry, there is a strong and growing demand for more scalable computational techniques for data analysis and knowledge discovery. Key to turning these data into knowledge is the ability to learn statistical models with high interpretability. Current methods for learning statistical models either produce models that are not interpretable or have prohibitive computational costs when applied to massive data. In this paper we address this need by presenting a scalable algorithm for partial least squares regression (PLS), which we call compression-based PLS (cPLS), to learn predictive linear models with a high interpretability from massive high-dimensional data. We propose a novel grammar-compressed representation of data matrices that supports fast row and column access while the data matrix is in a compressed form. The original data matrix is grammarcompressed and then the linear model in PLS is learned on the compressed data matrix, which results in a significant reduction in working space, greatly improving scalability. We experimentally test cPLS on its ability to learn linear models for classification, regression and feature extraction with various massive high-dimensional data, and show that cPLS performs superiorly in terms of prediction accuracy, computational effciency, and interpretability.

    DOI: 10.1145/2939672.2939864

    Web of Science

    Scopus

  66. Predicting target proteins for drug candidate compounds based on drug-induced gene expression data in a chemical structure-independent manner 査読有り 国際誌

    Hizukuri Yoshiyuki, Sawada Ryusuke, Yamanishi Yoshihiro

    BMC MEDICAL GENOMICS   8 巻 ( 1 ) 頁: 82 - 82   2015年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:BMC Medical Genomics  

    Background: Phenotype-based high-throughput screening is a useful technique for identifying drug candidate compounds that have a desired phenotype. However, the molecular mechanisms of the hit compounds remain unknown, and substantial effort is required to identify the target proteins associated with the phenotype. Methods: In this study, we propose a new method to predict target proteins of drug candidate compounds based on drug-induced gene expression data in Connectivity Map and a machine learning classification technique, which we call the "transcriptomic approach." Results: Unlike existing methods such as the chemogenomic approach, the transcriptomic approach enabled the prediction of target proteins without dependence on prior knowledge of compound chemical structures. The prediction accuracy of the chemogenomic approach was highly depended on compounds structure similarities in data sets. In contrast, the prediction accuracy of the transcriptomic approach was maintained at a sufficient level, even for benchmark data consisting of structurally diverse compounds. Conclusions: The transcriptomic approach reported here is expected to be a useful tool for structure-independent prediction of target proteins for drug candidate compounds.

    DOI: 10.1186/s12920-015-0158-1

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  67. Large-Scale Prediction of Beneficial Drug Combinations Using Drug Efficacy and Target Profiles 査読有り 国際誌

    Iwata Hiroaki, Sawada Ryusuke, Mizutani Sayaka, Kotera Masaaki, Yamanishi Yoshihiro

    JOURNAL OF CHEMICAL INFORMATION AND MODELING   55 巻 ( 12 ) 頁: 2705 - 2716   2015年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Chemical Information and Modeling  

    The identification of beneficial drug combinations is a challenging issue in pharmaceutical and clinical research toward combinatorial drug therapy. In the present study, we developed a novel computational method for large-scale prediction of beneficial drug combinations using drug efficacy and target profiles. We designed an informative descriptor for each drug-drug pair based on multiple drug profiles representing drug-targeted proteins and Anatomical Therapeutic Chemical Classification System codes. Then, we constructed a predictive model by learning a sparsity-induced classifier based on known drug combinations from the Orange Book and KEGG DRUG databases. Our results show that the proposed method outperforms the previous methods in terms of the accuracy of high-confidence predictions, and the extracted features are biologically meaningful. Finally, we performed a comprehensive prediction of novel drug combinations for 2,639 approved drugs, which predicted 142,988 new potentially beneficial drug-drug pairs. We showed several examples of successfully predicted drug combinations for a variety of diseases.

    DOI: 10.1021/acs.jcim.5b00444

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  68. Mining Discriminative Patterns from Graph Data with Multiple Labels and Its Application to Quantitative Structure-Activity Relationship (QSAR) Models 査読有り 国際誌

    Shao Zheng, Hirayama Yuya, Yamanishi Yoshihiro, Saigo Hiroto

    JOURNAL OF CHEMICAL INFORMATION AND MODELING   55 巻 ( 12 ) 頁: 2519 - 2527   2015年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Chemical Information and Modeling  

    Graph data are becoming increasingly common in machine learning and data mining, and its application field pervades to bioinformatics and cheminformatics. Accordingly, as a method to extract patterns from graph data, graph mining recently has been studied and developed rapidly. Since the number of patterns in graph data is huge, a central issue is how to efficiently collect informative patterns suitable for subsequent tasks such as classification or regression. In this paper, we consider mining discriminative subgraphs from graph data with multiple labels. The resulting task has important applications in cheminformatics, such as finding common functional groups that trigger multiple drug side effects, or identifying ligand functional groups that hit multiple targets. In computational experiments, we first verify the effectiveness of the proposed approach in synthetic data, then we apply it to drug adverse effect prediction problem. In the latter dataset, we compared the proposed method with L1-norm logistic regression in combination with the PubChem/Open Babel fingerprint, in that the proposed method showed superior performance with a much smaller number of subgraph patterns. Software is available from https://github.com/axot/GLP.

    DOI: 10.1021/acs.jcim.5b00376

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  69. Target-Based Drug Repositioning Using Large-Scale Chemical-Protein Interactome Data 査読有り 国際誌

    Sawada Ryusuke, Iwata Hiroaki, Mizutani Sayaka, Yamanishi Yoshihiro

    JOURNAL OF CHEMICAL INFORMATION AND MODELING   55 巻 ( 12 ) 頁: 2717 - 2730   2015年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Chemical Information and Modeling  

    Drug repositioning, or the identification of new indications for known drugs, is a useful strategy for drug discovery. In this study, we developed novel computational methods to predict potential drug targets and new drug indications for systematic drug repositioning using large-scale chemical-protein interactome data. We explored the target space of drugs (including primary targets and off-targets) based on chemical structure similarity and phenotypic effect similarity by making optimal use of millions of compound-protein interactions. On the basis of the target profiles of drugs, we constructed statistical models to predict new drug indications for a wide range of diseases with various molecular features. The proposed method outperformed previous methods in terms of interpretability, applicability, and accuracy. Finally, we conducted a comprehensive prediction of the drug-target-disease association network for 8270 drugs and 1401 diseases and showed biologically meaningful examples of newly predicted drug targets and drug indications. The predictive model is useful to understand the mechanisms of the predicted drug indications.

    DOI: 10.1021/acs.jcim.5b00330

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  70. Metabolome-scale de novo pathway reconstruction using regioisomer-sensitive graph alignments 査読有り 国際誌

    Yamanishi Yoshihiro, Tabei Yasuo, Kotera Masaaki

    BIOINFORMATICS   31 巻 ( 12 ) 頁: 161 - 170   2015年6月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Recent advances in mass spectrometry and related metabolomics technologies have enabled the rapid and comprehensive analysis of numerous metabolites. However, biosynthetic and biodegradation pathways are only known for a small portion of metabolites, with most metabolic pathways remaining uncharacterized. Results: In this study, we developed a novel method for supervised de novo metabolic pathway reconstruction with an improved graph alignment-based approach in the reaction-filling framework. We proposed a novel chemical graph alignment algorithm, which we called PACHA (Pairwise Chemical Aligner), to detect the regioisomer-sensitive connectivities between the aligned substructures of two compounds. Unlike other existing graph alignment methods, PACHA can efficiently detect only one common subgraph between two compounds. Our results show that the proposed method outperforms previous descriptor-based methods or existing graph alignment-based methods in the enzymatic reaction-likeness prediction for isomer-enriched reactions. It is also useful for reaction annotation that assigns potential reaction characteristics such as EC (Enzyme Commission) numbers and PIERO (Enzymatic Reaction Ontology for Partial Information) terms to substrate-product pairs. Finally, we conducted a comprehensive enzymatic reaction-likeness prediction for all possible uncharacterized compound pairs, suggesting potential metabolic pathways for newly predicted substrate-product pairs.

    DOI: 10.1093/bioinformatics/btv224

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  71. Systematic Drug Repositioning for a Wide Range of Diseases with Integrative Analyses of Phenotypic and Molecular Data 査読有り 国際誌

    Iwata Hiroaki, Sawada Ryusuke, Mizutani Sayaka, Yamanishi Yoshihiro

    JOURNAL OF CHEMICAL INFORMATION AND MODELING   55 巻 ( 2 ) 頁: 446 - 459   2015年2月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Chemical Information and Modeling  

    Drug repositioning, or the application of known drugs to new indications, is a challenging issue in pharmaceutical science. In this study, we developed a new computational method to predict unknown drug indications for systematic drug repositioning in a framework of supervised network inference. We defined a descriptor for each drug-disease pair based on the phenotypic features of drugs (e.g., medicinal effects and side effects) and various molecular features of diseases (e.g., disease-causing genes, diagnostic markers, disease-related pathways, and environmental factors) and constructed a statistical model to predict new drug-disease associations for a wide range of diseases in the International Classification of Diseases. Our results show that the proposed method outperforms previous methods in terms of accuracy and applicability, and its performance does not depend on drug chemical structure similarity. Finally, we performed a comprehensive prediction of a drug-disease association network consisting of 2349 drugs and 858 diseases and described biologically meaningful examples of newly predicted drug indications for several types of cancers and nonhereditary diseases.

    DOI: 10.1021/ci500670q

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  72. Statistical Methods to Predict Drug Side-Effects

    Yamanishi Yoshihiro

    POST-GENOMIC APPROACHES IN DRUG AND VACCINE DEVELOPMENT   5 巻   頁: 391 - 405   2015年

     詳細を見る

  73. Benchmarking a Wide Range of Chemical Descriptors for Drug-Target Interaction Prediction Using a Chemogenomic Approach 査読有り 国際誌

    Sawada Ryusuke, Kotera Masaaki, Yamanishi Yoshihiro

    MOLECULAR INFORMATICS   33 巻 ( 11-12 ) 頁: 719 - 731   2014年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Molecular Informatics  

    (Figure Presented) The identification of drug-target interactions, or interactions between drug candidate compounds and target candidate proteins, is a crucial process in genomic drug discovery. In silico chemogenomic methods are recently recognized as a promising approach for genomewide scale prediction of drug-target interactions, but the prediction performance depends heavily on the descriptors and similarity measures of drugs and proteins. In this paper, we investigated the performance of various descriptors and similarity measures of drugs and proteins for the drug-target interaction prediction using a chemogenomic approach. We compared the prediction accuracy of 18 chemical descriptors of drugs (e.g., ECFP, FCFP,E-state, CDK, Klekota-Roth, MACCS, PubChem, Dragon, KCF-S, and graph kernels) and 4 descriptors of proteins (e.g., amino acid composition, domain profile, local sequence similarity, and string kernel) on about one hundred thousand drug-target interactions. We examined the combinatorial effects of drug descriptors and protein descriptors using the same benchmark data under several experimental conditions. Large-scale experiments showed that our proposed KCF-S descriptor worked the best in terms of prediction accuracy. The comparative results are expected to be useful for selecting chemical descriptors in various pharmaceutical applications.

    DOI: 10.1002/minf.201400066

    Web of Science

    Scopus

    PubMed

  74. DINIES: drug-target interaction network inference engine based on supervised analysis 査読有り 国際誌

    Yamanishi Yoshihiro, Kotera Masaaki, Moriya Yuki, Sawada Ryusuke, Kanehisa Minoru, Goto Susumu

    NUCLEIC ACIDS RESEARCH   42 巻 ( W1 ) 頁: W39 - W45   2014年7月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Nucleic Acids Research  

    DINIES (drug-target interaction network inference engine based on supervised analysis) is a web server for predicting unknown drug-target interaction networks from various types of biological data (e.g. chemical structures, drug side effects, amino acid sequences and protein domains) in the framework of supervised network inference. The originality of DINIES lies in prediction with state-of-the-art machine learning methods, in the integration of heterogeneous biological data and in compatibility with the KEGG database. The DINIES server accepts any 'profiles' or precalculated similarity matrices (or 'kernels') of drugs and target proteins in tab-delimited file format. When a training data set is submitted to learn a predictive model, users can select either known interaction information in the KEGG DRUG database or their own interaction data. The user can also select an algorithm for supervised network inference, select various parameters in the method and specify weights for heterogeneous data integration. The server can provide integrative analyses with useful components in KEGG, such as biological pathways, functional hierarchy and human diseases. DINIES (http://www.genome.jp/tools/dinies/) is publicly available as one of the genome analysis tools in GenomeNet. © 2014 The Author(s).

    DOI: 10.1093/nar/gku337

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  75. Metabolome-scale prediction of intermediate compounds in multistep metabolic pathways with a recursive supervised approach 査読有り 国際誌

    Kotera Masaaki, Tabei Yasuo, Yamanishi Yoshihiro, Muto Ai, Moriya Yuki, Tokimatsu Toshiaki, Goto Susumu

    BIOINFORMATICS   30 巻 ( 12 ) 頁: 165 - 174   2014年6月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Metabolic pathway analysis is crucial not only in metabolic engineering but also in rational drug design. However, the biosynthetic/ biodegradation pathways are known only for a small portion of metabolites, and a vast amount of pathways remain uncharacterized. Therefore, an important challenge in metabolomics is the de novo reconstruction of potential reaction networks on a metabolome-scale. Results: In this article, we develop a novel method to predict the multistep reaction sequences for de novo reconstruction of metabolic pathways in the reaction-filling framework. We propose a supervised approach to learn what we refer to as 'multistep reaction sequence likeness', i.e. whether a compound-compound pair is possibly converted to each other by a sequence of enzymatic reactions. In the algorithm, we propose a recursive procedure of using step-specific classifiers to predict the intermediate compounds in the multistep reaction sequences, based on chemical substructure fingerprints/descriptors of compounds. We further demonstrate the usefulness of our proposed method on the prediction of enzymatic reaction networks from a metabolome-scale compound set and discuss characteristic features of the extracted chemical substructure transformation patterns in multistep reaction sequences. Our comprehensively predicted reaction networks help to fill the metabolic gap and to infer new reaction sequences in metabolic pathways. © 2014 The Author. Published by Oxford University Press. All rights reserved.

    DOI: 10.1093/bioinformatics/btu265

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  76. 2P270 GGIP : GPCR-GPCR Interaction Pair Predictor(22A. Bioinformatics:Structural genomics,Poster)

    Nemoto Wataru, Yamanishi Yoshihiro, Vachiranee Limviphuvadh, Toh Hiroyuki

    生物物理   54 巻 ( 1 ) 頁: S239   2014年

     詳細を見る

    記述言語:英語   出版者・発行元:一般社団法人 日本生物物理学会  

    DOI: 10.2142/biophys.54.S239_6

  77. Inferring protein domains associated with drug side effects based on drug-target interaction network 査読有り 国際誌

    Iwata Hiroaki, Mizutani Sayaka, Tabei Yasuo, Kotera Masaaki, Goto Susumu, Yamanishi Yoshihiro

    BMC SYSTEMS BIOLOGY   7 巻 ( S-6 ) 頁: 18 - 18   2013年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.1186/1752-0509-7-S6-S18

    Web of Science

    PubMed

    J-GLOBAL

  78. KCF-S: KEGG Chemical Function and Substructure for improved interpretability and prediction in chemical bioinformatics 査読有り 国際誌

    Kotera Masaaki, Tabei Yasuo, Yamanishi Yoshihiro, Moriya Yuki, Tokimatsu Toshiaki, Kanehisa Minoru, Goto Susumu

    BMC SYSTEMS BIOLOGY   7 巻 ( S-6 ) 頁: S2 - 2   2013年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:BMC Systems Biology  

    Background: In order to develop hypothesis on unknown metabolic pathways, biochemists frequently rely on literature that uses a free-text format to describe functional groups or substructures. In computational chemistry or cheminformatics, molecules are typically represented by chemical descriptors, i.e., vectors that summarize information on its various properties. However, it is difficult to interpret these chemical descriptors since they are not directly linked to the terminology of functional groups or substructures that the biochemists use. Methods: In this study, we used KEGG Chemical Function (KCF) format to computationally describe biochemical substructures in seven attributes that resemble biochemists' way of dealing with substructures. Results: We established KCF-S (KCF-and-Substructures) format as an additional structural information of KCF. Applying KCF-S revealed the specific appearance of substructures from various datasets of molecules that describes the characteristics of the respective datasets. Structure-based clustering of molecules using KCF-S resulted the clusters in which molecular weights and structures were less diverse than those obtained by conventional chemical fingerprints. We further applied KCF-S to find the pairs of molecules that are possibly converted to each other in enzymatic reactions, and KCF-S clearly improved predictive performance than that presented previously. Conclusions: KCF-S defines biochemical substructures with keeping interpretability, suggesting the potential to apply more studies on chemical bioinformatics. KCF and KCF-S can be automatically converted from Molfile format, enabling to deal with molecules from any data sources.

    DOI: 10.1186/1752-0509-7-S6-S2

    Web of Science

    Scopus

    PubMed

  79. Scalable prediction of compound-protein interactions using minwise hashing 査読有り 国際誌

    Tabei Yasuo, Yamanishi Yoshihiro

    BMC SYSTEMS BIOLOGY   7 巻 ( S-6 ) 頁: S3 - 3   2013年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:BMC Systems Biology  

    The identification of compound-protein interactions plays key roles in the drug development toward discovery of new drug leads and new therapeutic protein targets. There is therefore a strong incentive to develop new efficient methods for predicting compound-protein interactions on a genome-wide scale. In this paper we develop a novel chemogenomic method to make a scalable prediction of compound-protein interactions from heterogeneous biological data using minwise hashing. The proposed method mainly consists of two steps: 1) construction of new compact fingerprints for compound-protein pairs by an improved minwise hashing algorithm, and 2) application of a sparsity-induced classifier to the compact fingerprints. We test the proposed method on its ability to make a large-scale prediction of compound-protein interactions from compound substructure fingerprints and protein domain fingerprints, and show superior performance of the proposed method compared with the previous chemogenomic methods in terms of prediction accuracy, computational efficiency, and interpretability of the predictive model. All the previously developed methods are not computationally feasible for the full dataset consisting of about 200 millions of compound-protein pairs. The proposed method is expected to be useful for virtual screening of a huge number of compounds against many protein targets.

    DOI: 10.1186/1752-0509-7-S6-S3

    Web of Science

    Scopus

    PubMed

  80. Inferring Chemogenomic Features from Drug-Target Interaction Networks 査読有り 国際誌

    Yamanishi Yoshihiro

    MOLECULAR INFORMATICS   32 巻 ( 11-12 ) 頁: 991 - 999   2013年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Molecular Informatics  

    Drug effects are mainly caused by the interactions between drug molecules and target proteins including primary targets and off-targets. Understanding of the molecular mechanisms behind overall drug-target interactions is crucial in the drug design process. In this paper we review recently developed methods to infer chemogenomic features (the underlying associations between drug chemical substructures and protein domains) which are strongly involved in drug-target interaction networks. We show the usefulness of the methods to detect ligand chemical fragments specific for each protein domain and ligand core substructures important for a wide range of protein families. We also discuss how to use the chemogenomic features for predicting unknown drug-target interactions on a large scale. © 2013 Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim.

    DOI: 10.1002/minf.201300079

    Web of Science

    Scopus

    PubMed

  81. Succinct interval-splitting tree for scalable similarity search of compound-protein pairs with property constraints 査読有り

    Tabei Y., Kishimoto A., Kotera M., Yamanishi Y.

    Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining   128815 巻   頁: 176 - 184   2013年8月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(国際会議プロシーディングス)   出版者・発行元:Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining  

    Analyzing functional interactions between small compounds and proteins is indispensable in genomic drug discovery. Since rich information on various compound-protein interactions is available in recent molecular databases, strong demands for making best use of such databases require to invent powerful methods to help us find new functional compoundprotein pairs on a large scale. We present the succinct interval-splitting tree algorithm (SITA) that efficiently performs similarity search in databases for compound-protein pairs with respect to both binary fingerprints and real-valued properties. SITA achieves both time and space efficiency by developing the data structure called interval-splitting trees, which enables to efficiently prune the useless portions of search space, and by incorporating the ideas behind wavelet tree, a succinct data structure to compactly represent trees. We experimentally test SITA on the ability to retrieve similar compound-protein pairs/substrate-product pairs for a query from large databases with over 200 million compoundprotein pairs/substrate-product pairs and show that SITA performs better than other possible approaches.

    DOI: 10.1145/2487575.2487637

    Scopus

    その他リンク: http://dblp.uni-trier.de/db/conf/kdd/kdd2013.html#conf/kdd/TabeiKKY13

  82. Supervised de novo reconstruction of metabolic pathways from metabolome-scale compound sets 査読有り 国際誌

    Kotera Masaaki, Tabei Yasuo, Yamanishi Yoshihiro, Tokimatsu Toshiaki, Goto Susumu

    BIOINFORMATICS   29 巻 ( 13 ) 頁: 135 - 144   2013年7月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: The metabolic pathway is an important biochemical reaction network involving enzymatic reactions among chemical compounds. However, it is assumed that a large number of metabolic pathways remain unknown, and many reactions are still missing even in known pathways. Therefore, the most important challenge in metabolomics is the automated de novo reconstruction of metabolic pathways, which includes the elucidation of previously unknown reactions to bridge the metabolic gaps. Results: In this article, we develop a novel method to reconstruct metabolic pathways from a large compound set in the reaction-filling framework.We define feature vectors representing the chemical transformation patterns of compound-compound pairs in enzymatic reactions using chemical fingerprints. We apply a sparsity-induced classifier to learn what we refer to as 'enzymatic-reaction likeness', i.e. whether compound pairs are possibly converted to each other by enzymatic reactions. The originality of our method lies in the search for potential reactions among many compounds at a time, in the extraction of reaction-related chemical transformation patterns and in the large-scale applicability owing to the computational efficiency. In the results, we demonstrate the usefulness of our proposed method on the de novo reconstruction of 134 metabolic pathways in Kyoto Encyclopedia of Genes and Genomes (KEGG). Our comprehensively predicted reaction networks of 15 698 compounds enable us to suggest many potential pathways and to increase research productivity in metabolomics. © The Author 2013.

    DOI: 10.1093/bioinformatics/btt244

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  83. スパース統計モデルによる薬物-疾患ネットワークの予測(合同企画セッション:バイオデータマイニング)

    岩田 浩明, 山西 芳裕

    電子情報通信学会技術研究報告. NC, ニューロコンピューティング   113 巻 ( 111 ) 頁: 155   2013年6月

     詳細を見る

    記述言語:日本語   出版者・発行元:一般社団法人電子情報通信学会  

    近年の新薬開発の行き詰まりを打開する方法として、既存薬の作用を徹底的に調べあげ新たに薬効を見つけ出し、本来それが開発された疾患とは別の疾患に対する治療薬として再開発する創薬研究が注目を浴びている。本研究では、薬物に関するケミカルなデータと疾患に関するフェノタイプのデータから潜在的な薬物と疾患の関係を網羅的に予測する機械学習の手法を開発した。教師付き学習のアルゴリズムにスパース統計モデルを導入することで特徴抽出を可能にし、予測された関係に関与している薬物の標的タンパク質と疾患のフェノタイプの組み合わせを同定する点が独自の点である。また抽出された標的タンパク質の生物学的妥当性をPathway Enrichment解析を用いて評価した。本発表ではこれらの結果と、既知のデータから学習して生成したモデルを適用することで得られる新規の薬と疾患の関連解析の結果について紹介する。

    CiNii Research

  84. KEGG OC: a large-scale automatic construction of taxonomy-based ortholog clusters 査読有り 国際誌

    Nakaya Akihiro, Katayama Toshiaki, Itoh Masumi, Hiranuka Kazushi, Kawashima Shuichi, Moriya Yuki, Okuda Shujiro, Tanaka Michihiro, Tokimatsu Toshiaki, Yamanishi Yoshihiro, Yoshizawa Akiyasu C., Kanehisa Minoru, Goto Susumu

    NUCLEIC ACIDS RESEARCH   41 巻 ( D1 ) 頁: D353 - D357   2013年1月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Nucleic Acids Research  

    The identification of orthologous genes in an increasing number of fully sequenced genomes is a challenging issue in recent genome science. Here we present KEGG OC (http://www.genome.jp/tools/oc/), a novel database of ortholog clusters (OCs). The current version of KEGG OC contains 1 176 030 OCs, obtained by clustering 8 357 175 genes in 2112 complete genomes (153 eukaryotes, 1830 bacteria and 129 archaea). The OCs were constructed by applying the quasi-clique-based clustering method to all possible protein coding genes in all complete genomes, based on their amino acid sequence similarities. It is computationally efficient to calculate OCs, which enables to regularly update the contents. KEGG OC has the following two features: (i) It consists of all complete genomes of a wide variety of organisms from three domains of life, and the number of organisms is the largest among the existing databases; and (ii) It is compatible with the KEGG database by sharing the same sets of genes and identifiers, which leads to seamless integration of OCs with useful components in KEGG such as biological pathways, pathway modules, functional hierarchy, diseases and drugs. The KEGG OC resources are accessible via OC Viewer that provides an interactive visualization of OCs at different taxonomic levels. © The Author(s) 2012.

    DOI: 10.1093/nar/gks1239

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  85. Chemogenomic approaches to infer drug-target interaction networks. 査読有り 国際誌

    Yamanishi Y

    Methods in molecular biology (Clifton, N.J.)   939 巻   頁: 97 - 113   2013年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.1007/978-1-62703-107-3_9

    PubMed

  86. Succinct Interval-Splitting Tree for Scalable Similarity Search of Compound-Protein Pairs with Property Constraints

    Tabei Yasuo, Kishimoto Akihiro, Kotera Masaaki, Yamanishi Yoshihiro

    19TH ACM SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING (KDD'13)     頁: 176 - 184   2013年

     詳細を見る

  87. Drug Side-Effect Prediction Based on the Integration of Chemical and Biological Spaces 査読有り 国際誌

    Yamanishi Yoshihiro, Pauwels Edouard, Kotera Masaaki

    JOURNAL OF CHEMICAL INFORMATION AND MODELING   52 巻 ( 12 ) 頁: 3284 - 3292   2012年12月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Chemical Information and Modeling  

    Drug side-effects, or adverse drug reactions, have become a major public health concern and remain one of the main causes of drug failure and of drug withdrawal once they have reached the market. Therefore, the identification of potential severe side-effects is a challenging issue. In this paper, we develop a new method to predict potential side-effect profiles of drug candidate molecules based on their chemical structures and target protein information on a large scale. We propose several extensions of kernel regression model for multiple responses to deal with heterogeneous data sources. The originality lies in the integration of the chemical space of drug chemical structures and the biological space of drug target proteins in a unified framework. As a result, we demonstrate the usefulness of the proposed method on the simultaneous prediction of 969 side-effects for approved drugs from their chemical substructure and target protein profiles and show that the prediction accuracy consistently improves owing to the proposed regression model and integration of chemical and biological information. We also conduct a comprehensive side-effect prediction for uncharacterized drug molecules stored in DrugBank and confirm interesting predictions using independent information sources. The proposed method is expected to be useful at many stages of the drug development process. © 2012 American Chemical Society.

    DOI: 10.1021/ci2005548

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  88. Drug target prediction using adverse event report systems: a pharmacogenomic approach 査読有り 国際誌

    Takarabe Masataka, Kotera Masaaki, Nishimura Yosuke, Goto Susumu, Yamanishi Yoshihiro

    BIOINFORMATICS   28 巻 ( 18 ) 頁: I611 - I618   2012年9月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Unexpected drug activities derived from off-targets are usually undesired and harmful; however, they can occasionally be beneficial for different therapeutic indications. There are many uncharacterized drugs whose target proteins (including the primary target and off-targets) remain unknown. The identification of all potential drug targets has become an important issue in drug repositioning to reuse known drugs for new therapeutic indications. Results: We defined pharmacological similarity for all possible drugs using the US Food and Drug Administration's (FDA's) adverse event reporting system (AERS) and developed a new method to predict unknown drug-target interactions on a large scale from the integration of pharmacological similarity of drugs and genomic sequence similarity of target proteins in the framework of a pharmacogenomic approach. The proposed method was applicable to a large number of drugs and it was useful especially for predicting unknown drug-target interactions that could not be expected from drug chemical structures. We made a comprehensive prediction for potential off-targets of 1874 drugs with known targets and potential target profiles of 2519 drugs without known targets, which suggests many potential drug-target interactions that were not predicted by previous chemogenomic or pharmacogenomic approaches. © The Author(s) 2012. Published by Oxford University Press.

    DOI: 10.1093/bioinformatics/bts413

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  89. Identification of chemogenomic features from drug-target interaction networks using interpretable classifiers 査読有り 国際誌

    Tabei Yasuo, Pauwels Edouard, Stoven Veronique, Takemoto Kazuhiro, Yamanishi Yoshihiro

    BIOINFORMATICS   28 巻 ( 18 ) 頁: I487 - I494   2012年9月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Drug effects are mainly caused by the interactions between drug molecules and their target proteins including primary targets and off-targets. Identification of the molecular mechanisms behind overall drug-target interactions is crucial in the drug design process. Results: We develop a classifier-based approach to identify chemogenomic features (the underlying associations between drug chemical substructures and protein domains) that are involved in drug-target interaction networks. We propose a novel algorithm for extracting informative chemogenomic features by using L1 regularized classifiers over the tensor product space of possible drug-target pairs. It is shown that the proposed method can extract a very limited number of chemogenomic features without loosing the performance of predicting drug-target interactions and the extracted features are biologically meaningful. The extracted substructure-domain association network enables us to suggest ligand chemical fragments specific for each protein domain and ligand core substructures important for a wide range of protein families. © The Author(s) 2012. Published by Oxford University Press.

    DOI: 10.1093/bioinformatics/bts412

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  90. Relating drug-protein interaction network with drug side effects 査読有り 国際誌

    Mizutani Sayaka, Pauwels Edouard, Stoven Veronique, Goto Susumu, Yamanishi Yoshihiro

    BIOINFORMATICS   28 巻 ( 18 ) 頁: I522 - I528   2012年9月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Identifying the emergence and underlying mechanisms of drug side effects is a challenging task in the drug development process. This underscores the importance of system-wide approaches for linking different scales of drug actions; namely drugprotein interactions (molecular scale) and side effects (phenotypic scale) toward side effect prediction for uncharacterized drugs. Results: We performed a large-scale analysis to extract correlated sets of targeted proteins and side effects, based on the cooccurrence of drugs in protein-binding profiles and side effect profiles, using sparse canonical correlation analysis. The analysis of 658 drugs with the two profiles for 1368 proteins and 1339 side effects led to the extraction of 80 correlated sets. Enrichment analyses using KEGG and Gene Ontology showed that most of the correlated sets were significantly enriched with proteins that are involved in the same biological pathways, even if their molecular functions are different. This allowed for a biologically relevant interpretation regarding the relationship between drug-targeted proteins and side effects. The extracted side effects can be regarded as possible phenotypic outcomes by drugs targeting the proteins that appear in the same correlated set. The proposed method is expected to be useful for predicting potential side effects of new drug candidate compounds based on their protein-binding profiles. © The Author(s) 2012. Published by Oxford University Press.

    DOI: 10.1093/bioinformatics/bts383

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  91. GENIES: gene network inference engine based on supervised analysis 査読有り 国際誌

    Kotera Masaaki, Yamanishi Yoshihiro, Moriya Yuki, Kanehisa Minoru, Goto Susumu

    NUCLEIC ACIDS RESEARCH   40 巻 ( W1 ) 頁: W162 - W167   2012年7月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Nucleic Acids Research  

    Gene network inference engine based on supervised analysis (GENIES) is a web server to predict unknown part of gene network from various types of genome-wide data in the framework of supervised network inference. The originality of GENIES lies in the construction of a predictive model using partially known network information and in the integration of heterogeneous data with kernel methods. The GENIES server accepts any 'profiles' of genes or proteins (e.g. gene expression profiles, protein subcellular localization profiles and phylogenetic profiles) or pre-calculated gene-gene similarity matrices (or 'kernels') in the tab-delimited file format. As a training data set to learn a predictive model, the users can choose either known molecular network information in the KEGG PATHWAY database or their own gene network data. The user can also select an algorithm of supervised network inference, choose various parameters in the method, and control the weights of heterogeneous data integration. The server provides the list of newly predicted gene pairs, maps the predicted gene pairs onto the associated pathway diagrams in KEGG PATHWAY and indicates candidate genes for missing enzymes in organism-specific metabolic pathways. GENIES (http://www.genome.jp/tools/genies/) is publicly available as one of the genome analysis tools in GenomeNet. © 2012 The Author(s).

    DOI: 10.1093/nar/gks459

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  92. Network Completion Using Dynamic Programming and Least-Squares Fitting 査読有り 国際誌

    Nakajima Natsu, Tamura Takeyuki, Yamanishi Yoshihiro, Horimoto Katsuhisa, Akutsu Tatsuya

    SCIENTIFIC WORLD JOURNAL   2012 巻   頁: 957620 - 957620   2012年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:The Scientific World Journal  

    We consider the problem of network completion, which is to make the minimum amount of modifications to a given network so that the resulting network is most consistent with the observed data. We employ here a certain type of differential equations as gene regulation rules in a genetic network, gene expression time series data as observed data, and deletions and additions of edges as basic modification operations. In addition, we assume that the numbers of deleted and added edges are specified. For this problem, we present a novel method using dynamic programming and least-squares fitting and show that it outputs a network with the minimum sum squared error in polynomial time if the maximum indegree of the network is bounded by a constant. We also perform computational experiments using both artificially generated and real gene expression time series data. © 2012 Natsu Nakajima et al.

    DOI: 10.1100/2012/957620

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  93. Predicting drug side-effect profiles: a chemical fragment-based approach 査読有り 国際誌

    Pauwels Edouard, Stoven Veronique, Yamanishi Yoshihiro

    BMC BIOINFORMATICS   12 巻   頁: 169 - 169   2011年5月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:BMC Bioinformatics  

    Background: Drug side-effects, or adverse drug reactions, have become a major public health concern. It is one of the main causes of failure in the process of drug development, and of drug withdrawal once they have reached the market. Therefore, in silico prediction of potential side-effects early in the drug discovery process, before reaching the clinical stages, is of great interest to improve this long and expensive process and to provide new efficient and safe therapies for patients.Results: In the present work, we propose a new method to predict potential side-effects of drug candidate molecules based on their chemical structures, applicable on large molecular databanks. A unique feature of the proposed method is its ability to extract correlated sets of chemical substructures (or chemical fragments) and side-effects. This is made possible using sparse canonical correlation analysis (SCCA). In the results, we show the usefulness of the proposed method by predicting 1385 side-effects in the SIDER database from the chemical structures of 888 approved drugs. These predictions are performed with simultaneous extraction of correlated ensembles formed by a set of chemical substructures shared by drugs that are likely to have a set of side-effects. We also conduct a comprehensive side-effect prediction for many uncharacterized drug molecules stored in DrugBank, and were able to confirm interesting predictions using independent source of information.Conclusions: The proposed method is expected to be useful in various stages of the drug development process. © 2011 Pauwels et al; licensee BioMed Central Ltd.

    DOI: 10.1186/1471-2105-12-169

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  94. Extracting Sets of Chemical Substructures and Protein Domains Governing Drug-Target Interactions 査読有り 国際誌

    Yamanishi Yoshihiro, Pauwels Edouard, Saigo Hiroto, Stovent Veronique

    JOURNAL OF CHEMICAL INFORMATION AND MODELING   51 巻 ( 5 ) 頁: 1183 - 1194   2011年5月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Journal of Chemical Information and Modeling  

    The identification of rules governing molecular recognition between drug chemical substructures and protein functional sites is a challenging issue at many stages of the drug development process. In this paper we develop a novel method to extract sets of drug chemical substructures and protein domains that govern drug-target interactions on a genome-wide scale. This is made possible using sparse canonical correspondence analysis (SCCA) for analyzing drug substructure profiles and protein domain profiles simultaneously. The method does not depend on the availability of protein 3D structures. From a data set of known drug-target interactions including enzymes, ion channels, G protein-coupled receptors, and nuclear receptors, we extract a set of chemical substructures shared by drugs able to bind to a set of protein domains. These two sets of extracted chemical substructures and protein domains form components that can be further exploited in a drug discovery process. This approach successfully clusters protein domains that may be evolutionary unrelated but that bind a common set of chemical substructures. As shown in several examples, it can also be very helpful for predicting new protein - ligand interactions and addressing the problem of ligand specificity. The proposed method constitutes a contribution to the recent field of chemogenomics that aims to connect the chemical space with the biological space. (Figure presented). © 2011 American Chemical Society.

    DOI: 10.1021/ci100476q

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  95. Prediction of Compound-Protein Interactions with Machine Learning Methods 査読有り

    Yamanishi Yoshihiro, Kashima Hisashi

    CHEMOINFORMATICS AND ADVANCED MACHINE LEARNING PERSPECTIVES: COMPLEX COMPUTATIONAL METHODS AND COLLABORATIVE TECHNIQUES     頁: 304 - 317   2011年

     詳細を見る

    記述言語:英語   掲載種別:論文集(書籍)内論文   出版者・発行元:Chemoinformatics and Advanced Machine Learning Perspectives: Complex Computational Methods and Collaborative Techniques  

    In silico prediction of compound-protein interactions from heterogeneous biological data is critical in the process of drug development. In this chapter the authors review several supervised machine learning methods to predict unknown compound-protein interactions from chemical structure and genomic sequence information simultaneously. The authors review several kernel-based algorithms from two different viewpoints: binary classification and dimension reduction. In the results, they demonstrate the usefulness of the methods on the prediction of drug-target interactions and ligand-protein interactions from chemical structure data and genomic sequence data. © 2011, IGI Global.

    DOI: 10.4018/978-1-61520-911-8.ch016

    Web of Science

    Scopus

  96. Chemoinformatics and Advanced Machine Learning Perspectives: Complex Computational Methods and Collaborative Techniques Preface

    Lodhi Huma, Yamanishi Yoshihiro

    CHEMOINFORMATICS AND ADVANCED MACHINE LEARNING PERSPECTIVES: COMPLEX COMPUTATIONAL METHODS AND COLLABORATIVE TECHNIQUES     頁: XV - XVI   2011年

     詳細を見る

  97. Preface

    Lodhi H., Yamanishi Y.

    Chemoinformatics and Advanced Machine Learning Perspectives: Complex Computational Methods and Collaborative Techniques     2010年12月

     詳細を見る

    出版者・発行元:Chemoinformatics and Advanced Machine Learning Perspectives: Complex Computational Methods and Collaborative Techniques  

    DOI: 10.4018/978-1-61520-911-8

    Scopus

  98. Cartesian Kernel: An Efficient Alternative to the Pairwise Kernel 査読有り

    Kashima Hisashi, Oyama Satoshi, Yamanishi Yoshihiro, Tsuda Koji

    IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS   E93D 巻 ( 10 ) 頁: 2672 - 2679   2010年10月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:IEICE Transactions on Information and Systems  

    Pairwise classification has many applications including network prediction, entity resolution, and collaborative filtering. The pairwise kernel has been proposed for those purposes by several research groups independently, and has been used successfully in several fields. In this paper, we propose an efficient alternative which we call a Cartesian kernel. While the existing pairwise kernel (which we refer to as the Kronecker kernel) can be interpreted as the weighted adjacency matrix, of the Kronecker product graph of two graphs, the Cartesian kernel can be interpreted as that of the Cartesian graph, which is more sparse than the Kronecker product graph. We discuss the generalization bounds of the two pairwise kernels by using eigenvalue analysis of the kernel matrices. Also, we consider the N-wise extensions of the two pairwise kernels. Experimental results show the Cartesian kernel is much faster than the Kronecker kernel, and at the same time, competitive with the Kronecker kernel in predictive performance. Copyright © 2010 The Institute of Electronics, Information and Communication Engineers.

    DOI: 10.1587/transinf.E93.D.2672

    Web of Science

    Scopus

    その他リンク: http://dblp.uni-trier.de/db/journals/ieicet/ieicet93d.html#journals/ieicet/KashimaOYT10

  99. Simultaneous Prediction of Biological Networks of Multiple Species from Genome-wide Data and Evolutionary Information: A Semi-supervised Approach 査読有り

    Hisashi Kashima, Tsuyoshi Kato, Yoshihiro Yamanishi, Masashi Sugiyama, Koji Tsuda

    IEEE Transactions on Knowledge and Data Enginieering   22 巻 ( 7 ) 頁: 957 - 968   2010年7月

  100. Drug-target interaction prediction from chemical, genomic and pharmacological data in an integrated framework 査読有り 国際誌

    Yamanishi Yoshihiro, Kotera Masaaki, Kanehisa Minoru, Goto Susumu

    BIOINFORMATICS   26 巻 ( 12 ) 頁: i246 - i254   2010年6月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: In silico prediction of drug-target interactions from heterogeneous biological data is critical in the search for drugs and therapeutic targets for known diseases such as cancers. There is therefore a strong incentive to develop new methods capable of detecting these potential drug-target interactions efficiently. Results: In this article, we investigate the relationship between the chemical space, the pharmacological space and the topology of drug-target interaction networks, and show that drug-target interactions are more correlated with pharmacological effect similarity than with chemical structure similarity. We then develop a new method to predict unknown drug-target interactions from chemical, genomic and pharmacological data on a large scale. The proposed method consists of two steps: (i) prediction of pharmacological effects from chemical structures of given compounds and (ii) inference of unknown drug-target interactions based on the pharmacological effect similarity in the framework of supervised bipartite graph inference. The originality of the proposed method lies in the prediction of potential pharmacological similarity for any drug candidate compounds and in the integration of chemical, genomic and pharmacological data in a unified framework. In the results, we make predictions for four classes of important drug-target interactions involving enzymes, ion channels, GPCRs and nuclear receptors. Our comprehensively predicted drug-target interaction networks enable us to suggest many potential drug-target interactions and to increase research productivity toward genomic drug discovery. Supplementary information: Datasets and all prediction results are available at http://cbio.ensmp.fr/~yyamanishi/pharmaco/. Availability: Softwares are available upon request. Contact: yoshihiro.yamanishi@ensmp.fr. © The Author(s) 2010. Published by Oxford University Press.

    DOI: 10.1093/bioinformatics/btq176

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  101. Integer programming-based method for completing signaling pathways and its application to analysis of colorectal cancer.

    Tamura T., Yamanishi Y., Tanabe M., Goto S., Kanehisa M., Horimoto K., Akutsu T.

    Genome informatics. International Conference on Genome Informatics   24 巻   頁: 193 - 203   2010年

     詳細を見る

    出版者・発行元:Genome informatics. International Conference on Genome Informatics  

    Signaling pathways are often represented by networks where each node corresponds to a protein and each edge corresponds to a relationship between nodes such as activation, inhibition and binding. However, such signaling pathways in a cell may be affected by genetic and epigenetic alteration. Some edges may be deleted and some edges may be newly added. The current knowledge about known signaling pathways is available on some public databases, but most of the signaling pathways including changes upon the cell state alterations remain largely unknown. In this paper, we develop an integer programming-based method for inferring such changes by using gene expression data. We test our method on its ability to reconstruct the pathway of colorectal cancer in the KEGG database.

    DOI: 10.1142/9781848166585_0016

    Scopus

  102. Integer programming-based method for completing signaling pathways and its application to analysis of colorectal cancer. 査読有り

    Tamura T, Yamanishi Y, Tanabe M, Goto S, Kanehisa M, Horimoto K, Akutsu T

    Genome informatics. International Conference on Genome Informatics   24 巻   頁: 193 - 203   2010年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)  

    PubMed

  103. Simultaneous inference of biological networks of multiple species from genome-wide data and evolutionary information: a semi-supervised approach 査読有り 国際誌

    Kashima Hisashi, Yamanishi Yoshihiro, Kato Tsuyoshi, Sugiyama Masashi, Tsuda Koji

    BIOINFORMATICS   25 巻 ( 22 ) 頁: 2962 - 2968   2009年11月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: The existing supervised methods for biological network inference work on each of the networks individually based only on intra-species information such as gene expression data. We believe that it will be more effective to use genomic data and cross-species evolutionary information from different species simultaneously, rather than to use the genomic data alone. Results: We created a new semi-supervised learning method called Link Propagation for inferring biological networks of multiple species based on genome-wide data and evolutionary information. The new method was applied to simultaneous reconstruction of three metabolic networks of Caenorhabditis elegans, Helicobacter pylori and Saccharomyces cerevisiae, based on gene expression similarities and amino acid sequence similarities. The experimental results proved that the new simultaneous network inference method consistently improves the predictive performance over the individual network inferences, and it also outperforms in accuracy and speed other established methods such as the pairwise support vector machine. © The Author 2009. Published by Oxford University Press. All rights reserved.

    DOI: 10.1093/bioinformatics/btp494

    Web of Science

    Scopus

    PubMed

  104. Supervised prediction of drug-target interactions using bipartite local models 査読有り 国際誌

    Bleakley Kevin, Yamanishi Yoshihiro

    BIOINFORMATICS   25 巻 ( 18 ) 頁: 2397 - 2403   2009年9月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: In silico prediction of drug-target interactions from heterogeneous biological data is critical in the search for drugs for known diseases. This problem is currently being attacked from many different points of view, a strong indication of its current importance. Precisely, being able to predict new drug-target interactions with both high precision and accuracy is the holy grail, a fundamental requirement for in silico methods to be useful in a biological setting. This, however, remains extremely challenging due to, amongst other things, the rarity of known drug-target interactions. Results: We propose a novel supervised inference method to predict unknown drug-target interactions, represented as a bipartite graph. We use this method, known as bipartite local models to first predict target proteins of a given drug, then to predict drugs targeting a given protein. This gives two independent predictions for each putative drug-target interaction, which we show can be combined to give a definitive prediction for each interaction. We demonstrate the excellent performance of the proposed method in the prediction of four classes of drug-target interaction networks involving enzymes, ion channels, G protein-coupled receptors (GPCRs) and nuclear receptors in human. This enables us to suggest a number of new potential drug-target interactions. © 2009 The Author(s).

    DOI: 10.1093/bioinformatics/btp433

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  105. E-zyme: predicting potential EC numbers from the chemical transformation pattern of substrate-product pairs 査読有り 国際誌

    Yamanishi Yoshihiro, Hattori Masahiro, Kotera Masaaki, Goto Susumu, Kanehisa Minoru

    BIOINFORMATICS   25 巻 ( 12 ) 頁: I179 - I186   2009年6月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: The IUBMB's Enzyme Nomenclature system, commonly known as the Enzyme Commission (EC) numbers, plays key roles in classifying enzymatic reactions and in linking the enzyme genes or proteins to reactions in metabolic pathways. There are numerous reactions known to be present in various pathways but without any official EC numbers, most of which have no hope to be given ones because of the lack of the published articles on enzyme assays. Results: In this article we propose a new method to predict the potential EC numbers to given reactant pairs (substrates and products) or uncharacterized reactions, and a web-server named E-zyme as an application. This technology is based on our original biochemical transformation pattern which we call an 'RDM pattern', and consists of three steps: (i) graph alignment of a query reactant pair (substrates and products) for computing the query RDM pattern, (ii) multi-layered partial template matching by comparing the query RDM pattern with template patterns related with known EC numbers and (iii) weighted major voting scheme for selecting appropriate EC numbers. As the result, cross-validation experiments show that the proposed method achieves both high coverage and high prediction accuracy at a practical level, and consistently outperforms the previous method. © 2009 The Author(s).

    DOI: 10.1093/bioinformatics/btp223

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  106. Supervised bipartite graph inference

    Yamanishi Y.

    Advances in Neural Information Processing Systems 21 - Proceedings of the 2008 Conference     頁: 1841 - 1848   2009年

     詳細を見る

    出版者・発行元:Advances in Neural Information Processing Systems 21 - Proceedings of the 2008 Conference  

    We formulate the problem of bipartite graph inference as a supervised learning problem, and propose a new method to solve it from the viewpoint of distance metric learning. The method involves the learning of two mappings of the heterogeneous objects to a unified Euclidean space representing the network topology of the bipartite graph, where the graph is easy to infer. The algorithm can be formulated as an optimization problem in a reproducing kernel Hilbert space. We report encouraging results on the problem of compound-protein interaction network reconstruction from chemical structure data and genomic sequence data.

    Scopus

  107. Link propagation: A fast semi-supervised learning algorithm for link prediction 査読有り

    Kashima H., Kato T., Yamanishi Y., Sugiyama M., Tsuda K.

    Society for Industrial and Applied Mathematics - 9th SIAM International Conference on Data Mining 2009, Proceedings in Applied Mathematics   3 巻   頁: 1093 - 1104   2009年

     詳細を見る

    掲載種別:研究論文(国際会議プロシーディングス)   出版者・発行元:Society for Industrial and Applied Mathematics - 9th SIAM International Conference on Data Mining 2009, Proceedings in Applied Mathematics  

    We propose Link Propagation as a new semi-supervised learning method for link prediction problems, where the task is to predict unknown parts of the network structure by using auxiliary information such as node similarities. Since the proposed method can fill in missing parts of tensors, it is applicable to multi-relational domains, allowing us to handle multiple types of links simultaneously. We also give a novel efficient algorithm for Link Propagation based on an accelerated conjugate gradient method.

    DOI: 10.1137/1.9781611972795.94

    Scopus

  108. On Pairwise Kernels: An Efficient Alternative and Generalization Analysis 査読有り

    Kashima Hisashi, Oyama Satoshi, Yamanishi Yoshihiro, Tsuda Koji

    ADVANCES IN KNOWLEDGE DISCOVERY AND DATA MINING, PROCEEDINGS   5476 巻   頁: 1030 - +   2009年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(国際会議プロシーディングス)   出版者・発行元:Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)  

    Pairwise classification has many applications including network prediction, entity resolution, and collaborative filtering. The pairwise kernel has been proposed for those purposes by several research groups independently, and become successful in various fields. In this paper, we propose an efficient alternative which we call Cartesian kernel. While the existing pairwise kernel (which we refer to as Kronecker kernel) can be interpreted as the weighted adjacency matrix of the Kronecker product graph of two graphs, the Cartesian kernel can be interpreted as that of the Cartesian graph which is more sparse than the Kronecker product graph. Experimental results show the Cartesian kernel is much faster than the existing pairwise kernel, and at the same time, competitive with the existing pairwise kernel in predictive performance. We discuss the generalization bounds by the two pairwise kernels by using eigenvalue analysis of the kernel matrices. © Springer-Verlag Berlin Heidelberg 2009.

    DOI: 10.1007/978-3-642-01307-2_110

    Web of Science

    Scopus

  109. Prediction of drug-target interaction networks from the integration of chemical and genomic spaces 査読有り 国際誌

    Yamanishi Yoshihiro, Araki Michihiro, Gutteridge Alex, Honda Wataru, Kanehisa Minoru

    BIOINFORMATICS   24 巻 ( 13 ) 頁: I232 - I240   2008年7月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: The identification of interactions between drugs and target proteins is a key area in genomic drug discovery. Therefore, there is a strong incentive to develop new methods capable of detecting these potential drug-target interactions efficiently. Results: In this article, we characterize four classes of drug-target interaction networks in humans involving enzymes, ion channels, G-protein-coupled receptors (GPCRs) and nuclear receptors, and reveal significant correlations between drug structure similarity, target sequence similarity and the drug-target interaction network topology. We then develop new statistical methods to predict unknown drug-target interaction networks from chemical structure and genomic sequence information simultaneously on a large scale. The originality of the proposed method lies in the formalization of the drug-target interaction inference as a supervised learning problem for a bipartite graph, the lack of need for 3D structure information of the target proteins, and in the integration of chemical and genomic spaces into a unified space that we call 'pharmacological space'. In the results, we demonstrate the usefulness of our proposed method for the prediction of the four classes of drug-target interaction networks. Our comprehensively predicted drug-target interaction networks enable us to suggest many potential drug-target interactions and to increase research productivity toward genomic drug discovery. © 2008 The Author(s).

    DOI: 10.1093/bioinformatics/btn162

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  110. KEGG for linking genomes to life and the environment 査読有り 国際誌

    Kanehisa Minoru, Araki Michihiro, Goto Susumu, Hattori Masahiro, Hirakawa Mika, Itoh Masumi, Katayama Toshiaki, Kawashima Shuichi, Okuda Shujiro, Tokimatsu Toshiaki, Yamanishi Yoshihiro

    NUCLEIC ACIDS RESEARCH   36 巻 ( Database issue ) 頁: D480 - D484   2008年1月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Nucleic Acids Research  

    KEGG (http://www.genome.jp/kegg/) is a database of biological systems that integrates genomic, chemical and systemic functional information. KEGG provides a reference knowledge base for linking genomes to life through the process of PATHWAY mapping, which is to map, for example, a genomic or transcriptomic content of genes to KEGG reference pathways to infer systemic behaviors of the cell or the organism. In addition, KEGG provides a reference knowledge base for linking genomes to the environment, such as for the analysis of drug-target relationships, through the process of BRITE mapping. KEGG BRITE is an ontology database representing functional hierarchies of various biological objects, including molecules, cells, organisms, diseases and drugs, as well as relationships among them. KEGG PATHWAY is now supplemented with a new global map of metabolic pathways, which is essentially a combined map of about 120 existing pathway maps. In addition, smaller pathway modules are defined and stored in KEGG MODULE that also contains other functional units and complexes. The KEGG resource is being expanded to suit the needs for practical applications. KEGG DRUG contains all approved drugs in the US and Japan, and KEGG DISEASE is a new database linking disease genes, pathways, drugs and diagnostic markers. © 2007 The Author(s).

    DOI: 10.1093/nar/gkm882

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  111. Supervised Bipartite Graph Inference. 査読有り

    Yoshihiro Yamanishi

    Advances in Neural Information Processing Systems 21, Proceedings of the Twenty-Second Annual Conference on Neural Information Processing Systems, Vancouver, British Columbia, Canada, December 8-11, 2008   21 巻   頁: 1841 - 1848   2008年

     詳細を見る

    掲載種別:研究論文(国際会議プロシーディングス)   出版者・発行元:Curran Associates, Inc.  

    その他リンク: http://dblp.uni-trier.de/db/conf/nips/nips2008.html#conf/nips/Yamanishi08

  112. Glycan classification with tree kernels 査読有り 国際誌

    Yamanishi Yoshihiro, Bach Francis, Vert Jean-Philippe

    BIOINFORMATICS   23 巻 ( 10 ) 頁: 1211 - 1216   2007年5月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: Glycans are covalent assemblies of sugar that play crucial roles in many cellular processes. Recently, comprehensive data about the structure and function of glycans have been accumulated, therefore the need for methods and algorithms to analyze these data is growing fast. Results: This article presents novel methods for classifying glycans and detecting discriminative glycan motifs with support vector machines (SVM). We propose a new class of tree kernels to measure the similarity between glycans. These kernels are based on the comparison of tree substructures, and take into account several glycan features such as the sugar type, the sugar bound type or layer depth. The proposed methods are tested on their ability to classify human glycans into four blood components: leukemia cells, erythrocytes, plasma and serum. They are shown to outperform a previously published method. We also applied a feature selection approach to extract glycan motifs which are characteristic of each blood component. We confirmed that some leukemia-specific glycan motifs detected by our method corresponded to several results in the literature. © The Author 2007. Published by Oxford University Press. All rights reserved.

    DOI: 10.1093/bioinformatics/btm090

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  113. Prediction of missing enzyme genes in a bacterial metabolic network - Reconstruction of the lysine-degradation pathway of Pseudomonas aeruginosa 査読有り 国際誌

    Yamanishi Yoshihiro, Mihara Hisaaki, Osaki Motoharu, Muramatsu Hisashi, Esaki Nobuyoshi, Sato Tetsuya, Hizukuri Yoshiyuki, Goto Susumu, Kanehisa Minoru

    FEBS JOURNAL   274 巻 ( 9 ) 頁: 2262 - 2273   2007年5月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:FEBS Journal  

    The metabolic network is an important biological network which consists of enzymes and chemical compounds. However, a large number of metabolic pathways remains unknown, and most organism-specific metabolic pathways contain many missing enzymes. We present a novel method to identify the genes coding for missing enzymes using available genomic and chemical information from bacterial genomes. The proposed method consists of two steps: (a) estimation of the functional association between the genes with respect to chromosomal proximity and evolutionary association, using supervised network inference; and (b) selection of gene candidates for missing enzymes based on the original candidate score and the chemical reaction information encoded in the EC number. We applied the proposed methods to infer the metabolic network for the bacteria Pseudomonas aeruginosa from two genomic datasets: gene position and phylogenetic profiles. Next, we predicted several missing enzyme genes to reconstruct the lysine-degradation pathway in P. aeruginosa using EC number information. As a result, we identified PA0266 as a putative 5-aminovalerate aminotransferase (EC 2.6.1.48) and PA0265 as a putative glutarate semialdehyde dehydrogenase (EC 1.2.1.20). To verify our prediction, we conducted biochemical assays and examined the activity of the products of the predicted genes, PA0265 and PA0266, in a coupled reaction. We observed that the predicted gene products catalyzed the expected reactions; no activity was seen when both gene products were omitted from the reaction. © 2007 The Authors.

    DOI: 10.1111/j.1742-4658.2007.05763.x

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  114. Prediction of nitrogen metabolism-related genes in Anabaena by kernel-based network analysis 査読有り 国際誌

    Okamoto Shinobu, Yamanishi Yoshihiro, Ehira Shigeki, Kawashima Shuichi, Tonomura Koichiro, Kanehisa Minoru

    PROTEOMICS   7 巻 ( 6 ) 頁: 900 - 909   2007年3月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Proteomics  

    Prediction of molecular interaction networks from large-scale datasets in genomics and other omics experiments is an important task in terms of both developing bioinformatics methods and solving biological problems. We have applied a kernel-based network inference method for extracting functionally related genes to the response of nitrogen deprivation in cyanobacteria Anabaena sp. PCC 7120 integrating three heterogeneous datasets: microarray data, phylogenetic profiles, and gene orders on the chromosome. We obtained 1348 predicted genes that are somehow related to known genes in the Kyoto Encyclopedia of Genes and Genomes (KEGG) pathways. While this dataset contained previously known genes related to the nitrogen deprivation condition, it also contained additional genes. Thus, we attempted to select any relevant genes using the constraints of Pfam domains and NtcA-binding sites. We found candidates of nitrogen metabolism-related genes, which are depicted as extensions of existing KEGG pathways. The prediction of functional relationships between proteins rather than functions of individual proteins will thus assist the discovery from the large-scale datasets. © 2007 Wiley-VCH Verlag GmbH & Co. KGaA.

    DOI: 10.1002/pmic.200600862

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  115. The prediction of function for uncharacterized genes using kernel-based network inference and domain profile analysis

    Okamoto Shinobu, Yamanishi Yoshihiro, Ehira Shigeki, Kanehisa Minoru, Nakamura Yasukazu

    PLANT AND CELL PHYSIOLOGY   48 巻   頁: S156 - S156   2007年

     詳細を見る

  116. An improved scoring scheme for predicting glycan structures from gene expression data 査読有り

    Suga Akitsugu, Yamanishi Yoshihiro, Hashimoto Kosuke, Goto Susumu, Kanehisa Minoru

    GENOME INFORMATICS 2007, VOL 18   18 巻   頁: 237 - 246   2007年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(国際会議プロシーディングス)  

    DOI: 10.11234/gi1990.18.237

    Web of Science

    PubMed

    J-GLOBAL

  117. An improved scoring scheme for predicting glycan structures from gene expression data.

    Suga A., Yamanishi Y., Hashimoto K., Goto S., Kanehisa M.

    Genome informatics. International Conference on Genome Informatics   18 巻   頁: 237 - 246   2007年

     詳細を見る

    出版者・発行元:Genome informatics. International Conference on Genome Informatics  

    The prediction of glycan structures from gene expression of glycosyltransferases (GTs) is a challenging new area in computational biology because the biosynthesis of glycan chains is under the control of GT expression. In this paper we developed a new method for predicting glycan structures from gene expression data. There are two main original aspects of the proposed method. First, we proposed to increase the number of predictable glycan structure candidates by estimating missing glycans from a global glycan structure map, which enables us to predict new glycan structures that are not stored in the database. Second, we proposed a more general scoring scheme based on real-valued gene expression intensity rather than converting it into binary information. In the result we applied the proposed method to predicting cancer-specific glycan structures from gene expression profiles for patients of acute lymphocytic leukemia (ALL) and acute myelocytic leukemia (AML). We confirmed that several of the predicted glycan structures successfully correspond to known cancer-specific glycan structures according to the literature, and our method outperforms the previous methods at a statistically significant level.

    DOI: 10.1142/9781860949920_0023

    Scopus

  118. Inference of protein-protein interactions by using co-evolutionary information 査読有り

    Sato Tetsuya, Yamanishi Yoshihiro, Horimoto Katsuhisa, Kanehisa Minoru, Toh Hiroyuki

    ALGEBRAIC BIOLOGY, PROCEEDINGS   4545 巻   頁: 322 - +   2007年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(国際会議プロシーディングス)   出版者・発行元:Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)  

    The mirror tree is a method to predict protein-protein interaction by evaluating the similarity between distance matrices of proteins. It is known, however, that predictions by the mirror tree method include many false positives. We suspected that the information about the evolutionary relationship of source organisms may be the cause of the false positives, because the information is shared by the distance matrices. Therefore, we excluded the information from the distance matrices and evaluated the similarity of the residuals as the intensity of co-evolution. We developed two different methods with a projection operation and partial correlation coefficient. The number of false positives were drastically reduced by our methods. © Springer-Verlag Berlin Heidelberg 2007.

    DOI: 10.1007/978-3-540-73433-8_23

    Web of Science

    Scopus

  119. Partial correlation coefficient between distance matrices as a new indicator of protein-protein interactions 査読有り 国際誌

    Sato Tetsuya, Yamanishi Yoshihiro, Horimoto Katsuhisa, Kanehisa Minoru, Toh Hiroyuki

    BIOINFORMATICS   22 巻 ( 20 ) 頁: 2488 - 2492   2006年10月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: The computational prediction of protein-protein interactions is currently a major issue in bioinformatics. Recently, a variety of co-evolution-based methods have been investigated toward this goal. In this study, we introduced a partial correlation coefficient as a new measure for the degree of co-evolution between proteins, and proposed its use to predict protein-protein interactions. Results: The accuracy of the prediction by the proposed method was compared with those of the original mirror tree method and the projection method previously developed by our group. We found that the partial correlation coefficient effectively reduces the number of false positives, as compared with other methods, although the number of false negatives increased in the prediction by the partial correlation coefficient. © 2006 Oxford University Press.

    DOI: 10.1093/bioinformatics/btl419

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  120. Alteration of gene expression by hepatitis B virus DNA integration in human hepatocellular carcinoma

    Tamori Akihiro, Yamanishi Yoshihisa, Kawashima Shuichi, Kanehisa Minoru, Enomoto Masaru, Habu Daiki, Tanaka Hiromu, Kubo Shoji, Shiomi Susumu, Nishiguchi Shuhei

    CANCER RESEARCH   66 巻 ( 8 )   2006年4月

     詳細を見る

  121. Extraction of leukemia specific glycan motifs in humans by computational glycomics 査読有り 国際誌

    Hizukuri Y, Yamanishi Y, Nakamura O, Yagi F, Goto S, Kanehisa M

    CARBOHYDRATE RESEARCH   340 巻 ( 14 ) 頁: 2270 - 2278   2005年10月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Carbohydrate Research  

    There have been almost no standard methods for conducting computational analyses on glycan structures in comparison to DNA and proteins. In this paper, we present a novel method for extracting functional motifs from glycan structures using the KEGG/GLYCAN database. First, we developed a new similarity measure for comparing glycan structures taking into account the characteristic mechanisms of glycan biosynthesis, and we tested its ability to classify glycans of different blood components in the framework of support vector machines (SVMs). The results show that our method can successfully classify glycans from four types of human blood components: leukemic cells, erythrocyte, serum, and plasma. Next, we extracted characteristic functional motifs of glycans considered to be specific to each blood component. We predicted the substructure α-d-Neup5Ac-(2→3)-β-d-Galp-(1→4)-d-GlcpNAc as a leukemia specific glycan motif. Based on the fact that the Agrocybe cylindracea galectin (ACG) specifically binds to the same substructure, we conducted an experiment using cell agglutination assay and confirmed that this fungal lectin specifically recognized human leukemic cells. © 2005 Elsevier Ltd. All rights reserved.

    DOI: 10.1016/j.carres.2005.07.012

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  122. The inference of protein-protein interactions by co-evolutionary analysis is improved by excluding the information about the phylogenetic relationships 査読有り 国際誌

    Sato T, Yamanishi Y, Kanehisa M, Toh H

    BIOINFORMATICS   21 巻 ( 17 ) 頁: 3482 - 3489   2005年9月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: The prediction of protein-protein interactions is currently an important issue in bioinformatics. The mirror tree method uses evolutionary information to predict protein-protein interactions. However, it has been recognized that predictions by the mirror tree method lead to many false positives. The incentive of our study was to solve this problem by improving the method of extracting the co-evolutionary information regarding the protein pairs. Results: We developed a novel method to predict protein-protein interactions from co-evolutionary information in the framework of the mirror tree method. The originality is the use of the projection operator to exclude the information about the phylogenetic relationships among the source organisms from the distance matrix. Each distance matrix was transformed into a vector for the operation. The vector is referred to as a 'phylogenetic vector'. We have proposed three ways to extract the phylogenetic information: (1) using the 16S rRNA from the same source organisms as the proteins under consideration, (2) averaging the phylogenetic vectors and (3) analyzing the principal components of the phylogenetic vectors. We examined the performance of the proposed methods to predict interacting protein pairs from Escherichia coli, using experimentally verified data. Our method was successful, and it drastically reduced the number of false positives in the prediction. © The Author 2005. Published by Oxford University Press. All rights reserved.

    DOI: 10.1093/bioinformatics/bti564

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  123. Alteration of gene expression in human hepatocellular carcinoma with integrated hepatitis B virus DNA 査読有り 国際誌

    Tamori A, Yamanishi Y, Kawashima S, Kanehisa M, Enomoto M, Tanaka H, Kubo S, Shiomi S, Nishiguchi S

    CLINICAL CANCER RESEARCH   11 巻 ( 16 ) 頁: 5821 - 5826   2005年8月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Clinical Cancer Research  

    Purpose: Integration of hepatitis B virus (HBV) DNA into the human genome is one of the most important steps in HBV-related carcinogenesis. This study attempted to find the link between HBV DNA, the adjoining cellular sequence, and altered gene expression in hepatocellular carcinoma (HCC) with integrated HBV DNA. Experimental Design: We examined 15 cases of HCC infected with HBV by cassette ligation - mediated PCR. The human DNA adjacent to the integrated HBV DNA was sequenced. Protein coding sequences were searched for in the human sequence. In five cases with HBV DNA integration, from which good quality RNA was extracted, gene expression was examined by cDNA microarray analysis. Results: The human DNA sequence successive to integrated HBV DNA was determined in the 15 HCCs. Eight protein-coding regions were involved: ras-responsive element binding protein 1, calmodulin 1, mixed lineage leukemia 2 (MLL2), FLJ333655, LOC220272, LOC255345, LOC220220, and LOC168991. The MLL2 gene was expressed in three cases with HBV DNA integrated into exon 3 of MLL2 and in one case with HBV DNA integrated into intron 3 of MLL2. Gene expression analysis suggested that two HCCs with HBV integrated into MLL2 had similar patterns of gene expression compared with three HCCs with HBV integrated into other loci of human chromosomes. Conclusions: HBV DNA was integrated at random sites of human DNA, and the MLL2 gene was one of the targets for integration. Our results suggest that HBV DNA might modulate human genes near integration sites, followed by integration site-specific expression of such genes during hepatocarcinogenesis. © 2005 American Association for Cancer Research.

    DOI: 10.1158/1078-0432.CCR-04-2055

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  124. Supervised enzyme network inference from the integration of genomic data and chemical information 査読有り 国際誌

    Yamanishi Y, Vert JP, Kanehisa M

    BIOINFORMATICS   21 巻 ( SUPPL. 1 ) 頁: I468 - I477   2005年6月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: The metabolic network is an important biological network which relates enzyme proteins and chemical compounds. A large number of metabolic pathways remain unknown nowadays, and many enzymes are missing even in known metabolic pathways. There is, therefore, an incentive to develop methods to reconstruct the unknown parts of the metabolic network and to identify genes coding for missing enzymes. Results: This paper presents new methods to infer enzyme networks from the integration of multiple genomic data and chemical information, in the framework of supervised graph inference. The originality of the methods is the introduction of chemical compatibility as a constraint for refining the network predicted by the network inference engine. The chemical compatibility between two enzymes is obtained automatically from the information encoded by their Enzyme Commission (EC) numbers. The proposed methods are tested and compared on their ability to infer the enzyme network of the yeast Saccharomyces cerevisiae from four datasets for enzymes with assigned EC numbers: gene expression data, protein localization data, phylogenetic profiles and chemical compatibility information. It is shown that the prediction accuracy of the network reconstruction consistently improves owing to the introduction of chemical constraints, the use of a supervised approach and the weighted integration of multiple datasets. Finally, we conduct a comprehensive prediction of a global enzyme network consisting of all enzyme candidate proteins of the yeast to obtain new biological findings. © 2005 The Author 2005. Published by Oxford University Press. All rights reserved.

    DOI: 10.1093/bioinformatics/bti1012

    Web of Science

    Scopus

    PubMed

    J-GLOBAL

  125. Supervised graph inference

    Vert J.P., Yamanishi Y.

    Advances in Neural Information Processing Systems     2005年

     詳細を見る

    出版者・発行元:Advances in Neural Information Processing Systems  

    We formulate the problem of graph inference where part of the graph is known as a supervised learning problem, and propose an algorithm to solve it. The method involves the learning of a mapping of the vertices to a Euclidean space where the graph is easy to infer, and can be formulated as an optimization problem in a reproducing kernel Hilbert space. We report encouraging results on the problem of metabolic network reconstruction from genomic data.

    Scopus

  126. Sensitivity analysis in functional principal component analysis

    Yamanishi Y, Tanaka Y

    COMPUTATIONAL STATISTICS   20 巻 ( 2 ) 頁: 311 - 326   2005年

     詳細を見る

    掲載種別:研究論文(学術雑誌)   出版者・発行元:Computational Statistics  

    In the present paper empirical influence functions (EIFs) are derived for eigenvalues and eigenfunctions in functional principal component analysis in both cases where the smoothing parameter is fixed and unfixed. Based on the derived influence functions a sensitivity analysis procedure is proposed for detecting jointly as well as singly influential observations. A numerical example is given to show the usefulness of the proposed procedure. In dealing with the influence on the eigenfunctions two different kinds of influence statistics are introduced. One is based on the EIF for the coefficient vectors of the basis function expansion, and the other is based on the sampled vectors of the functional EIF. Under a certain condition it can be proved both kinds of statistics provide essentially equivalent results.

    DOI: 10.1007/BF02789706

    Web of Science

    Scopus

  127. Protein network inference from multiple genomic data: a supervised approach 査読有り

    Yamanishi Y., Vert J. -P., Kanehisa M.

    BIOINFORMATICS   20 巻 ( SUPPL. 1 ) 頁: 363 - 370   2004年8月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics  

    Motivation: An increasing number of observations support the hypothesis that most biological functions involve the interactions between many proteins, and that the complexity of living systems arises as a result of such interactions. In this context, the problem of inferring a global protein network for a given organism, using all available genomic data about the organism, is quickly becoming one of the main challenges in current computational biology. Results: This paper presents a new method to infer protein networks from multiple types of genomic data. Based on a variant of kernel canonical correlation analysis, its originality is in the formalization of the protein network inference problem as a supervised learning problem, and in the integration of heterogeneous genomic data within this framework. We present promising results on the prediction of the protein network for the yeast Saccharomyces cerevisiae from four types of widely available data: gene expressions, protein interactions measured by yeast two-hybrid systems, protein localizations in the cell and protein phylogenetic profiles. The method is shown to outperform other unsupervised protein network inference methods. We finally conduct a comprehensive prediction of the protein network for all proteins of the yeast, which enables us to propose protein candidates for missing enzymes in a biosynthesis pathway. Availability: Softwares are available upon request. © Oxford University Press 2004; all rights reserved.

    DOI: 10.1093/bioinformatics/bth910

    Web of Science

    Scopus

    PubMed

  128. Supervised Graph Inference. 査読有り

    Jean-Philippe Vert, Yoshihiro Yamanishi

    Advances in Neural Information Processing Systems 17 [Neural Information Processing Systems, NIPS 2004, December 13-18, 2004, Vancouver, British Columbia, Canada]   17 巻   頁: 1433 - 1440   2004年

     詳細を見る

    掲載種別:研究論文(国際会議プロシーディングス)  

    その他リンク: http://dblp.uni-trier.de/db/conf/nips/nips2004.html#conf/nips/VertY04

  129. Extraction of species-specific glycan substructures.

    Hizukuri Y., Yamanishi Y., Hashimoto K., Kanehisa M.

    Genome informatics. International Conference on Genome Informatics   15 巻 ( 1 ) 頁: 69 - 81   2004年

     詳細を見る

    出版者・発行元:Genome informatics. International Conference on Genome Informatics  

    Glycans, which are carbohydrate sugar chains attached to some lipids or proteins, have a huge variety of structures and play a key role in cell communication, protein interaction and immunity. The availability of a number of glycan structures stored in the KEGG/GLYCAN database makes it possible for us to conduct a large-scale comparative research of glycans. In this paper, we present a novel approach to compare glycan structures and extract characteristic glycan substructures of certain organisms. In the algorithm we developed a new similarity measure of glycan structures taking into account of several biological aspects of glycan synthesis and glycosyltransferases, and we confirmed the validity of our similarity measure by conducting experiments on its ability to classify glycans between organisms in the framework of a support vector machine. Finally, our method successfully extracted a set of candidates of substructrues which are characteristic to human, rat, mouse, bovine, pig, chicken, yeast, wheat and sycamore, respectively. We confirmed that the characteristic substructures extracted by our method correspond to the substructures which are known as the species-specific sugar chain of gamma-glutamyltranspeptidases in the kidney.

    Scopus

  130. Extraction of species-specific glycan substructures. 査読有り

    Hizukuri Y, Yamanishi Y, Hashimoto K, Kanehisa M

    Genome informatics. International Conference on Genome Informatics   15 巻 ( 1 ) 頁: 69 - 81   2004年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Japanese Society for Bioinformatics  

    Glycans, which are carbohydrate sugar chains attached to some lipids or proteins, have a huge variety of structures and play a key role in cell communication, protein interaction and immunity. The availability of a number of glycan structures stored in the KEGG/GLYCAN database makes it possible for us to conduct a large-scale comparative research of glycans. In this paper, we present a novel approach to compare glycan structures and extract characteristic glycan substructures of certain organisms. In the algorithm we developed a new similarity measure of glycan structures taking into account of several biological aspects of glycan synthesis and glycosyltransferases, and we confirmed the validity of our similarity measure by conducting experiments on its ability to classify glycans between organisms in the framework of a support vector machine. Finally, our method successfully extracted a set of candidates of substructrues which are characteristic to human, rat, mouse, bovine, pig, chicken, yeast, wheat and sycamore, respectively. We confirmed that the characteristic substructures extracted by our method correspond to the substructures which are known as the species-specific sugar chain of γ-glutamyltranspeptidases in the kidney.

    DOI: 10.11234/gi1990.15.69

    PubMed

    J-GLOBAL

  131. Extraction of correlated gene clusters from multiple genomic data by generalized kernel canonical correlation analysis 査読有り

    Yamanishi Y., Vert J. -P., Nakaya A., Kanehisa M.

    BIOINFORMATICS   19 巻   頁: i323 - i330   2003年7月

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Bioinformatics (Oxford, England)  

    MOTIVATION: A major issue in computational biology is the reconstruction of pathways from several genomic datasets, such as expression data, protein interaction data and phylogenetic profiles. As a first step toward this goal, it is important to investigate the amount of correlation which exists between these data. RESULTS: These methods are successfully tested on their ability to recognize operons in the Escherichia coli genome, from the comparison of three datasets corresponding to functional relationships between genes in metabolic pathways, geometrical relationships along the chromosome, and co-expression relationships as observed by gene expression data.

    DOI: 10.1093/bioinformatics/btg1045

    Web of Science

    Scopus

    PubMed

    その他リンク: http://dblp.uni-trier.de/db/conf/ismb/ismb2003.html#conf/ismb/YamanishiVNK03

  132. Extraction of organism groups from phylogenetic profiles using independent component analysis.

    Yamanishi Y., Itoh M., Kanehisa M.

    Genome informatics. International Conference on Genome Informatics   13 巻   頁: 61 - 70   2002年

     詳細を見る

    出版者・発行元:Genome informatics. International Conference on Genome Informatics  

    In recent years, the analysis of orthologous genes based on phylogenetic profiles has received popularity in bioinfomatics. We propose a new method to extract organism groups and their hierarchy from phylogenetic profiles using the independent component analysis (ICA). The method involves first finding independent axes in the projected space from the multivariate data matrix representing phylogenetic profiles for a number of orthologous genes. Then the extracted axes are correlated with major organism groups, according to the extent of affiliation of axes scores for all the genes to specific organisms. The ICA was applied to the phylogenetic profiles created for 2,875 orthologs in 77 organisms by using the KEGG/GENES database. The 9 extracted components out of 18 predefined components well represented the organism groups as categorized in KEGG. Furthermore, we performed the cluster analysis and obtained the hierarchy of organism groups.

    Scopus

  133. Extraction of organism groups from phylogenetic profiles using independent component analysis. 査読有り

    Yamanishi Y, Itoh M, Kanehisa M

    Genome informatics. International Conference on Genome Informatics   13 巻   頁: 61 - 70   2002年

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)   出版者・発行元:Japanese Society for Bioinformatics  

    In recent years, the analysis of orthologous genes based on phylogenetic profiles has received popularity in bioinfomatics. We propose a new method to extract organism groups and their hierarchy from phylogenetic profiles using the independent component analysis (ICA). The method involves first finding independent axes in the projected space from the multivariate data matrix representing phylogenetic profiles for a number of orthologous genes. Then the extracted axes are correlated with major organism groups, according to the extent of affiliaion of axes scores for all the genes to specific organisms. The ICA was applied to the phylogenetic profiles created for 2875 orthologs in 77 organisms by using the KEGG/GENES database. The 9 extracted components out of 18 predefined components well represented the organism groups as categorized in KEGG. Furthermore, we performed the cluster analysis and obtained the hierarchy of organism groups.

    DOI: 10.11234/gi1990.13.61

    PubMed

▼全件表示

書籍等出版物 4

  1. 革新的AI創薬  ~医療ビッグデータ、人工知能がもたらす創薬研究の未来像~

    飯田緑, 山西芳裕( 担当: 分担執筆 ,  範囲: 分子ネットワークを有効活用したAI創薬手法)

    (株)エヌ・ティー・エス  2022年7月  ( ISBN:978-4860437886

     詳細を見る

    総ページ数:390   担当ページ:113-124   記述言語:日本語 著書種別:教科書・概説・概論

  2. Chemoinformatics and advanced machine learning perspectives: Complex computational methods and collaborative techniques

    Lodhi H., Yamanishi Y.

    Chemoinformatics and Advanced Machine Learning Perspectives: Complex Computational Methods and Collaborative Techniques  2010年12月  ( ISBN:9781615209118

     詳細を見る

    Chemoinformatics is a scientific area that endeavours to study and solve complex chemical problems using computational techniques and methods. Chemoinformatics and Advanced Machine Learning Perspectives: Complex Computational Methods and Collaborative Techniques provides an overview of current research in machine learning and applications to chemoinformatics tasks. As a timely compendium of research, this book offers perspectives on key elements that are crucial for complex study and investigation. © 2011 by IGI Global. All rights reserved.

    DOI: 10.4018/978-1-61520-911-8

    Scopus

  3. Chemoinformatics and Advanced Machine Learning Perspectives

    Huma Lodhi, Yoshihiro Yamanishi( 担当: 編集)

    IGI Global  2010年7月 

  4. Supervised Inference of Metabolic Networks from the Integration of Genomic Data and Chemical Information

    Yamanishi Y.

    Elements of Computational Systems Biology  2010年4月  ( ISBN:9780470180938

     詳細を見る

MISC 156

  1. 【ポストGWAS時代の遺伝統計学 オミクス解析と機械学習でヒト疾患を俯瞰する】(第5章)人工知能技術のゲノミクス応用研究 遺伝子摂動応答オミクスデータを用いた治療標的予測 疾患横断解析によるターゲットリポジショニング 招待有り

    難波 里子, 岩田 通夫, 山西 芳裕  

    実験医学41 巻 ( 7 ) 頁: 1193 - 1199   2023年5月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:記事・総説・解説・論説等(商業誌、新聞、ウェブメディア)   出版者・発行元:(株)羊土社  

    近年,医薬品開発の低迷が深刻な問題となっており,in silico手法を用いた創薬の効率化が試みられている.医学や生命科学の分野では,ゲノムやトランスクリプトームなどの疾患ビッグデータが蓄積されており,ビッグデータ活用による創薬の促進が期待されている.本稿では,医薬品開発の初期段階に相当する治療標的分子の同定に着目し,疾患ビッグデータを用いて治療標的分子を予測する統計手法や機械学習手法を紹介する.特に,既存の治療標的分子の適応拡大を行うターゲットリポジショニングや新規治療標的分子候補の探索への応用例を紹介する.(著者抄録)

    J-GLOBAL

  2. ダイレクトリプログラミングを誘導する低分子化合物組み合わせのin silico予測

    濱野桃子, 中村透, 岩田通夫, 江口凌平, 竹下潤一, 山西芳裕  

    日本再生医療学会総会(Web)22nd 巻   2023年3月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)  

    J-GLOBAL

  3. 肺癌 効果予測因子 血清エクソソームの最新プロテオミクスによる小細胞肺癌の新規バイオマーカーの探索

    山本 真, 菅 泰彦, 武田 吉人, 中坪 大亮, 榎本 貴俊, 吉村 華子, 網屋 沙織, 原 伶奈, 川崎 貴裕, 白山 敬之, 三宅 浩太郎, 伊藤 眞里, 足立 淳, 上條 陽平, 澤田 隆介, 山西 芳裕, 熊ノ郷 淳  

    日本呼吸器学会誌12 巻 ( 増刊 ) 頁: 194 - 194   2023年3月

     詳細を見る

    記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(一社)日本呼吸器学会  

  4. 心筋組織におけるDNA損傷は原疾患によらず左室駆出率の低下した心不全の治療反応及び予後を予測する

    戴 哲皓, 候 聡志, 野村 征太郎, 藤田 寛奈, 濱野 桃子, 山西 芳裕, 尾上 健児, 小室 一成  

    日本内科学会雑誌112 巻 ( 臨増 ) 頁: 144 - 144   2023年2月

     詳細を見る

    記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(一社)日本内科学会  

    J-GLOBAL

  5. 最先端の研究技術を基盤とした心脈管作動物質研究の未来 AIが拓く創薬と医療 循環器疾患への応用に向けて 招待有り

    山西 芳裕  

    血管46 巻 ( 1 ) 頁: 36 - 36   2023年1月

     詳細を見る

    担当区分:筆頭著者, 最終著者, 責任著者   記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:日本心脈管作動物質学会  

  6. Single-cell-specific drug activities are revealed by a tensor imputation algorithm 招待有り

    Michio Iwata, Yoshihiro Yamanishi  

    NATURE COMPUTATIONAL SCIENCE2 巻 ( 11 ) 頁: 707 - 708   2022年11月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:英語   掲載種別:記事・総説・解説・論説等(学術雑誌)   出版者・発行元:SPRINGERNATURE  

    We developed a computational method to reveal the drug-induced single-cell transcriptomic landscape. This algorithm enabled us to impute unknown drug-induced single-cell gene expression profiles using tensor imputation, predict cell type-specific drug efficacy, detect cell-type-specific marker genes, and identify the trajectories of regulated biological pathways while considering intercellular heterogeneity.

    DOI: 10.1038/s43588-022-00353-7

    Web of Science

  7. PRISM成果利用システム「峰」の構築 新薬創出を加速する人工知能の開発

    樋口 千洋, 黒田 正孝, 伊藤 眞里, 長尾 知生子, 浜本 隆二, 黒橋 禎夫, 高村 大也, 奥野 恭史, 山西 芳裕, 水口 賢司, 夏目 やよい  

    医療情報学連合大会論文集42回 巻   頁: 1064 - 1066   2022年11月

     詳細を見る

    記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(一社)日本医療情報学会  

  8. エクソソームのプロテオミクスを用いた小細胞肺癌における新規バイオマーカー探索

    菅 泰彦, 山本 真, 吉村 華子, 白山 敬之, 三宅 浩太郎, 上條 陽平, 澤田 隆介, 山西 芳裕, 伊藤 眞里, 足立 淳, 武田 吉人, 熊ノ郷 淳  

    肺癌62 巻 ( 6 ) 頁: 678 - 678   2022年11月

     詳細を見る

    記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(NPO)日本肺癌学会  

    J-GLOBAL

  9. AIサイエンスによるがん研究の臨床応用と創薬にむけて AIによるデータ駆動型創薬と医療(Data-driven drug discovery and healthcare by AI) 招待有り

    山西 芳裕  

    日本癌学会総会記事81回 巻   頁: S1 - 3   2022年9月

     詳細を見る

    記述言語:英語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(一社)日本癌学会  

  10. エクソソームを用いた小細胞肺癌における新規バイオマーカ-探索

    菅泰彦, 菅泰彦, 山本真, 吉村華子, 白山敬之, 三宅浩太郎, 武田吉人, 伊藤眞里, 足立淳, 上條陽平, 澤田隆介, 山西芳裕, 熊ノ郷淳  

    日本癌学会学術総会抄録集(Web)81回 巻   頁: P - 3298   2022年9月

     詳細を見る

    記述言語:英語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)  

    J-GLOBAL

  11. 生薬比率を考慮した漢方薬の作用機序や効能のin silico予測

    島田 祐樹, 江副 晃洋, 澤田 隆介, 柴田 友和, 門脇 真, 山西 芳裕  

    和漢医薬学会学術大会要旨集39回 巻   頁: 73 - 73   2022年8月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(一社)和漢医薬学会  

    J-GLOBAL

  12. バイオインフォマティクスの世界(第10回)機械学習による薬物応答トランスクリプトームの解析と疾患治療薬の探索—Analysis of drug-induced transcriptome responses by machine learning toward drug discovery 招待有り

    岩田 通夫, 山西 芳裕  

    医学のあゆみ281 巻 ( 11 ) 頁: 1103 - 1108   2022年6月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:記事・総説・解説・論説等(商業誌、新聞、ウェブメディア)   出版者・発行元:医歯薬出版  

    ヒト細胞における薬物応答を遺伝子レベルで理解することは創薬の重要課題である。しかしながら、すべての薬物やヒト細胞の組み合わせに対して網羅的にデータを測定することは難しく、未観測値や欠損値が研究上の障害となっている。本稿では、薬物応答遺伝子発現プロファイルを、薬物、遺伝子、細胞、時系列からなるテンソル構造と見なし、新しいテンソル分解アルゴリズムを用いて、さまざまな細胞における未観測の薬物応答を予測する機械学習手法を紹介する。開発手法は従来手法に比べて、薬物応答遺伝子発現データ中の欠損値を高精度に補完できた。また、補完したトランスクリプトームデータを疾患治療薬の探索に応用し、予測精度が向上することを確認した。さらに、提案手法を用いて、さまざまな疾患の治療薬候補と期待される薬物を選出した。開発手法は、薬物の作用メカニズムの解明、薬効予測、医薬品候補化合物の探索などに活用できるため、創薬研究に大きく貢献することが期待される。(著者抄録)

    CiNii Books

    J-GLOBAL

  13. AIによるデータ駆動型研究が拓く生命医科学と創薬 招待有り

    山西 芳裕  

    日本内分泌学会雑誌98 巻 ( 1 ) 頁: 247 - 247   2022年4月

     詳細を見る

    担当区分:筆頭著者, 最終著者, 責任著者   記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(一社)日本内分泌学会  

    J-GLOBAL

  14. ネットワーク医学による創薬の実際 招待有り

    飯田 緑, 岩田 通夫, 山西 芳裕  

    Diabetes Journal: 糖尿病と代謝49 巻 ( 2 ) 頁: 71 - 74   2022年4月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:記事・総説・解説・論説等(学術雑誌)   出版者・発行元:(公財)日本糖尿病財団  

    近年、ゲノムやトランスクリプトーム、プロテオームなどの質の異なるさまざまなビッグデータが取得できるようになった。このことから、異なる階層のデータを合理的に融合することのできるネットワーク医学の発展が目覚ましい。本稿では、ネットワーク医学を用いた創薬研究の実際について解説する。まず、ネットワーク医学の基本原理について述べ、次に、ネットワーク医学の手法を疾患の治療標的分子の探索に応用した創薬研究の例について紹介する。(著者抄録)

    J-GLOBAL

  15. AlphaFold2から得られたヒト全タンパク質立体構造への結合親和性を考慮したドラッグリポジショニング

    坂尻 由子, 柴田 友和, 澤田 隆介, 山西 芳裕  

    日本薬学会年会要旨集142年会 巻   頁: 26L - pm10   2022年3月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(公社)日本薬学会  

    J-GLOBAL

  16. 創薬・医療における人工知能の活用 AIによるデータ駆動型創薬と分子設計

    山西 芳裕  

    日本薬学会年会要旨集142年会 巻   頁: S41 - 1   2022年3月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(公社)日本薬学会  

    J-GLOBAL

  17. AlphaFold2より得られたヒト全タンパク質立体構造との結合親和性に基づく医薬品化合物の副作用予測

    澤田 隆介, 柴田 友和, 坂尻 由子, 山西 芳裕  

    日本薬学会年会要旨集142年会 巻   頁: 26J - am11   2022年3月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(公社)日本薬学会  

    J-GLOBAL

  18. 新奇化学構造を重点的に発生させる構造生成器

    海東 和麻, 山西 芳裕  

    日本薬学会年会要旨集142年会 巻   頁: 26T - pm02   2022年3月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(公社)日本薬学会  

    J-GLOBAL

  19. 機械学習による食品の機能性の網羅的な予測と作用機序の解明

    柴田 友和, 田中 由祐, 田口 大夢, 澤田 隆介, 青柳 守紘, 平尾 宜司, 山西 芳裕  

    日本薬学会年会要旨集142年会 巻   頁: 27L - pm08   2022年3月

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)   出版者・発行元:(公社)日本薬学会  

    J-GLOBAL

  20. AIが拓くデータ駆動型創薬とヘルスケア : 医薬品や食品のビッグデータ解析の最前線—Data-driven drug discovery and healthcare by artificial intelligence : recent advances in computational analysis of drugs and foods—特集 デジタル革命や数理科学を駆使したDisease-Free Societyの実現に向けての取り組み 招待有り

    山西 芳裕  

    糖尿病・内分泌代謝科 = Diabetology, endocrinology & metabolology / 糖尿病・内分泌代謝科編集委員会 編54 巻 ( 1 ) 頁: 26 - 34   2022年1月

     詳細を見る

    担当区分:筆頭著者, 最終著者, 責任著者   記述言語:日本語   掲載種別:記事・総説・解説・論説等(学術雑誌)   出版者・発行元:科学評論社  

    CiNii Books

  21. デジタルトランスフォーメーションで変わる医療 機械学習によるデータ駆動型創薬とヘルスケア 医薬品や食品のインシリコ解析 招待有り

    山西 芳裕  

    PHARM TECH JAPAN38 巻 ( 1 ) 頁: 69 - 74   2022年1月

     詳細を見る

    担当区分:筆頭著者, 最終著者, 責任著者   記述言語:日本語   掲載種別:記事・総説・解説・論説等(学術雑誌)   出版者・発行元:(株)じほう  

    J-GLOBAL

  22. ヒト全タンパク質に対する結合親和性を考慮した医薬品化合物の薬理作用予測 招待有り

    山西 芳裕  

    日本臨床薬理学会学術総会抄録集43 巻   頁: 3-C-S41-2 - 2   2022年

     詳細を見る

    担当区分:筆頭著者, 最終著者, 責任著者   記述言語:日本語   出版者・発行元:一般社団法人 日本臨床薬理学会  

    医薬品開発において、化合物とタンパク質の結合親和性を定量的に評価することは非常に重要であり、ドッキングシミュレーションと機械学習は重要な役割を果たす。ドッキングシミュレーションには実験的に決定されたタンパク質の立体構造情報が必要であるが、現在立体構造データが利用可能なタンパク質はヒトゲノムにコードされている全タンパク質の一部に過ぎない。近年、AI技術の進歩とともにタンパク質立体構造の予測技術が大幅に向上してきている。なかでもニューラルネットワーク技術を取り入れたAlphaFold v2.0(以下AlphaFold2)は、X線結晶構造解析など実験的に決定したタンパク質立体構造と遜色ない精度を持つ。本研究では、AlphaFold2を活用してヒトゲノムにコードされている全タンパク質の立体構造情報に基づき、医薬品化合物の薬効や副作用予測を行う手法を提案する。まずAlphaFold2で予測したヒト全タンパク質(約20,000タンパク質配列)の立体構造データをAlphaFold Protein Structure Databaseより取得した。医薬品化合物に対してヒト全タンパク質立体構造とのドッキングシミュレーションを行い、それらの結合親和性プロファイルを作成し、様々な疾患に対する薬効や副作用を予測する機械学習モデルを構築した。提案手法は高性能の予測だけではなく、薬効や副作用の作用機序の考察を可能にした。提案手法は、医薬品開発に有用であることが期待できる。

    DOI: 10.50993/jsptsuppl.43.0_3-c-s41-2

    J-GLOBAL

  23. 観測バイアスを考慮した化合物ネットワークのリンク予測

    乾拓海, 原田将之介, LIU Yang, 竹内孝, 瀧川一学, 山西芳裕, 鹿島久嗣  

    人工知能学会全国大会(Web)36th 巻   2022年

     詳細を見る

    記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)  

    J-GLOBAL

  24. トランスオミクス解析によるダイレクトリプログラミング誘導転写因子の予測

    濱野桃子, 江口凌平, 岩田通夫, 中村透, 山西芳裕  

    日本再生医療学会総会(Web)21st 巻   2022年

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)  

    J-GLOBAL

  25. デジタル革命や数理科学を駆使したDisease-Free Societyの実現に向けての取り組み AIが拓くデータ駆動型創薬とヘルスケア:医薬品や食品のビッグデータ解析の最前線 招待有り

    山西芳裕  

    月刊糖尿病・内分泌代謝科54 巻 ( 1 )   2022年

     詳細を見る

    担当区分:筆頭著者, 最終著者, 責任著者   記述言語:日本語   掲載種別:記事・総説・解説・論説等(学術雑誌)  

    J-GLOBAL

  26. PRISM成果利用システム「峰」の構築 新薬創出を加速する人工知能の開発

    樋口千洋, 黒田正孝, 黒田正孝, 伊藤眞里, 長尾知生子, 長尾知生子, 浜本隆二, 黒橋禎夫, 高村大也, 奥野恭史, 山西芳裕, 水口賢司, 水口賢司, 夏目やよい, 夏目やよい  

    医療情報学連合大会論文集(CD-ROM)42nd 巻   2022年

     詳細を見る

    記述言語:日本語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)  

    J-GLOBAL

  27. AIによるデータ駆動型創薬と医療 招待有り

    山西芳裕  

    日本癌学会学術総会抄録集(Web)81st 巻   2022年

     詳細を見る

    担当区分:筆頭著者, 最終著者, 責任著者   記述言語:英語   掲載種別:研究発表ペーパー・要旨(全国大会,その他学術会議)  

    J-GLOBAL

  28. 構造生成器による医薬品分子設計の新展開

    海東和麻, 山西芳裕  

    Medchem News (Web)32 巻 ( 1 )   2022年

     詳細を見る

    担当区分:最終著者, 責任著者   記述言語:日本語   掲載種別:記事・総説・解説・論説等(学術雑誌)  

    J-GLOBAL

  29. 【みんなのバイオDX】化学ビッグデータから薬を生み出す 構造生成器の基礎と実例

    海東 和麻, 山西 芳裕  

    実験医学39 巻 ( 19 ) 頁: 3024 - 3027   2021年12月

     詳細を見る

    記述言語:日本語   出版者・発行元:(株)羊土社  

    創薬の効率化を図るために、人工知能(AI)を活用する試みは広くなされている。創薬研究の初期段階における医薬品候補化合物の分子設計においても、AIの導入が試みられている。分子設計AIの一つに、構造生成器がある。本稿では、創薬において化学ビッグデータを用いる構造生成器の役割について概説する。また、構造生成器の具体例として、近年さかんに研究がなされている深層学習アルゴリズムであるtransformerを用いた最新の構造生成器について紹介する。(著者抄録)

    J-GLOBAL

  30. AIによる創薬・診断の強化 AIによるデータ駆動型研究が拓く創薬

    山西 芳裕  

    日本癌学会総会記事80回 巻   頁: [S20 - 1]   2021年9月

     詳細を見る

    記述言語:英語   出版者・発行元:(一社)日本癌学会  

  31. ネットワーク生物学で紐解く化学物質と生体の関係性

    飯田 緑, 山西 芳裕  

    環境ホルモン学会研究発表会要旨集23回 巻   頁: 22 - 22   2021年9月

     詳細を見る

    記述言語:日本語   出版者・発行元:日本内分泌撹乱物質学会  

    J-GLOBAL

  32. 本態性振戦患者の血漿アミノ酸プロファイル

    三浦 史郎, 鎌田 崇嗣, 藤岡 竜太, 山西 芳裕  

    臨床神経学61 巻 ( Suppl. ) 頁: S298 - S298   2021年9月

     詳細を見る

    記述言語:日本語   出版者・発行元:(一社)日本神経学会  

    J-GLOBAL

  33. AIによるデータ駆動型研究が拓く創薬や医療

    山西 芳裕  

    糖尿病64 巻 ( 7 ) 頁: 404 - 404   2021年7月

     詳細を見る

    記述言語:日本語   出版者・発行元:(一社)日本糖尿病学会  

  34. 創薬・創剤における人工知能の活用 機械学習によるデータ駆動型創薬

    山西 芳裕  

    日本薬学会年会要旨集141年会 巻   頁: S12 - 2   2021年3月

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本薬学会  

  35. 投薬による遺伝子発現変動と大規模ChIP-seqデータの統合解析を駆使した薬剤作用標的となる転写因子の探索

    鄒 兆南, 岩田 通夫, 山西 芳裕, 沖 真弥  

    日本薬学会年会要旨集141年会 巻   頁: 29V09 - am02S   2021年3月

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本薬学会  

    J-GLOBAL

  36. 薬剤群のシナジー効果の機序を解明する

    山西 芳裕  

    実験医学39(8) 巻   頁: 1257 - 1257   2021年

  37. 化合物応答トランスクリプトーム解析によるダイレクトリプログラミングを誘導する低分子化合物のインシリコ予測

    濱野桃子, 中村透, 岩田通夫, 江口凌平, 山西芳裕  

    日本分子生物学会年会プログラム・要旨集(Web)44th 巻   2021年

     詳細を見る

  38. トランスオミクスアプローチによる一細胞レベルの心不全分子メカニズムの解明

    濱野桃子, 野村征太郎, 小室一成, 山西芳裕  

    日本薬学会関東支部大会講演要旨集65th (CD-ROM) 巻   2021年

     詳細を見る

  39. GPCRの相互作用ネットワーク解析

    檜垣優介, 根本航, 山西芳裕, 藤博幸  

    日本分子生物学会年会プログラム・要旨集(Web)44th 巻   2021年

     詳細を見る

  40. AIによるデータ駆動型研究が拓く創薬や医療

    山西芳裕  

    糖尿病(Web)64 巻 ( 7 )   2021年

     詳細を見る

  41. AIによるデータ駆動型研究が拓く創薬と医療

    山西芳裕  

    CBI学会大会2021 (CD-ROM) 巻   2021年

     詳細を見る

  42. AIによるデータ駆動型研究が拓く創薬

    山西芳裕  

    日本がん分子標的治療学会学術集会プログラム・抄録集25th 巻   2021年

     詳細を見る

  43. AIによるデータ駆動型研究が拓く創薬

    山西芳裕  

    日本癌学会学術総会抄録集(Web)80th 巻   2021年

     詳細を見る

  44. 薬物投与による発現変動遺伝子を統合制御する転写因子に着目した解釈可能な化合物–疾患ネットワークの構築

    鄒 兆南, 岩田 通夫, 山西 芳裕, 沖 真弥  

    日本薬理学会年会要旨集94 巻   頁: 1-Y-E3-4   2021年

     詳細を見る

    記述言語:日本語   出版者・発行元:公益社団法人 日本薬理学会  

    Modification of disease-elicited gene expression is one of the core aspects in numerous drugs’ modes of action. To predict drug–disease associations, transcriptomics-based approaches with pathway analysis, graph theory and supervised machine learning-based calculation were developed. However, the pharmacological mechanism employed by drugs remain largely unknown.

    In this study, we focused on transcription factors (TFs) that integratively regulate differentially expressed genes (DEGs) in response to drug treatment. In particular, TF enrichment analysis (TFEA) was performed for each chemical to identify TFs with enriched binding for DEGs by combining the chemically perturbed transcriptome data (CTD) and TF-binding database ChIP-Atlas. Performance evaluation with area under the ROC curve (AUC) suggests the reliability of TFEA in drug target discovery (global AUC = 0.66). Furthermore, we successfully identified the key factors that link drugs to diseases or side effects by utilizing protein-disease database DisGeNET (global AUC = 0.68). This approach is with high confidence because it is fully based on actual experiments of given transcriptome data and public ChIP-seq data. In the pharmaceutical field, TFEA is useful to shed light on compounds failed to be approved by identifying TFs primarily involved in the modes of action, together with the factors associated with potential side effects. Approved drugs including agents composed of unidentified ingredients such as traditional herbal medicines can also be re-examined for novel targets and actions, thus beneficial to drug repositioning research.

    DOI: 10.1254/jpssuppl.94.0_1-y-e3-4

  45. 新しい化合物表現法による医薬候補化合物設計を志向した深層生成モデルの構築

    海東和麻, 山西芳裕  

    日本薬学会年会要旨集(Web)141st 巻   2021年

     詳細を見る

  46. 遺伝子発現プロファイルから医薬候補化合物を設計する構造生成器

    海東和麻, 山西芳裕  

    構造活性相関シンポジウム講演要旨集49th (CD-ROM) 巻   2021年

     詳細を見る

  47. 機械学習によるデータ駆動型研究が拓く創薬と医療

    山西芳裕  

    俯瞰セミナーシリーズ報告書 機械学習と科学 令和2年   2021年

     詳細を見る

  48. 【機械学習を生命科学に使う!シークエンスや画像データをどう解析し、新たな生物学的発見につなげるか?】(第2章)バイオインフォマティクス 免疫・微生物・化学・創薬 テンソル分解による薬物応答トランスクリプトームの予測と創薬応用

    岩田 通夫, Yuan Longhao, Zhao Qibin, 田部井 靖生, 山西 芳裕  

    実験医学38 巻 ( 20 ) 頁: 3401 - 3407   2020年12月

     詳細を見る

    記述言語:日本語   出版者・発行元:(株)羊土社  

    ヒト細胞における薬物応答の遺伝子レベルでの理解は創薬の重要課題である。しかしながら、すべての薬物やヒト細胞の組合わせに対して網羅的にデータを測定することは困難であり、未観測値や欠損値が研究上の障害となっている。本稿では、薬物応答遺伝子発現プロファイルを、薬物、遺伝子、細胞、時系列からなるテンソル構造と見なし、新しいテンソル分解アルゴリズムを用いて、さまざまな細胞における未観測の薬物応答を予測する機械学習手法を紹介する。開発手法は、薬物の作用メカニズムの解明、薬効予測、医薬品候補化合物の探索などに活用できるため、創薬研究に大きく貢献することが期待される。(著者抄録)

    J-GLOBAL

  49. 【神経症候学と神経診断学-AIは味方か敵か?】特異的症状の症候学・診断学とAI 認知機能障害

    三浦 史郎, 山西 芳裕, 大八木 保政  

    Clinical Neuroscience38 巻 ( 11 ) 頁: 1389 - 1390   2020年11月

     詳細を見る

    記述言語:日本語   出版者・発行元:(株)中外医学社  

    J-GLOBAL

  50. 遺伝性脊髄小脳変性症にトピラマートは有効か?

    三浦 史郎, 澤田 隆介, 貴田 浩志, 頼田 章子, 鎌田 崇嗣, 山西 芳裕  

    臨床神経学60 巻 ( Suppl. ) 頁: S433 - S433   2020年11月

     詳細を見る

    記述言語:日本語   出版者・発行元:(一社)日本神経学会  

  51. 薬物治療標的となりうる膵がん新規ドライバー遺伝子ASAP2の同定

    増田 隆明, 藤井 昌志, 岩田 通夫, 松本 佳大, 大津 甫, 武石 一樹, 米村 祐輔, 山西 芳裕, 三森 功士  

    日本癌学会総会記事79回 巻   頁: OJ4 - 2   2020年10月

     詳細を見る

    記述言語:英語   出版者・発行元:(一社)日本癌学会  

  52. 【ゲノム医療時代のがん 分子標的薬と診断薬研究「治療」の選択肢を広げる新しい標的、併用療法、横断的・マルチコンパニオン診断薬、リキッドバイオプシー】(第6章)未来志向の分子標的薬 人工知能を活用した創薬やヘルスケアへの展開

    海東 和麻, 山西 芳裕  

    実験医学38 巻 ( 15 ) 頁: 2623 - 2628   2020年9月

     詳細を見る

    記述言語:日本語   出版者・発行元:(株)羊土社  

    医薬品開発の低迷を打開するため、人工知能(AI)を活用した創薬が注目されている。近年の医学・薬学・生命科学では、疾患、薬物、低分子化合物、遺伝子、タンパク質などに関する大量のオミックスデータやケミカルデータが得られるようになってきており、これらはAI創薬において有用なリソースとなる。本稿では、AIの基盤である機械学習を用いて医薬品化合物の構造生成や化合物の生物活性予測を行うin silico手法を解説する。特に、深層学習のしくみとケミカルデータの取り扱いについて俯瞰し、新規化合物の自動設計や食品成分の健康効果予測などの応用例を紹介する。(著者抄録)

    J-GLOBAL

  53. AIが拓くデータ駆動型創薬とリポジショニング—Data-driven drug discovery and repositioning by artificial intelligence—第5土曜特集 AIが切り拓く未来の医療 ; AI技術の創薬への応用

    山西 芳裕  

    医学のあゆみ274 巻 ( 9 ) 頁: 843 - 847   2020年8月

     詳細を見る

    記述言語:日本語   出版者・発行元:医歯薬出版  

    医薬品開発の低迷を打開する戦略として、人工知能(AI)やビッグデータを利用した創薬が注目されている。近年の医学、薬学、生命科学では疾患、薬物、低分子化合物、遺伝子、タンパク質、代謝産物などに関する大量のオミックスデータが得られるようになり、このようなビッグデータを創薬へ有効活用できる情報技術が切望されている。本稿では、さまざまな医薬ビッグデータと機械学習(AI基盤技術)を用いて治療薬の探索や医薬品候補化合物の設計を行うin silico手法を解説する。とくに、ポリファーマコロジー、疾患類似性、パスウェイ制御、新規分子設計の観点から、創薬のための機械学習手法とその応用例を紹介する。(著者抄録)

    CiNii Books

    J-GLOBAL

    その他リンク: https://search.jamas.or.jp/link/ui/2020333305

  54. 人工知能を活用した医薬品化合物の効能および副作用の予測

    山西 芳裕  

    Pharm stage / 技術情報協会 編20 巻 ( 4 ) 頁: 48 - 60   2020年7月

     詳細を見る

    記述言語:日本語   出版者・発行元:技術情報協会  

    CiNii Books

    J-GLOBAL

  55. cutting-edge medicine 人工知能(AI)技術のヘルスケア利活用 深層学習によるデータ駆動型創薬—Data-driven drug discovery by deep learning

    海東 和麻, 山西 芳裕  

    Precision medicine = プレシジョンメディシン / 「Precision medicine」編集委員会 編3 巻 ( 5 ) 頁: 401 - 404   2020年5月

     詳細を見る

    記述言語:日本語   出版者・発行元:北隆館  

    CiNii Books

    その他リンク: https://search.jamas.or.jp/link/ui/2020231859

  56. インシリコスクリーニングによる新規CFTRコレクターの探索

    谷口 正伍, 福田 亮介, Berenger Francois, 澤田 隆介, 山口 美穂, 井上 敬太郎, 青木 俊介, 山西 芳裕, 沖米田 司  

    日本薬学会年会要旨集140年会 巻   頁: 26Q - am089S   2020年3月

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本薬学会  

    J-GLOBAL

  57. 医療ビッグデータを薬物治療と創薬に活かす AIによるデータ駆動型研究が拓く創薬や医療

    山西 芳裕  

    日本薬学会年会要旨集140年会 巻   頁: S43 - 5   2020年3月

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本薬学会  

    J-GLOBAL

  58. パイオニア転写因子を考慮したデータ駆動型ダイレクトリプログラミング

    江口凌平, 濱野桃子, 岩田通夫, 中村透, 沖真弥, 山西芳裕  

    日本分子生物学会年会プログラム・要旨集(Web)43rd 巻   2020年

     詳細を見る

  59. 低分子化合物のオミクス解析によるデータ駆動型ダイレクトリプログラミング

    中村透, 岩田通夫, 濱野桃子, 江口凌平, 山西芳裕  

    日本分子生物学会年会プログラム・要旨集(Web)43rd 巻   2020年

     詳細を見る

  60. 多層オミクス解析による遺伝子発現機構のディジーゾーム解析と治療薬探索

    岩田通夫, 沖真弥, 山西芳裕  

    日本分子生物学会年会プログラム・要旨集(Web)43rd 巻   2020年

     詳細を見る

  61. 遺伝子発現制御に着目した薬剤摂動トランスクリプトームと大規模ChIP-seqデータの統合解析による薬剤作用ターゲット探索

    鄒兆南, 岩田通夫, 山西芳裕, 沖真弥  

    日本分子生物学会年会プログラム・要旨集(Web)43rd 巻   2020年

     詳細を見る

  62. 深層学習を活用した新規医薬候補化合物の構造生成

    海東和麻, 山西芳裕  

    日本薬学会年会要旨集(Web)140th 巻   2020年

     詳細を見る

  63. がん予防~大腸がん予防の今後を考える~ AIを用いた抗がん作用薬の同定(Cancer Prevention - Contemplation on Future Colorectal Cancer Prevention AI-based identification of anticancer drugs)

    山西 芳裕  

    日本癌学会総会記事78回 巻   頁: SP6 - 3   2019年9月

     詳細を見る

    記述言語:英語   出版者・発行元:(一社)日本癌学会  

  64. 数理科学・情報科学と生命科学の融合-和漢医薬学研究の新地平へ向けて AI技術による和漢薬の作用機序解析と効能予測

    山西 芳裕  

    和漢医薬学会学術大会要旨集36回 巻   頁: 56 - 56   2019年8月

     詳細を見る

    記述言語:日本語   出版者・発行元:(一社)和漢医薬学会  

    J-GLOBAL

  65. 機械学習によるデータ駆動型ドラッグリポジショニング—Data-driven drug repositioning by machine learning—特集 創薬インフォマティクス

    山西 芳裕  

    医学のあゆみ268 巻 ( 12 ) 頁: 973 - 977   2019年3月

     詳細を見る

    記述言語:日本語   出版者・発行元:医歯薬出版  

    医薬品開発の低迷を打開する戦略として、既存薬の新しい効能を発見し、本来とは別の疾患に対する治療薬として新薬開発を行うドラッグリポジショニング(DR)が注目されている。近年の生命医科学や創薬科学では疾患、薬物、低分子化合物、遺伝子、蛋白質、代謝産物などに関する大量のオミックスデータが得られるようになり、このようなビッグデータのDRへの有効活用が期待されている。本稿では、さまざまな医薬ビッグデータと機械学習(AI基盤技術)を用いてDRを行うインシリコ(in silico)手法を解説する。とくに、分子プロファイルの比較、疾患の分子機序類似性、ポリファーマコロジー、パスウェイ制御の観点から、疾患に対する治療薬候補を網羅的かつ体系的に予測する手法とその応用例を紹介する。(著者抄録)

    CiNii Books

    J-GLOBAL

    その他リンク: https://search.jamas.or.jp/link/ui/2019144389

  66. 漢方薬の効能を予測するアルゴリズム/データベースの開発

    山西 芳裕, 門脇 真  

    バイオサイエンスとインダストリー77 巻 ( 2 ) 頁: 126 - 127   2019年3月

     詳細を見る

    記述言語:日本語   出版者・発行元:(一財)バイオインダストリー協会  

    J-GLOBAL

  67. 薬物療法と創薬のための機械学習によるオミクスデータ解析

    山西芳裕  

    日本循環器学会学術集会(Web)83回 巻   頁: SS13 - 5   2019年3月

     詳細を見る

    記述言語:英語  

    J-GLOBAL

  68. 生命医科学や創薬における機械学習の最前線

    山西 芳裕  

    化学と教育67 巻 ( 2 ) 頁: 66 - 69   2019年2月

     詳細を見る

    記述言語:日本語   出版者・発行元:公益社団法人 日本化学会  

    近年の生命医科学では,遺伝子,タンパク質,化合物,薬物,疾患に関するビッグデータが得られるようになってきた。ビッグデータ解析から新しい医学的発見や新薬開発につなげる研究が期待されている。本稿では,様々な医薬データを機械学習(人工知能の基盤技術)で有効活用した疾患研究や創薬応用を紹介する。特に,既存薬物から新規効能を発見するドラッグリポジショニングに基づく創薬への応用を解説する。

    DOI: 10.20665/kakyoshi.67.2_66

    CiNii Books

    J-GLOBAL

  69. 化合物の薬効や副作用をビッグデータから予測する機械学習—Machine Learning to Predict Pharmaceutical Effects and Side Effects of Compounds from Big Data

    山西 芳裕  

    化學工業70 巻 ( 2 ) 頁: 152 - 156   2019年2月

     詳細を見る

    記述言語:日本語   出版者・発行元:小峰工業出版  

    CiNii Books

  70. AIを用いた抗がん作用薬の同定

    山西芳裕  

    日本癌学会学術総会抄録集(Web)78th 巻   2019年

     詳細を見る

  71. 化合物の薬効や副作用をビッグデータから予測する機械学習

    山西芳裕  

    化学工業70 巻 ( 2 )   2019年

     詳細を見る

  72. 一細胞解析による心不全の分子病態メカニズムの解明

    濱野桃子, 野村征太郎, 野村征太郎, 油谷浩幸, 小室一成, 山西芳裕  

    日本分子生物学会年会プログラム・要旨集(Web)42nd 巻   2019年

     詳細を見る

  73. GPCR間相互作用ペアの予測手法の改良

    島村幸稀英, LIMVIPHUVADH Vachiranee, 山西芳裕, 藤博幸, 根本航  

    日本細胞生物学会大会(Web)71st 巻   2019年

     詳細を見る

  74. GPCR間相互作用ペアの予測手法

    島村幸稀英, LIMVIPHUVADH Vachiranee, 山西芳裕, 藤博幸, 根本航  

    GPCR研究会プログラム・抄録集15th 巻   2019年

     詳細を見る

  75. AI創薬:薬効や副作用を予測するデータ駆動型アプローチ

    山西芳裕  

    日本リウマチ学会総会・学術集会プログラム・抄録集63rd 巻   2019年

     詳細を見る

  76. AI創薬:薬効や副作用を予測するデータ駆動型アプローチ

    山西芳裕  

    日本実験動物学会総会講演要旨集(Web)66th 巻   2019年

     詳細を見る

  77. 医薬品設計を志向した深層学習モデルの開発

    海東和麻, 山西芳裕  

    日本薬学会九州支部大会講演要旨集36th 巻   2019年

     詳細を見る

  78. 深層学習を利用した分子設計システムの構築

    海東和麻, 山西芳裕  

    メディシナルケミストリーシンポジウム講演要旨集37th 巻   2019年

     詳細を見る

  79. 深層学習を利用した分子設計システムの構築

    海東和麻, 山西芳裕  

    メディシナルケミストリーシンポジウム講演要旨集37th 巻   2019年

     詳細を見る

  80. データ駆動型ドラッグリポジショニング—Data-driven drug repositioning—特集 プレシジョンメディシンと創薬

    山西 芳裕  

    Precision medicine = プレシジョンメディシン / 「Precision medicine」編集委員会 編1 巻 ( 1 ) 頁: 36 - 39   2018年10月

     詳細を見る

    記述言語:日本語   出版者・発行元:北隆館  

    効率的な創薬戦略として、既存薬の新しい効能を発見し、本来とは別の疾患に対する治療薬として開発するドラッグリポジショニングが注目されている。近年の生命医科学では、疾患、薬物、遺伝子、タンパク質、代謝産物に関する大量のオミックスデータが得られるようになり、このようなビッグデータのドラッグリポジショニングへの有効活用が期待されている。本稿では、様々な医薬ビッグデータと機械学習(AI基盤技術)を用いてドラッグリポジショニングを行うインシリコ手法を紹介する。(著者抄録)

    CiNii Books

    J-GLOBAL

    その他リンク: https://search.jamas.or.jp/link/ui/2019124444

  81. AI創薬:薬効や副作用を予測するデータ駆動型アプローチ

    山西芳裕, 山西芳裕  

    構造活性フォーラム講演要旨集2018 巻   頁: 1(1)‐1(2),1‐11 - 227   2018年6月

     詳細を見る

    記述言語:日本語   出版者・発行元:(一社)日本リウマチ学会  

    J-GLOBAL

  82. Tensor‐train分解アルゴリズムによる高次テンソルデータ解析:薬物応答遺伝子発現データへの応用

    岩田通夫, YUAN Longhao, ZHAO Qibin, 田部井靖生, BERENGER Francois, 澤田隆介, 秋好紗弥香, 山西芳裕, 山西芳裕  

    日本計算機統計学会大会論文集32nd 巻 ( 0 ) 頁: 76‐77 - 77   2018年5月

     詳細を見る

    記述言語:日本語   出版者・発行元:日本計算機統計学会  

    DOI: 10.20551/jscstaikai.32.0_76

    J-GLOBAL

  83. <i>In silico</i>解析を活用したドラッグリポジショニングによる創薬

    山西 芳裕  

    薬剤学78 巻 ( 2 ) 頁: 77 - 81   2018年

     詳細を見る

    記述言語:日本語   出版者・発行元:公益社団法人 日本薬剤学会  

    DOI: 10.14843/jpstj.78.77

  84. 医薬ビックデータとフェノタイプスクリーニングによる変形性関節症治療薬の探索

    味八木 茂, 山西 芳裕  

    研究結果報告書集 : 交通安全等・高齢者福祉24 巻   頁: 123 - 125   2018年

     詳細を見る

    記述言語:日本語   出版者・発行元:三井住友海上福祉財団  

    CiNii Books

    J-GLOBAL

  85. 一般化合物の毒性予測

    山西 芳裕  

    日本化学会情報化学部会誌36 巻 ( 3 ) 頁: 42   2018年

     詳細を見る

    記述言語:日本語   出版者・発行元:公益社団法人 日本化学会・情報化学部会  

    DOI: 10.11546/cicsj.36.42

  86. ドラッグリポジショニングによるCFTRコレクターの開発

    藤原健, 山西芳裕, 田中健一郎, 沖米田司  

    日本薬学会年会要旨集(CD-ROM)138th 巻 ( 3 ) 頁: ROMBUNNO.26PA‐pm190 - 190   2018年

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本薬学会  

    J-GLOBAL

  87. 標的分子を考慮した医薬品化合物の副作用プロファイルの予測

    水谷紗弥佳, EDOUARD Pauwels, EDOUARD Pauwels, VERONIQUE Stoven, VERONIQUE Stoven, 五斗進, 山西芳裕, 山西芳裕  

    ケモインフォマティクス討論会予稿集(Web)41st 巻   2018年

     詳細を見る

  88. Tensor-train分解アルゴリズムによる高次テンソル解析:薬物応答遺伝子発現データからの創薬

    岩田通夫, YUAN Longhao, ZHAO Qibin, 田部井靖生, 山西芳裕  

    統計関連学会連合大会講演報告集2018 巻   2018年

     詳細を見る

  89. Tensor-train分解アルゴリズムによる薬物応答遺伝子発現データからの創薬

    岩田通夫, YUAN Longhao, ZHAO Qibin, 田部井靖生, 山西芳裕, 山西芳裕  

    ケモインフォマティクス討論会予稿集(Web)41st 巻   2018年

     詳細を見る

  90. In silico解析を活用したドラッグリポジショニングによる創薬

    山西芳裕, 山西芳裕  

    薬剤学(Web)78 巻 ( 2 )   2018年

     詳細を見る

  91. 漢方薬リポジショニング:ビッグデータと機械学習による漢方薬の効能予測

    澤田隆介, 岩田通夫, 梅崎雅人, 臼井義比古, 小林敏一, 窪野孝貴, 林周作, 門脇真, 山西芳裕, 山西芳裕  

    ケモインフォマティクス討論会予稿集(Web)41st 巻   2018年

     詳細を見る

  92. 遺伝子発現機構のディジーゾーム解析による疾患間の関連性解析と治療薬探索

    岩田通夫, 沖真弥, 田部井靖生, 山西芳裕, 山西芳裕  

    日本分子生物学会年会プログラム・要旨集(Web)41st 巻   2018年

     詳細を見る

  93. 『AI,インシリコ』による創薬研究,化合物評価の最前線 インシリコによるドラッグリポジショニング研究

    山西芳裕, 山西芳裕  

    月刊PHARM STAGE17 巻 ( 8 ) 頁: 15‐19 - 10   2017年11月

     詳細を見る

    記述言語:日本語   出版者・発行元:技術情報協会  

    CiNii Books

    J-GLOBAL

  94. インシリコによるドラッグリポジショニング研究 (特集 『AI,インシリコ』による創薬研究,化合物評価の最前線)

    山西 芳裕  

    Pharm stage17 巻 ( 8 ) 頁: 15 - 19   2017年11月

     詳細を見る

    記述言語:日本語   出版者・発行元:技術情報協会  

    CiNii Books

  95. 機械学習とデータ駆動型ドラッグリポジショニングによる創薬

    山西芳裕, 山西芳裕  

    CBI学会大会2017 巻   頁: 36   2017年10月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  96. 異種オミックスデータに基づく医薬品候補化合物の標的分子や効能の予測

    澤田隆介, 山西芳裕  

    CBI学会大会2017 巻   頁: 68   2017年10月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  97. データ駆動型ドラッグリポジショニングによるシステム創薬

    山西芳裕, 山西芳裕  

    HAB研究機構学術年会プログラム・要旨集24th 巻   頁: 10‐11   2017年6月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  98. 生命科学・医学研究における事例に学ぶ 18.データ駆動型の創薬―統計的手法を用いて

    山西芳裕, 山西芳裕, 山西芳裕  

    実験医学35 巻 ( 5 ) 頁: 891‐894 - 894   2017年3月

     詳細を見る

    記述言語:日本語   出版者・発行元:(株)羊土社  

    近年の生命医科学では、遺伝子、タンパク質、低分子化合物、薬物、疾患に関する大量のオミックスデータが得られるようになってきた。本稿では、これらのさまざまなビッグデータを用いてインシリコ創薬を行うための機械学習や統計的手法を紹介する。特に医薬品候補化合物のゲノムワイドなインシリコ・スクリーニングの枠組みや、既存薬の適応拡大を行うドラッグリポジショニングへの応用例を紹介する。(著者抄録)

    J-GLOBAL

  99. ドラッグリポジショニングによるCFTRコレクターの開発

    藤原健, 山西芳裕, 田中健一郎, 沖米田司  

    日本生化学会大会(Web)90th 巻   頁: ROMBUNNO.1P‐1244 (WEB ONLY) - 1244]   2017年

     詳細を見る

    記述言語:日本語   出版者・発行元:生命科学系学会合同年次大会運営事務局  

    J-GLOBAL

  100. GGIP:GPCR間相互作用ペア予測手法

    根本航, 山西芳裕, LIMVIPHUVADH Vachiranee, 藤博幸  

    日本蛋白質科学会年会プログラム・要旨集16th 巻   頁: 29 - 06]   2016年5月

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本生化学会  

    J-GLOBAL

  101. GPCR間相互作用状態を変化させることで疾患を引き起こす変異の予測

    藤代俊輔, VACHIRANEE Limviphuvadh, SEBASTIAN Maurer‐Stroh, 山西芳裕, 藤博幸, 根本航  

    日本生化学会大会(Web)89th 巻   頁: ROMBUNNO.2T11‐05(2P‐126) (WEB ONLY) - 126)]   2016年

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本生化学会  

    J-GLOBAL

  102. 医薬ビッグデータと機械学習によるインシリコ創薬

    山西芳裕, 山西芳裕, 山西芳裕  

    日本計算機統計学会シンポジウム論文集29th 巻   頁: 151 - 152   2015年11月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  103. ドラッグリポジショニング 既存薬が新薬に生まれ変わる温故知新のサイエンス!第11回 ビッグデータに基づくインシリコDRスクリーニング

    山西芳裕  

    実験医学33 巻 ( 11 ) 頁: 1824 - 1828   2015年7月

     詳細を見る

    記述言語:日本語   出版者・発行元:(株)羊土社  

    J-GLOBAL

  104. 「データ中心科学」バイオインフォマティクスやケモインフォマティクスにおける機械学習

    山西芳裕  

    人工知能30 巻 ( 2 ) 頁: 224 - 229   2015年3月

     詳細を見る

    記述言語:日本語   出版者・発行元:人工知能学会 ; 2014-  

    CiNii Books

    J-GLOBAL

  105. バイオインフォマティクスやケモインフォマティクスにおける機械学習(<特集>データ中心科学)

    山西 芳裕  

    人工知能:人工知能学会誌30 巻 ( 2 ) 頁: 224 - 229   2015年3月

     詳細を見る

    記述言語:日本語   出版者・発行元:社団法人人工知能学会  

    DOI: 10.11517/jjsai.30.2_224

    CiNii Books

  106. 化合物応答遺伝子発現プロファイルの大規模解析による生理活性化合物の作用機序推定と創薬への応用

    岩田通夫, 澤田隆介, 岩田浩明, 山西芳裕, 山西芳裕  

    日本生化学会大会(Web)88th 巻   頁: 4T26L-03(3P0880) (WEB ONLY) - 03(3P0880)]   2015年

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本生化学会  

    J-GLOBAL

  107. 和漢薬・生薬由来化合物のターゲットタンパク質探索データベースの構築

    梅嵜雅人, 山西芳裕, 山西芳裕  

    和漢医薬学会学術大会要旨集32nd 巻   頁: 99 - 99   2015年

     詳細を見る

    記述言語:日本語   出版者・発行元:(一社)和漢医薬学会  

    J-GLOBAL

  108. 薬物の標的タンパク質プロファイルとオミックス情報に基づくドラッグリポジショニング

    澤田隆介, 岩田浩明, 山西芳裕, 山西芳裕  

    日本生化学会大会(Web)88th 巻   頁: 2P0922 (WEB ONLY) - [2P0922]   2015年

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本生化学会  

    J-GLOBAL

  109. GGIP: GPCR間相互作用ペア予測手法

    根本航, 山西芳裕, VACHIRANEE Limviphuvadh, 藤博幸  

    日本生化学会大会(Web)87th 巻   頁: 2T09P-06(2P-272) (WEB ONLY)   2014年

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  110. ネットワーク解析によるドラッグリポジショニング

    山西芳裕  

    日本薬剤学会年会講演要旨集(Web)29th 巻   頁: GAKUJUTSUSHIMPOJIUMU5,YAMANISHI (WEB ONLY) - 44   2014年

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本薬剤学会  

    J-GLOBAL

  111. 異種オミックスデータの融合に基づく分子間相互作用ネットワークの予測

    山西芳裕  

    Proc Annu Conf Jpn Soc Bioinform2013 巻   頁: 55   2013年10月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  112. ドラッグリポジショニングのためのイン・シリコ法の開発

    岩田浩明, 吉原美奈子, 山西芳裕  

    構造活性相関シンポジウム講演要旨集41st 巻   頁: 19 - 20   2013年10月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  113. 機械学習による薬物の標的分子や副作用の網羅的予測

    山西芳裕  

    構造活性相関シンポジウム講演要旨集41st 巻   頁: 5 - 6   2013年10月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  114. ゲノム情報,ケミカル情報,薬理情報から薬物標的分子を予測する統計手法

    山西芳裕  

    統計関連学会連合大会講演報告集2013 巻   頁: 140   2013年9月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  115. スパース統計モデルによる薬物-疾患ネットワークの予測(合同企画セッション:バイオデータマイニング)

    岩田 浩明, 山西 芳裕  

    電子情報通信学会技術研究報告. NC, ニューロコンピューティング113 巻 ( 111 ) 頁: 155 - 155   2013年6月

     詳細を見る

    記述言語:日本語   出版者・発行元:一般社団法人電子情報通信学会  

    近年の新薬開発の行き詰まりを打開する方法として、既存薬の作用を徹底的に調べあげ新たに薬効を見つけ出し、本来それが開発された疾患とは別の疾患に対する治療薬として再開発する創薬研究が注目を浴びている。本研究では、薬物に関するケミカルなデータと疾患に関するフェノタイプのデータから潜在的な薬物と疾患の関係を網羅的に予測する機械学習の手法を開発した。教師付き学習のアルゴリズムにスパース統計モデルを導入することで特徴抽出を可能にし、予測された関係に関与している薬物の標的タンパク質と疾患のフェノタイプの組み合わせを同定する点が独自の点である。また抽出された標的タンパク質の生物学的妥当性をPathway Enrichment解析を用いて評価した。本発表ではこれらの結果と、既知のデータから学習して生成したモデルを適用することで得られる新規の薬と疾患の関連解析の結果について紹介する。

    CiNii Books

  116. スパース統計モデルによる薬物‐疾患ネットワークの予測

    岩田浩明, 山西芳裕  

    電子情報通信学会技術研究報告113 巻 ( 111(NC2013 1-14) ) 頁: 155 - 1   2013年6月

     詳細を見る

    記述言語:日本語   出版者・発行元:一般社団法人電子情報通信学会  

    近年の新薬開発の行き詰まりを打開する方法として、既存薬の作用を徹底的に調べあげ新たに薬効を見つけ出し、本来それが開発された疾患とは別の疾患に対する治療薬として再開発する創薬研究が注目を浴びている。本研究では、薬物に関するケミカルなデータと疾患に関するフェノタイプのデータから潜在的な薬物と疾患の関係を網羅的に予測する機械学習の手法を開発した。教師付き学習のアルゴリズムにスパース統計モデルを導入することで特徴抽出を可能にし、予測された関係に関与している薬物の標的タンパク質と疾患のフェノタイプの組み合わせを同定する点が独自の点である。また抽出された標的タンパク質の生物学的妥当性を Pathway Enrichment 解析を用いて評価した。本発表ではこれらの結果と、既知のデータから学習して生成したモデルを適用することで得られる新規の薬と疾患の関連解析の結果について紹介する。

    CiNii Books

    J-GLOBAL

  117. ドラッグリポジショニングへの応用に向けた薬物‐疾患ネットワーク予測

    岩田浩明, 吉原美奈子, 山西芳裕  

    日本分子生物学会年会プログラム・要旨集(Web)36th 巻   頁: 3P-1055 (WEB ONLY)   2013年

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  118. 創薬科学におけるバイオインフォマティクス

    山西 芳裕  

    日本化学会情報化学部会誌31 巻 ( 2 ) 頁: 25 - 25   2013年

     詳細を見る

    記述言語:日本語   出版者・発行元:Division of Chemical Information and Computer Sciences The Chemical Society of Japan  

    DOI: 10.11546/cicsj.31.25

  119. 薬物・標的タンパク質間相互作用ネットワークの予測

    山西 芳裕  

    日本化学会情報化学部会誌31 巻 ( 2 ) 頁: 26 - 26   2013年

     詳細を見る

    記述言語:日本語   出版者・発行元:Division of Chemical Information and Computer Sciences The Chemical Society of Japan  

    DOI: 10.11546/cicsj.31.26

    J-GLOBAL

  120. GPCRヘテロダイマー形成ペアの組織レベルでの優先的な共発現

    根本航, 山西芳裕, 藤博幸  

    日本生化学会大会(Web)85th 巻   頁: 2T09-06 (WEB ONLY) - 06   2012年

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本生化学会  

    J-GLOBAL

  121. バイオインフォマティクスによる創薬標的GPCRどうしの相互作用ペア予測

    根本 航, 山西 芳裕, 藤 博幸  

    日本プロテオーム学会大会要旨集2012 巻 ( 0 ) 頁: 86 - 86   2012年

     詳細を見る

    記述言語:日本語   出版者・発行元:日本プロテオーム学会(日本ヒトプロテオーム機構)  

    DOI: 10.14889/jhupo.2012.0.86.0

    J-GLOBAL

  122. KEGG OC:系統関係に基づいた大規模オーソログクラスタの自動生成

    守屋勇樹, 中谷明弘, 片山俊明, 伊藤真純, 平糠和志, 川島秀一, 奥田修二郎, 田中道廣, 時松敏明, 山西芳裕, 吉沢明康, 金久實, 五斗進  

    日本分子生物学会年会プログラム・要旨集(Web)35th 巻   頁: 3P-0075 (WEB ONLY)   2012年

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  123. 薬剤標的タンパク質と副作用の関連分析のための統計手法

    水谷紗弥佳, PAUWELS Edouard, STOVEN Veronique, 五斗進, 山西芳裕  

    日本分子生物学会年会プログラム・要旨集(Web)35th 巻   頁: 4P-0052 (WEB ONLY) - 53   2012年

     詳細を見る

    記述言語:日本語   出版者・発行元:京都大学化学研究所  

    平成24年度 京都大学化学研究所 スーパーコンピュータシステム 利用報告書

    J-GLOBAL

  124. Gタンパク質共役型受容体オリゴマー相互作用ペア予測

    根本航, 山西芳裕, 藤博幸  

    生化学84回 巻   頁: ROMBUNNO.2P-0389 - 0389   2011年

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本生化学会  

    J-GLOBAL

  125. 複数生物種ネットワークの同時予測 : 半教師つき学習によるアプローチ—Simultaneous Inference of Multiple Biological Networks—バイオ情報学(BIO) Vol.2010-BIO-21

    鹿島 久嗣, 山西 芳裕, 加藤 毅  

    情報処理学会研究報告2010年度 巻 ( 2 ) 頁: 1 - 8   2010年8月

     詳細を見る

    記述言語:日本語   出版者・発行元:情報処理学会  

    CiNii Books

  126. 複数生物種ネットワークの同時予測--半教師つき学習によるアプローチ (非線形問題)

    鹿島 久嗣, 山西 芳裕, 加藤 毅  

    電子情報通信学会技術研究報告110 巻 ( 82 ) 頁: 111 - 118   2010年6月

     詳細を見る

    記述言語:日本語   出版者・発行元:電子情報通信学会  

  127. 複数生物種ネットワークの同時予測--半教師つき学習によるアプローチ (ニューロコンピューティング)

    鹿島 久嗣, 山西 芳裕, 加藤 毅  

    電子情報通信学会技術研究報告110 巻 ( 83 ) 頁: 111 - 118   2010年6月

     詳細を見る

    記述言語:日本語   出版者・発行元:電子情報通信学会  

  128. 複数生物種ネットワークの同時予測:半教師つき学習によるアプローチ

    鹿島 久嗣, 山西 芳裕, 加藤 毅, 杉山 将, 津田 宏治  

    情報処理学会研究報告. BIO, バイオ情報学2010 巻 ( 19 ) 頁: 1 - 8   2010年6月

     詳細を見る

    記述言語:日本語   出版者・発行元:一般社団法人情報処理学会  

    従来、生体ネットワークの予測は、遺伝子発現などの個々の生物種のもつ情報をもとに、種別に行われてきた。これに対し、本研究では 「リンク伝搬法」 と名付けた半教師つき学習法によって、複数の生物種のネットワークを同時に予測する方法を提案する。各生物種のもつ情報として遺伝子発現の類似度を、生物種間をまたぐ情報としてアミノ酸配列の類似度を用いて、C. elegans、H. pylori および S. cerevisiae のネットワークの同時予測を行い、ペアワイズ SVM などの既存手法を精度と速度の両面において上回ることを示す。

  129. 複数生物種ネットワークの同時予測:半教師つき学習によるアプローチ

    鹿島久嗣, 山西芳裕, 加藤毅, 杉山将, 津田宏治  

    電子情報通信学会技術研究報告110 巻 ( 83(NC2010 1-28) ) 頁: 111 - 118   2010年6月

     詳細を見る

    記述言語:日本語   出版者・発行元:情報処理学会  

    従来、生体ネットワークの予測は、遺伝子発現などの個々の生物種のもつ情報をもとに、種別に行われてきた。これに対し、本研究では 「リンク伝搬法」 と名付けた半教師つき学習法によって、複数の生物種のネットワークを同時に予測する方法を提案する。各生物種のもつ情報として遺伝子発現の類似度を、生物種間をまたぐ情報としてアミノ酸配列の類似度を用いて、C. elegans、H. pylori および S. cerevisiae のネットワークの同時予測を行い、ペアワイズ SVM などの既存手法を精度と速度の両面において上回ることを示す。The existing supervised methods for biological network inference work on each of the networks individually based only on intra-species information such as gene expression data. We believe that it will be more effective to use genomic data and cross-species evolutionary information from different species simultaneously, rather than to use the genomic data alone. We created a new semi-supervised learning method called Link Propagation for inferring biological networks of multiple species based on genome-wide data and evolutionary information. The new method was applied to simultaneous reconstruction of three metabolic networks of C. elegans, H. pylori, and S. cerevisiae, based on gene expression similarities and amino acid sequence similarities. The experimental results proved that the new simultaneous network inference method consistently improves the predictive performance over the individual network inferences, and it also outperforms in accuracy and speed other established methods such as the pairwise support vector machine.

    CiNii Books

    J-GLOBAL

  130. リンク伝播法--リンク予測のための半教師付き学習法 (特集 「大規模データからの機械学習と自然言語処理への応用」および一般)

    鹿島 久嗣, 加藤 毅, 山西 芳裕  

    人工知能基本問題研究会73 巻   頁: 19 - 24   2009年3月

     詳細を見る

    記述言語:日本語   出版者・発行元:人工知能学会  

    CiNii Books

  131. リンク伝播法:リンク予測のための半教師付き学習法

    鹿島久嗣, 加藤毅, 山西芳裕, 杉山将, 津田宏治  

    人工知能学会人工知能基本問題研究会資料73rd 巻   頁: 19 - 24   2009年3月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  132. KEGG OC:網羅的なオーソログクラスターの自動生成

    中谷明弘, 伊藤真純, 奥田修二郎, 川島秀一, 田中道廣, 時松敏明, 片山俊明, 平糠和志, 守屋勇樹, 山西芳裕, 吉沢明康, 金久實  

    生化学   頁: 4P-0986   2008年

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  133. KEGG OC:オーソログクラスターのマニュアルアノテーション

    川島秀一, 伊藤真純, 奥田修二郎, 片山俊明, 田中道廣, 時松敏明, 中谷明弘, 平糠和志, 守屋勇樹, 山西芳裕, 吉沢明康, 金久實  

    生化学   頁: 4P-0987   2008年

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  134. KEGG OC:全生物種ゲノムにおけるオーソログ遺伝子のバリエーションと高速検索技術

    片山俊明, 伊藤真純, 奥田修二郎, 川島秀一, 田中道廣, 時松敏明, 中谷明弘, 平糠和志, 守屋勇樹, 山西芳裕, 吉沢明康, 金久實  

    生化学81回・31回 巻   頁: 4T9-4 - 4   2008年

     詳細を見る

    記述言語:日本語   出版者・発行元:(公社)日本生化学会  

    J-GLOBAL

  135. ネットワーク推定とドメインプロファイル解析による機能未知遺伝子の探索

    岡本忍, 山西芳裕, 得平茂樹, 金久實, 中村保一  

    日本植物生理学会年会要旨集48th 巻 ( 0 ) 頁: 233 - 558   2007年3月

     詳細を見る

    記述言語:日本語   出版者・発行元:日本植物生理学会  

    様々なゲノムデータベースの情報や大規模な実験データから、分子の相互作用を予測し、機能が未知な遺伝子に関する情報を得ることは、生物学、インフォマティクスの両方の発展にとって重要である。今回、我々はカーネル法に基づくネットワーク推定法をラン藻&lt;i&gt;Anabaena&lt;/i&gt; sp. PCC7120の窒素飢餓応答に適用して、機能的に関係する遺伝子をネットワークとして予測した。データセットとしては、マイクロアレイ、系統プロファイル、遺伝子ロケーション、という異なるデータを統合して用いた。その結果、KEGG PATHWAYデータベースに登録された既知の遺伝子群となんらかの関係を持つと考えられる1348個の遺伝子が予測された。それらの遺伝子群には、窒素飢餓応答に関与することが知られているものに加えて、機能未知の遺伝子群が含まれていた。さらに、Pfamによる機能ドメイン予測と窒素代謝関連遺伝子の転写因子であるNtcAの結合モチーフ予測という別の視点を加え、予測した遺伝子の選抜を行った。その結果、KEGG PATHWAYネットワークに外挿する形で窒素代謝に関係すると考えられる新規の遺伝子候補が得られた。今回の解析手法で示された結果は、ポストゲノム時代における実験デザインに有効であると考える。

    DOI: 10.14841/jspp.2007.0.558.0

    J-GLOBAL

  136. タンパク質間相互作用の共進化情報に基づく予測

    佐藤 哲也, 山西 芳裕, 金久 實, 藤 博幸  

    生物物理47 巻 ( 1 ) 頁: 4 - 11   2007年1月

     詳細を見る

    記述言語:日本語   出版者・発行元:一般社団法人日本生物物理学会  

    A distance matrix is a set of genetic distances between all possible pairs of proteins under consideration, and is used to construct a phylogenetic tree by the distance matrix method. Pazos and Valencia (2001) have developed a method to predict protein-protein interaction by evaluating the similarity of the distance matrices, under the assumption that the phylogenetic trees of interacting proteins resemble each other through co-evolution. It is known, however, that the prediction includes many false positives. We postulated that the cause of the false positives is the background similarity of the phylogenetic relationship of the source organisms. We have developed a method to exclude such information from the distance matrices with a projection operator. The number of false positives was drastically reduced from the prediction by evaluating the similarity between the residuals after the projection operation.

    DOI: 10.2142/biophys.47.004

    CiNii Books

    J-GLOBAL

  137. 共進化の強度とインターフェースの構造的特徴との関連

    佐藤哲也, 山西芳裕, 金久實, 藤博幸  

    生化学   頁: 4P-0267   2007年

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  138. 予測と発見 カーネル法による複数のゲノムデータからのタンパク質間機能ネットワークの推定

    山西芳裕, VERT Jean‐Philippe  

    統計数理54 巻 ( 2 ) 頁: 357 - 373   2006年12月

     詳細を見る

    記述言語:日本語   出版者・発行元:統計数理研究所  

    要旨あり予測と発見研究詳解

    CiNii Books

    J-GLOBAL

  139. カーネル法による複数のゲノムデータからのタンパク質間機能ネットワークの推定

    山西 芳裕, Vert Jean-Philipp  

    統計数理 = Proceedings of the Institute of Statistical Mathematics54 巻 ( 2 ) 頁: 357 - 373   2006年12月

     詳細を見る

    記述言語:日本語   出版者・発行元:統計数理研究所  

    要旨あり予測と発見研究詳解

    CiNii Books

  140. シュードモナスのリジン分解経路におけるミッシング酵素の同定と解析

    三原久明, 大崎元晴, 桧作好之, 山西芳裕, 五斗進, 金久実, 栗原達夫, 江崎信芳  

    ビタミン80 巻 ( 4 ) 頁: 254 - 254   2006年4月

     詳細を見る

    記述言語:日本語   出版者・発行元:日本ビタミン学会  

    DOI: 10.20632/vso.80.4_254

    CiNii Books

    J-GLOBAL

  141. 系統関係を利用したタンパク質相互作用予測

    藤博幸, 佐藤哲也, 山西芳裕, 金久實  

    日本蛋白質科学会年会プログラム・要旨集6th 巻   頁: 20   2006年3月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  142. カーネル法による複数のゲノムデータからのタンパク質間機能ネットワークの推定 (特集 予測と発見)

    山西 芳裕, Vert Jean-Philippe  

    統計数理54 巻 ( 2 ) 頁: 357 - 373   2006年

     詳細を見る

    記述言語:日本語   出版者・発行元:統計数理研究所  

  143. 共進化情報を利用したタンパク質間相互作用の予測

    佐藤哲也, 山西芳裕, 金久実, 藤博幸  

    日本分子生物学会年会講演要旨集28th 巻   頁: 566   2005年11月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  144. ゲノム情報に基づいたリジン分解系タンパク質ネットワークの再構築

    大崎元晴, 村松久司, 山西芳裕, 桧作好之, 三原久明, 五斗進, 金久実, 栗原達夫, 江崎信芳  

    日本農芸化学会大会講演要旨集2005 巻   頁: 62   2005年3月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  145. 遺伝子の機能予測のための統計解析

    山西芳裕  

    スーパーコンピューターラボラトリー 平成16年度 研究成果報告書   頁: 85 - 86   2005年

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  146. 生物種及び組織間における比較グライコーム解析

    桧作好之, 山西芳裕, 河野信, 五斗進, 金久実  

    日本分子生物学会年会プログラム・講演要旨集27th 巻   頁: 848   2004年11月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  147. カーネル法を用いた複数の異質なゲノムデータからのタンパク質ネットワークの推定

    山西芳裕, 佐藤哲也, VERT J‐P, 大崎元晴, 村松久司, 三原久明, 江崎信芳, 桧作好之, 五斗進  

    日本分子生物学会年会プログラム・講演要旨集27th 巻   頁: 358   2004年11月

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  148. G7-6 関数主成分分析における影響分析(一般セッション(G7) : 多変量解析)(第30回日本行動計量学会大会発表一覧)

    大井手 寛浩, 山西 芳裕, 田中 豊  

    行動計量学30 巻 ( 2 ) 頁: 233 - 234   2004年1月

     詳細を見る

    記述言語:日本語   出版者・発行元:日本行動計量学会  

    CiNii Books

  149. 京都大学化学研究所スーパーコンピューターラボラトリー利用報告書 遺伝子の機能予測のための統計解析 平成15年度

    山西芳裕  

    スーパーコンピューターラボラトリー 平成15年度 研究成果報告書   頁: 93 - 94   2004年

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  150. バイオインフォマティクスにおける基本アルゴリズム (数学者のための分子生物学入門)

    阿久津 達也, 山西 芳裕  

    物性研究81 巻 ( 1 ) 頁: 120 - 129   2003年10月

     詳細を見る

    記述言語:日本語   出版者・発行元:物性研究刊行会  

    この論文は国立情報学研究所の電子図書館事業により電子化されました。

    CiNii Books

  151. 関数データのペナルティ付き正準判別分析(セッション3)(日本計算機統計学会第15回シンポジウム報告)

    山西 芳裕, 田中 豊  

    計算機統計学15 巻 ( 1 ) 頁: 93 - 93   2003年

     詳細を見る

    記述言語:日本語   出版者・発行元:日本計算機統計学会  

    DOI: 10.20551/jscswabun.15.1_93_1

    CiNii Books

  152. 京都大学化学研究所スーパーコンピューターラボラトリー利用報告書 遺伝子の機能予測のための統計解析 平成14年度

    山西芳裕  

    スーパーコンピューターラボラトリー 平成14年度 研究成果報告書   頁: 88 - 89   2003年

     詳細を見る

    記述言語:日本語  

    J-GLOBAL

  153. ゲノムからの生命システム解明への貢献

    山西 芳裕  

    計算機統計学15 巻 ( 2 ) 頁: 325 - 325   2003年

     詳細を見る

    記述言語:日本語   出版者・発行元:日本計算機統計学会  

    DOI: 10.20551/jscswabun.15.2_325

    CiNii Books

  154. スカラー応答の関数重回帰における空間的非定常性のモデリング(セッション6)(日本計算機統計学会第16回大会報告)

    山西 芳裕, 大井手 寛浩, 田中 豊  

    計算機統計学15 巻 ( 1 ) 頁: 102 - 102   2003年

     詳細を見る

    記述言語:日本語   出版者・発行元:日本計算機統計学会  

    DOI: 10.20551/jscswabun.15.1_102_1

    CiNii Books

  155. 関数主成分分析における影響分析(多変量解析)

    大井手 寛浩, 山西 芳裕, 田中 豊  

    日本行動計量学会大会発表論文抄録集30 巻   頁: 180 - 183   2002年8月

     詳細を見る

    記述言語:日本語   出版者・発行元:日本行動計量学会  

    CiNii Books

  156. スカラー応答の関数重回帰における空間的非定常性のモデリング

    山西芳裕, 大井手寛浩, 田中豊  

    日本計算機統計学会大会論文集16th 巻   頁: 122 - 125   2002年5月

     詳細を見る

    記述言語:日本語   出版者・発行元:日本計算機統計学会  

    DOI: 10.20551/jscstaikai.16.0_122

    CiNii Books

    J-GLOBAL

▼全件表示

講演・口頭発表等 111

  1. 機械学習による新薬候補の探索と構造設計 招待有り

    山西芳裕

    日本薬学会 第144年会, シンポジウム「AIで切り拓く未来の創薬・医療」  2024年3月31日 

     詳細を見る

    開催年月日: 2024年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:横浜   国名:日本国  

  2. 遺伝子発現プロファイルの細胞特異性を考慮した疾患治療薬の探索と設計

    山中知茂, 岩田通夫, 海東和麻, 山西芳裕

    日本薬学会 第144年会  2024年3月30日 

     詳細を見る

    開催年月日: 2024年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:横浜   国名:日本国  

  3. 大規模な臨床ビッグデータの解析による疾患予防薬とメカニズムの推定

    一ノ瀬音葉, 関谷拓海, 澤田隆介, 大谷則子, 山西芳裕

    日本薬学会 第144年会  2024年3月30日 

     詳細を見る

    開催年月日: 2024年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:横浜   国名:日本国  

  4. 機械学習による薬剤標的分子予測と薬剤組み合わせの効果の検討

    亀淵由乃, 難波里子, 関谷拓海, 大谷則子, 岩田通夫, 山西芳裕

    日本薬学会第144年会  2024年3月31日 

     詳細を見る

    開催年月日: 2024年3月

    記述言語:日本語   会議種別:ポスター発表  

    開催地:横浜   国名:日本国  

  5. 細胞形態画像から医薬品候補化合物の標的分子を予測する機械学習手法の開発

    石原慎也, 岩田通夫, 林広夢, 濱野桃子, 霜古田一優, 木谷晃広, 吹田直政, 山西芳裕

    日本薬学会 第144年会  2024年3月31日 

     詳細を見る

    開催年月日: 2024年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:横浜   国名:日本国  

  6. 多層オミクスデータを活用したAI創薬 招待有り

    山西芳裕

    第113回日本病理学会総会, シンポジウム「仮説駆動型、データ駆動型病理学研究」  2024年3月29日 

     詳細を見る

    開催年月日: 2024年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:名古屋   国名:日本国  

  7. 機械学習とビッグデータを用いた食品の機能性および微生物を介した作用メカニズムの推定

    三枝奈々子, 柴田友和, 澤田隆介, 関谷拓海, 山西芳裕

    日本農芸化学会 2024年度大会(創立100周年記念大会)  2024年3月27日 

     詳細を見る

    開催年月日: 2024年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:新潟   国名:日本国  

  8. PPAR-γに結合するチアゾリジン系リガンドのMD/FMO連携による相互作用解析 招待有り

    Daiki Arai, Shun Kitahara, Hideo Doi, Koji Okuwaki, Yoshinori Hirano, Eiji Yamamoto, Kenji Yasuoka, Kazuma Kaitoh, Yoshihiro Yamanishi, and Yuji Mochizuki

    第71回応用物理学会春季学術講演会  2024年3月23日 

     詳細を見る

    開催年月日: 2024年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:東京   国名:日本国  

  9. シングルセルマルチオミクスデータを用いた生体内リプログラミング誘導転写因子の予測

    濱野桃子, 川崎瞭太、廣瀨昌樹, 山西芳裕

    第23回日本再生医療学会  2024年3月23日 

     詳細を見る

    開催年月日: 2024年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:新潟   国名:日本国  

  10. AI・ビッグデータ駆動型研究が拓く医療と創薬 招待有り

    山西芳裕

    第18回バイオメディカル研究所インタラクティブセミナー  2024年3月5日 

     詳細を見る

    開催年月日: 2024年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

  11. 人工知能が拓く創薬と医療 招待有り

    山西芳裕

    第17回健康医療開発機構シンポジウム「デジタルメディシン-その現状と未来-」  2024年3月2日 

     詳細を見る

    開催年月日: 2024年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:東京   国名:日本国  

  12. AI・ビッグデータ時代の創薬や医療の可能性 招待有り

    山西芳裕

    第10回CBI学会個別化医療研究会  2024年2月27日 

     詳細を見る

    開催年月日: 2024年2月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:岐阜   国名:日本国  

  13. 機械学習による治療標的分子の予測と希少疾患への応用 招待有り

    難波里子, 李晨, 大谷則子, 山西芳裕

    第10回CBI学会個別化医療研究会  2024年2月27日 

     詳細を見る

    開催年月日: 2024年2月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:岐阜   国名:日本国  

  14. GxVAEs: Two Joint VAEs Generate Hit Molecules from Gene Expression Profiles 国際会議

    Li, C., Yamanishi, Y.

    The 38th Annual AAAI Conference on Artificial Intelligence (AAAI2024)  2024年2月20日 

     詳細を見る

    開催年月日: 2024年2月

    記述言語:英語   会議種別:口頭発表(一般)  

    開催地:Vancouver   国名:カナダ  

  15. GxVAEs: Two Joint VAEs Generate Hit Molecules from Gene Expression Profiles 国際会議

    Li, C., Yamanisi, Y.

    The 38th Annual AAAI Conference on Artificial Intelligence (AAAI2024)  2024年2月20日 

     詳細を見る

    開催年月日: 2024年2月

    記述言語:英語   会議種別:ポスター発表  

    開催地:Vancouver   国名:カナダ  

  16. AI・ビッグデータ時代の創薬の可能性 招待有り

    山西芳裕

    医療産業イノベーションフォーラム「製薬業界でのAI活用の現在地」  2024年2月14日 

     詳細を見る

    開催年月日: 2024年2月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:東京   国名:日本国  

  17. Data-driven drug discovery and healthcare by machine learning 招待有り 国際会議

    Yamanishi, Y.

    The 14th International Conference on Bioscience, Biochemistry and Bioinformatics (ICBBB2024)  2024年1月14日 

     詳細を見る

    開催年月日: 2024年1月

    記述言語:英語   会議種別:口頭発表(基調)  

    開催地:Kyoto   国名:日本国  

  18. AIによるデータ駆動型創薬と医療 招待有り

    山西芳裕

    日本学術会議薬学委員会生物系薬学分科会 公開シンポジウム「AIが拓く創薬と医療の未来」  2024年1月12日 

     詳細を見る

    開催年月日: 2024年1月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:東京   国名:日本国  

  19. 機械学習によるデータ駆動型細胞リプログラミング 招待有り

    山西芳裕

    第14回 がんゲノム・エピゲノム、数理統計解析についての研究会  2023年12月16日 

     詳細を見る

    開催年月日: 2023年12月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:別府   国名:日本国  

  20. Data-driven drug discovery and healthcare by machine learning 招待有り 国際会議

    Yamanishi, Y.

    International Workshop on Data-driven Science for Graphs: Algorithms, Architectures, and Applications (IEEE BigData)  2023年12月17日 

     詳細を見る

    開催年月日: 2023年12月

    記述言語:英語   会議種別:口頭発表(基調)  

    開催地:Sorrento   国名:イタリア共和国  

  21. シナジー効果を高める薬物の組み合わせを予測する情報技術の開発

    亀淵由乃, 難波里子, 関谷拓海, 大谷則子, 岩田通夫, 山西芳裕

    第97回日本薬理学会年会・第44回日本臨床薬理学会学術総会  2023年12月14日 

     詳細を見る

    開催年月日: 2023年12月

    記述言語:日本語   会議種別:ポスター発表  

    開催地:神戸   国名:日本国  

  22. 臨床ビッグデータ解析による疾患予防メカニズムの推定

    一ノ瀬音葉, 関谷拓海, 澤田隆介, 大谷則子, 山西芳裕

    第97回日本薬理学会年会・第44回日本臨床薬理学会学術総会  2023年12月14日 

     詳細を見る

    開催年月日: 2023年12月

    記述言語:日本語   会議種別:ポスター発表  

    開催地:神戸   国名:日本国  

  23. シングルセルマルチオミクスデータを用いたダイレクトリプログラミング誘導転写因子の予測

    濱野桃子, 廣瀨昌樹, 江口凌平, 岩田通夫, 沖真弥, 山西芳裕

    第46回日本分子生物学会年会, シンポジウム「細胞デジタル社会が織りなす高次生命現象の理解」  2023年12月6日 

     詳細を見る

    開催年月日: 2023年12月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:神戸   国名:日本国  

  24. 細胞特異性を考慮した遺伝子発現プロファイルによる疾患治療薬の探索

    山中知茂, 岩田通夫, 海東和麻, 山西芳裕

    第46回日本分子生物学会  2023年12月6日 

     詳細を見る

    開催年月日: 2023年12月

    記述言語:日本語   会議種別:ポスター発表  

    開催地:神戸   国名:日本国  

  25. 一細胞オミックスデータに基づくダイレクトリプログラミング誘導転写因子の予測

    廣瀬昌樹, 濱野桃子, 岩田通夫, 沖真弥, 山西芳裕

    第46回日本分子生物学会  2023年12月6日 

     詳細を見る

    開催年月日: 2023年12月

    記述言語:日本語   会議種別:ポスター発表  

    開催地:神戸   国名:日本国  

  26. Data-driven drug discovery and healthcare by machine learning 招待有り 国際会議

    Yamanishi, Y.

    The 13th International Workshop on Biomedical and Health Informatics (BHI2023)  2023年12月7日 

     詳細を見る

    開催年月日: 2023年12月

    記述言語:英語   会議種別:口頭発表(基調)  

    開催地:Istanbul   国名:トルコ共和国  

  27. Data-driven drug discovery and healthcare by machine learning 招待有り 国際会議

    Yamanishi, Y.

    The 8th Autumn School of Chemoinformatics in Nara 2023  2023年11月29日 

     詳細を見る

    開催年月日: 2023年11月

    記述言語:英語   会議種別:口頭発表(招待・特別)  

    開催地:Nara   国名:日本国  

  28. Chemical Space Visualization Toward Data-Driven DNA-Encoded Library Design 国際会議

    Kaitoh, K., Yamanishi, Y.

    The 8th Autumn School of Chemoinformatics in Nara 2023  2023年11月28日 

     詳細を見る

    開催年月日: 2023年11月

    記述言語:英語   会議種別:ポスター発表  

    開催地:Nara   国名:日本国  

  29. Gene Expression Data-Driven Scaffold-Constrained Molecular Structure Generation by Deep Neural Network 国際会議

    Matsukiyo, Y., Yamanaka, C., Li, C., Yamanishi, Y.

    The 8th Autumn School of Chemoinformatics in Nara 2023  2023年11月29日 

     詳細を見る

    開催年月日: 2023年11月

    記述言語:英語   会議種別:口頭発表(一般)  

    開催地:Nara   国名:日本国  

  30. 深層学習モデルによる所望の特性を持つ合成可能な化学構造の生成

    髙田慎之助, 海東和麻, 津田宏治, 山西芳裕

    第46回ケモインフォマティクス討論会  2023年11月22日 

     詳細を見る

    開催年月日: 2023年11月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:東京   国名:日本国  

  31. 深層学習による遺伝子発現プロファイルからの医薬品の構造設計

    松清優樹、山中知茂, 山西芳裕

    第46回ケモインフォマティクス討論会  2023年11月21日 

     詳細を見る

    開催年月日: 2023年11月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:東京   国名:日本国  

  32. 複数の治療標的分子にデュアルで作用する医薬品化合物を構造生成するAI開発

    安田花純、李晨、海東和麻, 山西芳裕

    第46回ケモインフォマティクス討論会  2023年11月21日 

     詳細を見る

    開催年月日: 2023年11月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:東京   国名:日本国  

  33. AI・ビッグデータ時代の創薬の可能性 招待有り

    山西芳裕

    第51回構造活性相関シンポジウム  2023年11月20日 

     詳細を見る

    開催年月日: 2023年11月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:東京   国名:日本国  

  34. DNA-encoded library 設計を指向したケミカルスペースの可視化

    海東和麻, 山西芳裕

    第40回メディシナルケミストリーシンポジウム  2023年11月13日 

     詳細を見る

    開催年月日: 2023年11月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:名古屋   国名:日本国  

  35. 未病に焦点を当てた劇薬:チアジアゾール骨格を有する新規GLS1阻害剤の創製

    山辺果歩, 金山大介, 岡田卓哉, 条美智子, 小泉桂一, 坂尻由子, 柴田友和, 澤田隆介, 山西芳裕, 豊岡尚樹

    第40回メディシナルケミストリーシンポジウム  2023年11月13日 

     詳細を見る

    開催年月日: 2023年11月

    記述言語:日本語   会議種別:ポスター発表  

    開催地:名古屋   国名:日本国  

  36. Automatic biomarker discovery for idiopathic pulmonary fibrosis by correlation analysis of serum extracellular vesicles proteomic data and clinical data

    Yohey Kamijo, Mari N Itoh, Yoshito Takeda, Masataka Kuroda, Jun Adachi, Yayoi Natsume-Kitatani, Kenji Mizuguchi, Atsushi Kumanogoh, and Yoshihiro Yamanishi

    情報計算化学生物学会(CBI学会)2023年大会  2023年10月24日 

     詳細を見る

    開催年月日: 2023年10月

    記述言語:日本語   会議種別:ポスター発表  

    開催地:東京  

  37. Chemical Space Analysis for Cytochrome P450–Induced Orphan Nuclear Receptors Ligands

    Kazuma Kaitoh and Yoshihiro Yamanishi

    情報計算化学生物学会(CBI学会)2023年大会  2023年10月24日 

     詳細を見る

    開催年月日: 2023年10月

    記述言語:日本語   会議種別:ポスター発表  

    開催地:東京  

  38. Computational prediction of target molecules of drug candidate compounds from cell morphology images

    Shinya Ishihara, Michio Iwata, Hiromu Hayashi, Momoko Hamano, Kazumasa Shimofuruta, Akihiro Kitani, Naomasa Suita, and Yoshihiro Yamanishi

    情報計算化学生物学会(CBI学会)2023年大会  2023年10月24日 

     詳細を見る

    開催年月日: 2023年10月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:東京   国名:日本国  

  39. Scaffold-Retained Transformer GAN for Molecular Generation with Chemical Property Optimization

    Chen Li and Yoshihiro Yamanishi

    情報計算化学生物学会(CBI学会)2023年大会  2023年10月24日 

     詳細を見る

    開催年月日: 2023年10月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:東京   国名:日本国  

  40. De novo inhibitor and activator design from gene expression profiles via deep learning and Bayesian optimization

    松清優樹、山中知茂, 山西芳裕

    情報計算化学生物学会(CBI学会)2023年大会  2023年10月24日 

     詳細を見る

    開催年月日: 2023年10月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:東京   国名:日本国  

  41. Transformer Encoder-based Generative Adversarial Network for Design of Polypharmacological Drugs

    安田花純、李晨、海東和麻, 山西芳裕

    情報計算化学生物学会(CBI学会)2023年大会  2023年10月24日 

     詳細を見る

    開催年月日: 2023年10月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:東京   国名:日本国  

  42. Generating Synthesizable Compound Structures with Desired Properties via Deep Learning Models

    髙田慎之助, 海東和麻, 津田宏治, 山西芳裕

    情報計算化学生物学会(CBI学会)2023年大会  2023年10月24日 

     詳細を見る

    開催年月日: 2023年10月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:東京   国名:日本国  

  43. AIによるデータ駆動型が拓く生命医科学と創薬 招待有り

    山西芳裕

    トーゴーの日シンポジウム2023  2023年10月5日 

     詳細を見る

    開催年月日: 2023年10月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:東京   国名:日本国  

  44. SpotGAN: A Reverse-Transformer GAN Generates Scaffold-Constrained Molecules with Property Optimization 国際会議

    Li, C., Yamanishi, Y.

    European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD 2023)  2023年9月18日 

     詳細を見る

    開催年月日: 2023年9月

    記述言語:英語   会議種別:口頭発表(一般)  

    開催地:Torino   国名:イタリア共和国  

  45. SpotGAN: A Reverse-Transformer GAN Generates Scaffold-Constrained Molecules with Property Optimization 国際会議

    Li, C., Yamanisi, Y.

    Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD 2023)  2023年9月18日 

     詳細を見る

    開催年月日: 2023年9月

    記述言語:英語   会議種別:ポスター発表  

    開催地:Torino   国名:イタリア共和国  

  46. ダイレクトリプログラミングを誘導するパスウェイ制御機構の同定と最適な低分子化合物の組み合わせ予測

    濱野桃子, 中村透, 岩田通夫, 江口凌平, 竹下潤一, 山西芳裕

    第12回生命医薬情報学連合大会  2023年9月8日 

     詳細を見る

    開催年月日: 2023年9月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:柏   国名:日本国  

  47. 腸内細菌代謝物質と疾患の相関解析と食品による制御手法の開発

    三枝奈々子, 柴田友和, 澤田隆介, 関谷拓海, 山西芳裕

    第12回生命医薬情報学連合大会  2023年9月7日 

     詳細を見る

    開催年月日: 2023年9月

    記述言語:日本語   会議種別:ポスター発表  

    開催地:柏   国名:日本国  

  48. シングルセルレベルの細胞変換過程を考慮したダイレクトリプログラミング誘導化合物の予測

    伊藤緑, 濱野桃子, 山西芳裕

    第12回生命医薬情報学連合大会  2023年9月7日 

     詳細を見る

    開催年月日: 2023年9月

    記述言語:日本語   会議種別:ポスター発表  

    開催地:柏   国名:日本国  

  49. GWASとTWASの融合による希少疾患に対する治療標的分子の予測

    難波里子, 岩田通夫, 山西芳裕

    第12回生命医薬情報学連合大会  2023年9月8日 

     詳細を見る

    開催年月日: 2023年9月

    記述言語:日本語   会議種別:ポスター発表  

    開催地:柏   国名:日本国  

  50. GWASとTWASの融合による希少疾患に対する治療標的分子の予測

    難波里子、岩田通夫、山西芳裕

    第12回生命医薬情報学連合大会  2023年9月8日 

     詳細を見る

    開催年月日: 2023年9月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:柏   国名:日本国  

  51. AIによるデータ駆動型創薬 招待有り

    山西芳裕

    第33回 新薬創製談話会「新薬創製に向けて―創発的学際融合・産学連携―」  2023年9月4日 

     詳細を見る

    開催年月日: 2023年9月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:京都   国名:日本国  

  52. Data-driven drug discovery and healthcare by machine learning 招待有り 国際会議

    Yamanishi, Y.

    The 3rd International Conference on Image, Vision and Intelligent Systems (ICIVIS2023)  2023年8月17日 

     詳細を見る

    開催年月日: 2023年8月

    記述言語:英語   会議種別:口頭発表(招待・特別)  

    開催地:Baoding   国名:中華人民共和国  

  53. バイオインフォマティクスが拓く医療と創薬 招待有り

    山西芳裕

    令和5年度健康・医療データサイエンス人材育成事業シンポジウム「沖縄ならではのSociety5.0実現に向けて」  2023年8月9日 

     詳細を見る

    開催年月日: 2023年8月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:東京   国名:日本国  

  54. Target repositioning to predict therapeutic target proteins using genetically perturbed transcriptome data 国際会議

    Namba, S., Iwata, M., Yamanishi, Y.

    The 31st Annual Intelligent Systems For Molecular Biology and the 22nd Annual European Conference on Computational Biology (ISMB/ECCB2023)  2023年7月23日 

     詳細を見る

    開催年月日: 2023年7月

    記述言語:英語   会議種別:ポスター発表  

    開催地:Lyon   国名:フランス共和国  

  55. Drug-induced single-cell transcriptomic landscape is revealed by pathway trajectory analysis with tensor imputation 国際会議

    Iwata, M., Mutsumine, H., Nakayama, Y., Suita, N.,Yamanishi, Y.

    The 31st Annual Intelligent Systems For Molecular Biology and the 22nd Annual European Conference on Computational Biology (ISMB/ECCB2023)  2023年7月23日 

     詳細を見る

    開催年月日: 2023年7月

    記述言語:英語   会議種別:ポスター発表  

    開催地:Lyon   国名:フランス共和国  

  56. 機械学習モデルによるデータ駆動型創薬と医療 招待有り

    山西芳裕

    第5回日本メディカルAI学会学術集会, シンポジウム「先進的モデル化技術による生体情報の予測と発見」  2023年6月18日 

     詳細を見る

    開催年月日: 2023年6月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:東京   国名:日本国  

  57. 機械学習を活用した化合物の大規模解析と創薬応用 招待有り

    山西芳裕

    AMED AIMGAINキックオフシンポジウム「革新的スクリーニング技術 DNA-encoded Libraryの産官学共創」  2023年6月2日 

     詳細を見る

    開催年月日: 2023年6月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:東京   国名:日本国  

  58. 多階層データを活用したAI創薬 招待有り

    山西芳裕

    理研DMP創薬セミナー  2023年5月18日 

     詳細を見る

    開催年月日: 2023年5月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:東京   国名:日本国  

  59. 特異構造を有する化合物の生物応答理解を指向したトランスクリプトーム解析

    海東 和麻、岩田通夫、平野圭一、内山真伸、山西芳裕

    日本薬学会 第143年会  2023年3月27日 

     詳細を見る

    開催年月日: 2023年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:札幌   国名:日本国  

  60. ダイレクトリプログラミングを誘導する低分子化合物組み合わせのin silico予測

    濱野桃子, 中村透, 岩田通夫, 江口凌平, 竹下潤一, 山西芳裕

    第22回日本再生医療学会  2023年3月25日 

     詳細を見る

    開催年月日: 2023年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:京都   国名:日本国  

  61. AIが拓く創薬と医療:循環器疾患への応用に向けて 招待有り

    山西芳裕

    第52回日本心脈管作動物質学会  2023年2月10日 

     詳細を見る

    開催年月日: 2023年2月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:北九州   国名:日本国  

  62. バイオインフォマティクスが拓く生命科学と医療・創薬 招待有り

    山西芳裕

    GEAR5.0 ライフサイエンス・カンファレンス  2022年12月26日 

     詳細を見る

    開催年月日: 2022年12月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:恩納村   国名:日本国  

  63. Data-driven drug discovery and molecular design by machine learning 招待有り 国際会議

    Yamanishi, Y.

    Inserm/JSPS joint seminar on artificial intelligence and big data approaches in precision medicine and health science   2022年12月4日 

     詳細を見る

    開催年月日: 2022年12月

    記述言語:英語   会議種別:口頭発表(招待・特別)  

    開催地:Yamaguchi   国名:日本国  

  64. ヒト全タンパク質に対する結合親和性を考慮した医薬品化合物の薬理作用予測 招待有り

    山西芳裕

    第43回日本臨床薬理学会学術総会(JPW2022)  2022年12月2日 

     詳細を見る

    開催年月日: 2022年11月 - 2022年12月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:横浜   国名:日本国  

  65. パイオニア転写因子を考慮したトランスオミクスアプローチによるデータ駆動型ダイレクトリプログラミング

    濱野桃子、江口凌平、岩田通夫、中村透、沖真弥、山西芳裕

    第45回日本分子生物学会年会  2022年11月30日 

     詳細を見る

    開催年月日: 2022年11月 - 2022年12月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:幕張メッセ   国名:日本国  

  66. AIによるデータ駆動型研究が拓く創薬と医療 招待有り

    山西芳裕

    第96回日本薬理学会年会サテライト企画 新薬理学セミナー Digital Pharmacology Conference  2022年11月30日 

     詳細を見る

    開催年月日: 2022年11月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:横浜   国名:日本国  

  67. Data-driven drug discovery and molecular design by machine learning 招待有り 国際会議

    Yamanishi, Y.

    The 7th Autumn School of Chemoinformatics in Nara 2022  2022年11月29日 

     詳細を見る

    開催年月日: 2022年11月

    記述言語:英語   会議種別:口頭発表(招待・特別)  

    開催地:Nara   国名:日本国  

  68. AIによるデータ駆動型創薬の可能性 招待有り

    山西芳裕

    第23回 協和キリン腎臓シンポジウム  2022年11月26日 

     詳細を見る

    開催年月日: 2022年11月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

  69. AIによるデータ駆動型創薬の可能性 招待有り

    山西芳裕

    東京大学創薬機構イノベーション人材育成セミナー  2022年11月22日 

     詳細を見る

    開催年月日: 2022年11月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:東京   国名:日本国  

  70. AIによるデータ駆動型研究が拓く創薬と医療

    山西芳裕

    日本動物実験代替法学会第35 回大会  2022年11月20日 

     詳細を見る

    開催年月日: 2022年11月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:静岡   国名:日本国  

  71. ケミカル情報とパスウェイ情報による食品の機能性の大規模予測

    三枝奈々子, 柴田友和, 田中由祐, 田口大夢, 澤田隆介, 青柳守紘, 平尾宜司, 山西芳裕

    第45回ケモインフォマティクス討論会  2022年11月19日 

     詳細を見る

    開催年月日: 2022年11月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:福岡   国名:日本国  

  72. オミックスデータに基づく薬物の標的分子予測とケミカル空間との相関解析

    関谷拓海, 岩田通夫, 亀淵由乃, 石原慎也, 山西芳裕

    第45回ケモインフォマティクス討論会  2022年11月19日 

     詳細を見る

    開催年月日: 2022年11月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:福岡   国名:日本国  

  73. AIによるデータ駆動型研究が拓く創薬と医療 招待有り

    山西芳裕

    日本薬物動態学会 第37回年会  2022年11月9日 

     詳細を見る

    開催年月日: 2022年11月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:横浜   国名:日本国  

  74. AIによるデータ駆動型研究が拓く創薬と医療 招待有り

    山西芳裕

    日本薬物動態学会 第37回年会  2022年11月9日 

     詳細を見る

    開催年月日: 2022年11月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:横浜   国名:日本国  

  75. AIによるデータ駆動型研究が拓く創薬と医療 招待有り

    山西芳裕

    日本薬物動態学会 第37回年会  2022年11月9日 

     詳細を見る

    開催年月日: 2022年11月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:横浜   国名:日本国  

  76. De novo generation of drug candidate compounds from disease-specific transcriptome data using deep learning

    Chikashige Yamanaka, Shunya Uki, Kazuma Kaitoh, 山西芳裕

    情報計算化学生物学会(CBI学会)2022年大会  2022年10月26日 

     詳細を見る

    開催年月日: 2022年10月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:東京   国名:日本国  

  77. Molecular Generation using Sequence-based Transformer Generative Adversarial Network

    Chen Li, 山西芳裕

    情報計算化学生物学会(CBI学会)2022年大会  2022年10月25日 

     詳細を見る

    開催年月日: 2022年10月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:東京   国名:日本国  

  78. Developing a network-based combination therapy approach for complex diseases

    Midori Iida, Yurika Kuniki, Kenta Yagi, Mitsuhiro Goda, Satoko Namba, Jun-ichi Takeshita, Ryusuke Sawada, Michio Iwata, Yoshito Zamami, Keisuke Ishizawa, and 山西芳裕

    情報計算化学生物学会(CBI学会)2022年大会  2022年10月25日 

     詳細を見る

    開催年月日: 2022年10月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:東京   国名:日本国  

  79. AIによるデータ駆動型創薬と医療 招待有り

    山西芳裕

    第81回日本癌学会学術総会  2022年9月29日 

     詳細を見る

    開催年月日: 2022年9月 - 2022年10月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:横浜   国名:日本国  

  80. Small compound-based direct cell conversion with combinatorial optimization of pathway regulations 国際会議

    Nakamura, T., Iwata, M., Hamano, M., Eguchi, R., Takeshita, J., and Yamanishi, Y.

    The 21st European Conference on Computational Biology  2022年9月18日 

     詳細を見る

    開催年月日: 2022年9月

    記述言語:英語   会議種別:口頭発表(一般)  

    開催地: Barcelona   国名:スペイン  

  81. AIによるデータ駆動型研究が拓く創薬と医療 招待有り

    山西芳裕

    ⽇本化学会関東⽀部 2022 年度講演会  2022年9月16日 

     詳細を見る

    開催年月日: 2022年9月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

  82. TRANSDIRE:パイオニア転写因子を考慮したトランスオミクス手法によるデータ駆動型ダイレクトリプログラミング

    濱野桃子, 江口凌平, 岩田通夫, 中村透, 沖真弥, 山西芳裕

    第11回生命医薬情報学連合大会  2022年9月14日 

     詳細を見る

    開催年月日: 2022年9月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:大阪   国名:日本国  

  83. ターゲットリポジショニング:遺伝子摂動応答トランスクリプトームを用いた治療標的予測

    難波里子、岩田通夫、山西芳裕

    第11回生命医薬情報学連合大会  2022年9月14日 

     詳細を見る

    開催年月日: 2022年9月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:大阪   国名:日本国  

  84. 心筋細胞核およびDNA損傷マーカーの染色画像を用いたVision Transformerによる心不全の治療予後予測

    林広夢,候聡志,戴哲皓, 藤田寛奈, 野村征太郎, 清島拓樹, 濱野桃子, 小室一成, 山西芳裕

    第11回生命医薬情報学連合大会  2022年9月14日 

     詳細を見る

    開催年月日: 2022年9月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:大阪   国名:日本国  

  85. AIによるデータ駆動型研究が拓く創薬と医療 招待有り

    山西芳裕

    日本オミックス医学会シンポジウム  2022年9月6日 

     詳細を見る

    開催年月日: 2022年9月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

  86. 生薬比率を考慮した漢方薬の作用機序や効能のin silico予測

    島田祐樹, 江副晃洋, 澤田隆介, 柴田友和, 門脇真, 山西芳裕

    第39回和漢医薬学会学術大会  2022年8月27日 

     詳細を見る

    開催年月日: 2022年8月

    記述言語:日本語   会議種別:口頭発表(一般)  

    国名:日本国  

  87. Data-driven drug discovery and healthcare by machine learning 招待有り 国際会議

    Yamanishi, Y.

    The Eighteenth International Conference on Intelligent Computing  2022年8月9日 

     詳細を見る

    開催年月日: 2022年8月

    記述言語:英語   会議種別:口頭発表(招待・特別)  

    開催地:Xi'an   国名:中華人民共和国  

  88. Transformer-Based Objective-Reinforced Generative Adversarial Network to Generate Desired Molecules 国際会議

    Li, C., Yamanaka, C., Kaitoh, K. and Yamanishi, Y.

    The 31st International Joint Conference on Artificial Intelligence and the 25th European Conference on Artificial Intelligence   2022年7月23日 

     詳細を見る

    開催年月日: 2022年7月

    記述言語:英語   会議種別:口頭発表(一般)  

    開催地:Vienna   国名:オーストリア共和国  

  89. From drug repositioning to target repositioning: prediction of therapeutic targets using genetically perturbed transcriptomic signatures 国際会議

    Namba, S., Iwata, M., and Yamanishi, Y.

    The 30th International Conference on Intelligent Systems for Molecular Biology  2022年7月10日 

     詳細を見る

    開催年月日: 2022年7月

    記述言語:英語   会議種別:口頭発表(一般)  

    開催地:Madison   国名:アメリカ合衆国  

  90. ヒト 全タンパク質に対する結合親和性を考慮した化学物質の薬理作用予測 招待有り

    山西芳裕

    第49回日本毒性学会学術年会  2022年7月2日 

     詳細を見る

    開催年月日: 2022年6月 - 2022年7月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:札幌   国名:日本国  

  91. 観測バイアスを考慮した化合物ネットワークのリンク予測

    乾拓海, 原田将之介, 劉洋, 竹内孝, 瀧川一学, 山西芳裕, 鹿島久嗣

    2022年度人工知能学会全国大会(第36回)  2022年6月14日 

     詳細を見る

    開催年月日: 2022年6月

    記述言語:日本語   会議種別:口頭発表(一般)  

    開催地:京都   国名:日本国  

  92. AIによるデータ駆動型研究が拓く生命医科学と創薬 招待有り

    山西芳裕

    第95回日本内分泌学会学術総会  2022年6月2日 

     詳細を見る

    開催年月日: 2022年6月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    開催地:別府   国名:日本国  

  93. AIによるデータ駆動型研究が拓く創薬 招待有り

    山西芳裕

    第25回ケムステVシンポ  2022年5月20日 

     詳細を見る

    開催年月日: 2022年5月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

  94. AIによるデータ駆動型研究が拓く創薬と医療 招待有り

    山西芳裕

    第765回新潟医学会例会  2022年5月19日 

     詳細を見る

    開催年月日: 2022年5月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

  95. AIによるデータ駆動型創薬と分子設計 招待有り

    山西芳裕

    日本薬学会 第142年会  2022年3月28日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

  96. 機械学習による食品の機能性の網羅的な予測と作用機序の解明

    柴田友和、田中由祐、田口大夢、澤田隆介、青柳守紘、平尾宜司, 山西芳裕

    日本薬学会 第142年会  2022年3月28日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    国名:日本国  

  97. AlphaFold2より得られたヒト全タンパク質立体構造との結合親和性に基づく医薬品化合物の副作用予測

    澤田隆介, 坂尻由子, 柴田友和, 山西芳裕

    日本薬学会 第142年会  2022年3月26日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    国名:日本国  

  98. AlphaFold2から得られたヒト全タンパク質立体構造への結合親和性を考慮したドラッグリポジショニング

    坂尻由子, 柴田友和, 澤田隆介, 山西芳裕

    日本薬学会 第142年会  2022年3月26日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    国名:日本国  

  99. 奇化学構造を重点的に発生させる構造生成器

    海東和麻, 山西芳裕

    日本薬学会 第142年会  2022年3月26日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    国名:日本国  

  100. AIによるデータ駆動型創薬と分子設計 招待有り

    山西芳裕

    日本薬学会 第142年会  2022年3月28日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

  101. 奇化学構造を重点的に発生させる構造生成器

    海東和麻, 山西芳裕

    日本薬学会 第142年会  2022年3月26日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    国名:日本国  

  102. AlphaFold2から得られたヒト全タンパク質立体構造への結合親和性を考慮したドラッグリポジショニング

    坂尻由子, 柴田友和, 澤田隆介, 山西芳裕

    日本薬学会 第142年会  2022年3月26日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    国名:日本国  

  103. AlphaFold2より得られたヒト全タンパク質立体構造との結合親和性に基づく医薬品化合物の副作用予測

    澤田隆介, 坂尻由子, 柴田友和, 山西芳裕

    日本薬学会 第142年会  2022年3月26日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    国名:日本国  

  104. 機械学習による食品の機能性の網羅的な予測と作用機序の解明

    柴田友和、田中由祐、田口大夢、澤田隆介、青柳守紘、平尾宜司, 山西芳裕

    日本薬学会 第142年会  2022年3月28日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    国名:日本国  

  105. AIによるデータ駆動型創薬と分子設計 招待有り

    山西芳裕

    日本薬学会 第142年会  2022年3月28日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

  106. トランスオミクス解析によるダイレクトリプログラミング誘導転写因子の予測

    濱野桃子, 江口凌平, 岩田通夫, 中村透, 山西芳裕,

    第21回日本再生医療学会  2022年3月19日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    国名:日本国  

  107. トランスオミクス解析によるダイレクトリプログラミング誘導転写因子の予測

    濱野桃子, 江口凌平, 岩田通夫, 中村透, 山西芳裕,

    第21回日本再生医療学会  2022年3月19日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(一般)  

    国名:日本国  

  108. AIによるデータ駆動型研究が拓く生命医科学と創薬 招待有り

    山西芳裕

    第1393回生物科学セミナー  2022年3月14日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

  109. AIによるデータ駆動型研究が拓く生命医科学と創薬 招待有り

    山西芳裕

    第1393回生物科学セミナー  2022年3月14日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

  110. AIによるデータ駆動型研究が拓く医薬品・食品開発 招待有り

    山西芳裕

    生物資源と触媒技術に基づく食・薬・材創生コンソーシアム 第5回シンポジウム  2022年3月2日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

  111. AIによるデータ駆動型研究が拓く医薬品・食品開発 招待有り

    山西芳裕

    生物資源と触媒技術に基づく食・薬・材創生コンソーシアム 第5回シンポジウム  2022年3月2日 

     詳細を見る

    開催年月日: 2022年3月

    記述言語:日本語   会議種別:口頭発表(招待・特別)  

    国名:日本国  

▼全件表示

Works(作品等) 3

  1. DINIES

    2014年5月

     詳細を見る

    作品分類:Web Service  

    DOI: 10.1093/nar/gku337

  2. GENIES

    2012年5月

     詳細を見る

    作品分類:Web Service  

    DOI: 10.1093/nar/gks459

  3. E-zyme

    2009年7月

     詳細を見る

    作品分類:Web Service  

    DOI: 10.1093/bioinformatics/btp223

その他研究活動 8

  1. 未病に焦点を当てた創薬:GLS1 阻害に基づく新規抗肥満薬の開発研究

    2022年10月

  2. パスウェイを考慮した漢方薬の作用機序解析と効能予測

    2022年9月

  3. Simulation-guided elucidation of dynamic drug responses of the cellular systems

    2022年9月

  4. Transformer-Based Objective-Reinforced Generative Adversarial Network to Generate Desired Molecules

    2022年7月

  5. Scaffold-Retained Structure Generator to Extensively Produce Molecules with Unique Chemical Substructures

    2022年6月
    -
    2022年7月

  6. Simulation-guided elucidation of dynamic drug responses of the cellular systems

    2022年6月
    -
    2022年7月

  7. 学術変革B「シナジー創薬学」:情報・物質・生命の協奏による化合物相乗効果の統合理解と設計

    2022年6月

  8. 生物活性と物性の同時最適化を志向したペプチドの自動設計

    2022年5月
    -
    2022年6月

▼全件表示

共同研究・競争的資金等の研究課題 12

  1. マルチオミックス連関による循環器疾患における次世代型精密医療の実現

    2023年4月 - 2028年3月

    ゲノム医療実現推進プラットフォーム事業 

      詳細を見る

    担当区分:研究分担者  資金種別:競争的資金

  2. 創薬研究を加速する革新的スクリーニング ライブラリープラットフォームの産学連携構築

    2023年4月 - 2027年3月

    革新的医療技術研究開発推進事業 

      詳細を見る

    担当区分:研究分担者  資金種別:競争的資金

  3. アルカロイド様骨格化合物を用いた肺線維症治療薬の開発

    2023年4月 - 2024年3月

    健康寿命の延伸を目指した次世代医療橋渡し研究支援拠点シーズA 

      詳細を見る

    担当区分:研究分担者  資金種別:競争的資金

  4. 新薬創出を加速する症例データベースの構築・拡充/創薬ターゲット推定アルゴリズムの開発

    2021年4月 - 2023年3月

    政策科学総合研究事業(臨床研究等ICT基盤構築・人工知能実装研究事業) 

      詳細を見る

    担当区分:研究分担者  資金種別:競争的資金

  5. 最先端のAI技術を用いたマルチターゲット予測と構造発生を組み合わせた包括的な創薬AIプラットフォームの開発

    2020年8月 - 2025年3月

    創薬支援推進事業・産学連携による次世代創薬AI開発 

      詳細を見る

    担当区分:研究分担者  資金種別:競争的資金

  6. 創薬標的分子の確かしさを検証するツール物質の探索

    2020年8月 - 2021年3月

    官民研究開発投資拡大プログラムPRISM創薬分野AIP加速PRISM 

      詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

  7. 難治性心血管疾患におけるマルチオミックス解析による病態解明と精密医療

    2020年4月 - 2023年3月

    難治性疾患実用化研究事業 

      詳細を見る

    担当区分:研究分担者  資金種別:競争的資金

  8. COVID-19に対する治療薬候補化合物の探索

    2020年4月 - 2021年3月

    戦略的創造研究推進事業AIP加速PRISM追加支援 

      詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

  9. 生活習慣病の発症・重症化の予測能向上を目指したバイオマーカーの開発, "DNA 損傷応答・核形態の機械学習による心不全の予後・治療応答予測モデルの構築

    2019年4月 - 2022年3月

    循環器疾患・糖尿病等生活習慣病対策実用化研究事業 

      詳細を見る

    担当区分:研究分担者  資金種別:競争的資金

  10. マルチオミックス連関による循環器疾患における次世代型精密医療の実現

    2018年6月 - 2023年3月

    ゲノム医療実現推進プラットフォーム事業 

      詳細を見る

    担当区分:研究分担者  資金種別:競争的資金

  11. ドライ研究とウェット研究の融合による抗がん作用薬の探索

    2016年4月 - 2017年3月

    新日本先進医療研究財団助成金 

      詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

  12. 生命科学における様々な分子に関する網羅的データを解析するための情報技術の開発

    2012年4月 - 2016年3月

    科学技術人材育成費補助事業「テニュアトラック普及・定着事業(個人選抜型)」 

      詳細を見る

    担当区分:研究代表者 

▼全件表示

科研費 16

  1. 純粋なトランスフォーマーを用いた敵対的生成ネットワークによる医薬分子構造生成

    研究課題/研究課題番号:23KF0063  2023年4月 - 2025年3月

    日本学術振興会  科学研究費助成事業 特別研究員奨励費  特別研究員奨励費

    山西 芳裕, LI CHEN

      詳細を見る

    担当区分:研究代表者 

    配分額:2000000円 ( 直接経費:2000000円 )

    In this study, we propose a new method by combining a transformer and GAN to generate realistic molecules. I would like to propose a property-optimized GAN that contains only transformer encoders to generate molecules with the desired chemical properties.

  2. AIによるデータ駆動型ダイレクトリプログラミングの創生と腫瘍化リスクの回避

    研究課題/研究課題番号:21K18327  2021年7月 - 2024年3月

    日本学術振興会  科学研究費助成事業 挑戦的研究(開拓)  挑戦的研究(開拓)

    山西 芳裕, 鈴木 淳史, 鈴木 淳史

      詳細を見る

    担当区分:研究代表者 

    配分額:25870000円 ( 直接経費:19900000円 、 間接経費:5970000円 )

    iPS細胞を介さずに目的の臓器の細胞に直接変換するダイレクトリプログラミングが革新的な再生医療技術として注目されている。しかしながら、ダイレクトリプログラミングを誘導する因子セット(転写因子や低分子化合物など)を同定するのは極めて困難である。そこで本研究では、ダイレクトリプログラミングを誘導する転写因子や低分子化合物を予測する情報技術を構築する。
    転写因子や低分子化合物に関する多階層オミックスデータを整備した。転写因子や低分子化合物がヒト細胞に与える影響を評価するため、ヒト細胞における遺伝子発現プロファイルを解析した。転写因子の遺伝子導入や低分子化合物の添加に関するトランスクリプトームデータは、GEOから得た。転写因子の情報は、ChipAtlas, BRENDA, KEGGなどのデータベースから得た。ダイレクトリプログラミングを誘導することが報告されている低分子化合物の情報を収集して、その作用機序を推定した。
    トランスクリプトーム情報(ヒト細胞の遺伝子発現プロファイルなど)、エピゲノム情報(ChIP-seqによる転写因子DNA結合など)、ゲノム情報(エンハンサーなど)、インターラクトーム情報(遺伝子制御ネットワークなど)の多階層オミックスデータをトランスオミクス解析し、ダイレクトリプログラミングを誘導する転写因子を高精度に予測する機械学習手法を開発した。元細胞や標的細胞に関わる生体分子のマルチオミクスデータや細胞間の系統関係情報を、ベイズ最適化など機械学習アルゴリズムで統合した。今回の提案手法では、皮膚由来の線維芽細胞を、さまざまな組織(肝臓、脳、心臓など)由来の細胞へと、それぞれ直接変換させる転写因子を高精度に予測できた。この成果は、Bioinformatics誌に投稿し、アクセプトされた。学会発表も口頭発表を1件、ポスター発表を1件行った。

  3. 医療ビッグデータから難治性疾患の創薬標的を予測する革新的AI手法の開発

    研究課題/研究課題番号:21H04915  2021年4月 - 2026年3月

    日本学術振興会  科学研究費助成事業 基盤研究(A)  基盤研究(A)

    山西 芳裕, 石崎 敏理, 石崎 敏理

      詳細を見る

    担当区分:研究代表者 

    配分額:41470000円 ( 直接経費:31900000円 、 間接経費:9570000円 )

    近年の医薬品開発は非常に困難な状況にある。また創薬ターゲットの枯渇が深刻化しており、近年の創薬の低迷の一因となっている。既存の研究手法では限界があるため、ビッグデータや人工知能(AI)技術の有効活用が切望されている。本研究では、医療データやオミックスデータを解析し、創薬ターゲットを予測する人工知能(AI)の基盤となる機械学習手法の研究開発を行う。潰瘍性大腸炎、クローン病などに関する患者の遺伝子発現情報、病因遺伝子、配列変異、環境因子、診断マーカー、治療標的、異常パスウェイなどの分子機序データを、OMIM, KEGG, GEOなどのデータベースや文献から整備した。疾患の分子機序データの類似性に基づく機械学習モデルを構築した。疾患-タンパク質の関係性の情報を収集して、情報解析できる電子データの形に整備した。各タンパク質に対するモデルを構築し、各タンパク質に対して疾患の治療標的となるかかどうかを予測した。さらに、タンパク質をコードする遺伝子に摂動を加えた時のヒト細胞の遺伝子発現プロファイルを解析し、疾患の新しい創薬ターゲット分子を予測する方法を検討した。提案手法は、ドラッグリポジショニングの概念を拡張し、ターゲットリポジショニングの実現を可能にした。提案手法のアルゴリズムやその解析結果を論文にまとめ、バイオインフォマティクス分野のトップジャーナルであるBioinformatics誌に投稿した。第10回生命医薬情報学連合大会でポスター発表、情報計算化学生物学会(CBI学会)2021年大会で口頭発表を行った。

  4. シナジー創薬学:情報・物質・生命の協奏による化合物相乗効果の統合理解と設計

    研究課題/研究課題番号:20H05796  2020年10月 - 2023年3月

    日本学術振興会  科学研究費助成事業 学術変革領域研究(B)  学術変革領域研究(B)

    山西 芳裕

      詳細を見る

    担当区分:研究代表者 

    配分額:7410000円 ( 直接経費:5700000円 、 間接経費:1710000円 )

    複数の薬剤の組み合わせによる相乗効果(薬剤シナジー)を活用した化学療法が、がんや神経変性疾患など多因子疾患に対する有効な治療法として注目されている。本研究では、薬剤シナジーを体系的に研究する新しい学問領域「シナジー創薬学」を提唱し、情報科学・物質科学・生命科学の協奏によって、薬剤相乗効果の統合理解とその設計手法の構築を目指す。AI班では、バイオインフォマティクスやケモインフォマティクスを駆使して、薬剤の組み合わせやシナジー効果を予測する機械学習手法を開発する。組合せ最適化などの数理科学を活用し、薬剤や生体分子の組合せ問題の数理モデル化とその理論的解法の開発を行う。有機合成化学により、シナジー効果を持つ化合物の化学構造を予測・設計する。医療データ班では、医療ビッグデータを解析して、疾患予防効果のある薬剤ペアや薬剤組み合わせを予測するデータマイニング技術を開発する。薬理班では、薬剤群によるシナジー効果を検証する病態モデルを構築し、予測した薬理作用を実験検証する。バイオインフォマティクス、ケモインフォマティクス、有機化学合成、薬理学のエキスパートが結集し、研究者の特性・技術を十分に生かした共同研究の新着を議論するため、第2回、第3回、第4回領域会議を開催した。本領域の研究内容を情報発信するためのニュースレターの第1版を発行した。文科省科研費学術変革領域研究(B)の他の領域と連携し、「重水素学」「革新ラマン」「高分子精密分解」「シナジー創薬学」の合同の座談会に参加し、情報発信を行った。また第10回生命医薬情報学連合大会の企画セッション「学術変革B「シナジー創薬学」」に参加し、情報発信を行った。

  5. シナジー効果を有する化合物群のAI による探索と設計

    研究課題/研究課題番号:20H05797  2020年10月 - 2023年3月

    日本学術振興会  科学研究費助成事業 学術変革領域研究(B)  学術変革領域研究(B)

    山西 芳裕, 天池 一真, 竹下 潤一, 味八木 茂, 天池 一真, 竹下 潤一, 味八木 茂

      詳細を見る

    担当区分:研究代表者 

    配分額:79040000円 ( 直接経費:60800000円 、 間接経費:18240000円 )

    複数の薬剤の組み合わせによる相乗効果(薬剤シナジー)を活用した化学療法が、がんや神経変性疾患など多因子疾患に対する有効な治療法として注目されている。有機化合物の組み合わせ数は膨大であり、実験的に全ての可能性を検証することは不可能である。本研究では、疾患状態の生体情報を入力とし、シナジー効果を有する薬剤群を予測するAIを開発する。
    慢性骨髄性白血病など様々な疾患患者の遺伝子発現プロファイルデータやヒト由来細胞における化合物応答遺伝子発現データをGEO(Gene Expression Obmnibus)から収集して、情報解析できる形に整備した。ネットワーク生物学の技術を駆使し、シグナル伝達、タンパク質間相互作用、遺伝子制御などの生体分子ネットワークのトポロジーを基に、異なる薬剤が影響を及ぼす遺伝子群とシナジー効果の関係を解析した。遺伝子発現プロファイルの視点から、疾患特有の遺伝子発現プロファイルと相関する薬剤の組み合わせを、最適な薬剤の組み合わせの候補として予測する手法のプロトタイプを開発し、その性能を数値的に検証した。その結果、先行研究の手法を大幅に上回る精度を達成することができた。
    組合せ最適化などの数理科学を活用し、薬剤や生体分子の組合せ問題の数理モデル化とその理論的解法の開発を行った。薬剤や医薬品以外の化合物データに関しても、ChEMBL, PubChemなどの化学物質データベースのデータを整備した。化合物の化学構造や遺伝子発現プロファイルを基に、新しい化合物の組み合わせを検出する最適化アルゴリズムを実装した。
    有機合成に関する知識に基づく分子設計をAIに組み込む方法を開発した。合成のしやすさなども考慮する方法を検討した。さらに設計した分子を迅速に供給するため、周辺化合物を一挙に合成する方法の開発に取り組んだ。

  6. 変形性関節症における老化細胞エクソソームの解明と機械学習を利用した治療薬の探索

    研究課題/研究課題番号:19H03785  2019年4月 - 2022年3月

    日本学術振興会  科学研究費助成事業 基盤研究(B)  基盤研究(B)

    味八木 茂, 眞田 洋平, 山西 芳裕, 中佐 智幸, 眞田 洋平, 山西 芳裕, 中佐 智幸

      詳細を見る

    担当区分:研究分担者 

    本研究は、最も罹患者が多い関節疾患である変形性関節症(OA)の分子機構の理解と新たな治療薬開発のために軟骨細胞・老化細胞における遺伝子発現制御因子 microRNA(miRNA)に注目した。軟骨細胞で高発現していたmiR-23a/bクラスターおよびmiR-26aの遺伝子改変マウスを作製・解析した結果、細胞内および分泌型miRNAとしてもOA発症に本質的な役割がないことが明らかになった。しかし、各miRNAのノックアウトマウスは、骨密度の低下など老化様の表現系を示した。また、OA治療薬のためのドラックリポジショニングに向けて既存薬ビックデータをもとに機械学習を取り入れた探索を開始した。

  7. 創薬標的分子の確かしさを検証するツール物質の探索

    研究課題/研究課題番号:JPMJCR18Y5  2018年8月 - 2023年3月

    科学技術振興機構  戦略的創造研究推進事業:AIP加速PRISM 

    山西芳裕

      詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

    配分額:211120000円 ( 直接経費:162400000円 、 間接経費:48720000円 )

  8. 低分子化合物による転写因子制御と細胞直接変換のためのインシリコ予測法の開発

    研究課題/研究課題番号:18K19930  2018年6月 - 2020年3月

    科学研究費補助金:挑戦的研究(萌芽)  挑戦的研究(萌芽)

    山西 芳裕, 鈴木 淳史

      詳細を見る

    担当区分:研究代表者 

    配分額:6240000円 ( 直接経費:4800000円 、 間接経費:1440000円 )

    iPS細胞のような未分化細胞を介さずに、すでに分化した細胞を別の種類の細胞に直接変換する「ダイレクトリプログラミング」が、再生医療のための新しい革新的技術として注目されている。本研究では、ダイレクトリプログラミングのための情報技術をを開発した。シミュレーションでの予測精度で、既存手法を上回ることを確認した。提案手法をヒトゲノムにコードされている約千個の転写因子に対して適用し、分化誘導する転写因子や低分子化合物を大規模推定した。皮膚線維芽細胞から様々な細胞(肝細胞など)への変換に関与すると予測された転写因子や低分子化合物の詳細について生物学的な考察を行なった。
    再生医療への社会的な期待は大きい。ダイレクトリプログラミングはiPS細胞を介さないため腫瘍形成の可能性が低く、分化誘導率や再現性が高いなど、医療応用における利点が多い。ダイレクトリプログラミングにより生体内で目的の細胞を作成できれば、細胞移植の必要が無くなり、全く新しい再生医療に繋がる。本研究で提案する低分子化合物での分化誘導を支援する情報技術は、生体内リプログラミングを更に容易にできるため大きな意義がある。

  9. 医薬ビッグデータ解析による革新的AI創薬手法の開発と難治性疾患治療薬の発見

    研究課題/研究課題番号:18H03334  2018年4月 - 2021年3月

    科学研究費補助金:基盤研究(B)(一般)  基盤研究(B)

    山西 芳裕, 沖米田 司, 谷 憲三朗, 土方 康基

      詳細を見る

    担当区分:研究代表者 

    配分額:17290000円 ( 直接経費:13300000円 、 間接経費:3990000円 )

    本研究では、医薬ビッグデータと人工知能(AI)の基盤技術である機械学習を用いた創薬を実現するための情報基盤技術を構築する。医薬品、植物、食品成分などの化合物に関する情報、遺伝子、タンパク質、糖鎖など生体分子に関する情報、難治性疾患に関するオミックス情報やSNPなどのゲノム情報を基に、グラフ畳み込みニューラルネットワークや再帰的ニューラルネットワークの枠組みで、化合物の標的タンパク質プロファイルを予測するためのモデルを構築した。化合物の化学構造の適用範囲を考慮したアルゴリズムも構築した。最終的に、悪性リンパ腫と嚢胞性線維症に対して、医薬品候補化合物を網羅的に予測し、予測結果の一部を検証した。
    疾患治療に有用な化合物の同定は、人類の医療やヘルスケアにとって最重要課題である。現在でも有効な治療法が無い難治性疾患や希少疾患は多く、疾患に苦しむ患者に対する迅速な救済措置が必要である。しかしながら、最近の新薬開発は低迷しており、新薬を一個開発するのに数千億円の研究開発費と10年以上の歳月を要すると云われている。本研究では、医薬ビッグデータと人工知能(AI)の基盤技術である機械学習を用いた創薬「AI創薬」を提唱し、それを実現するための機械学習手法の研究開発を行なった。深層学習の予測モデルを構築し、医薬品候補の化合物を情報化学的にスクリーニングする技術基盤を構築することができた。

  10. 位置非依存的な新しい分子コーディング法の開発とコンピュータ支援創薬への応用

    研究課題/研究課題番号:17F17051  2017年5月 - 2019年4月

    日本学術振興会  科学研究費補助金(特別研究員奨励費) 

    山西芳裕

      詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

    配分額:1800000円 ( 直接経費:1800000円 )

  11. 漢方薬成分のインシリコ標的タンパク質探索による漢方薬リポジショニング

    研究課題/研究課題番号:16H05276  2016年4月 - 2019年3月

    日本学術振興会  科学研究費助成事業 基盤研究(B)  基盤研究(B)

    門脇 真, 柴原 直利, 東田 千尋, 林 周作, 山西 芳裕, 山本 武, 梅嵜 雅人, 柴原 直利, 東田 千尋, 林 周作, 山西 芳裕, 山本 武, 梅嵜 雅人

      詳細を見る

    担当区分:研究分担者 

    伝統的に積み上げられてきた漢方薬のように経験則での効果、つまりセレンディピティーを期待するだけでなく、病因、病態の解明とともに、漢方薬の多様な作用を正確に解明出来れば、疾患とその治療に最適な漢方薬をマッチングできる可能性が生まれてくる。つまり、脱セレンディピティー、「偶然を必然にする」方法論を私たちは確立し、それを利活用していかなければならない。そこで、漢方薬の複雑系の解明、漢方薬のドラッグ・リポジショニングの方法論の提示を目指して漢方医薬ビッグデータを解析し、漢方薬が生体に薬理学的効果を及ぼす仕組み・メカニズム(作用機序)の考察を可能にするアルゴリズム/データベースKampoDBを開発した

  12. エコファーマによる高速かつ省エネ創薬を実現する情報技術の構築

    研究課題/研究課題番号:JPMJPR15D8  2015年10月 - 2019年3月

    科学技術振興機構  戦略的創造研究推進事業(さきがけ) 

    山西芳裕

      詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

    配分額:52000000円 ( 直接経費:40000000円 、 間接経費:12000000円 )

    本研究では、新薬候補を人類の資産である既承認薬から見出す創薬戦略「エコ ファーマ」を促進する情報基盤技術を構築します。近年の生命医科学で大量に生み出されてきた遺伝子、タンパク質、化合物、薬物、疾患に関する医薬ビッグ データを融合解析し、様々な疾患に対して効能を持つ既承認薬の候補と治療標的タンパク質を予測する機械学習法を開発します。これによって新薬開発コストを劇的に削減し、高速かつ省エネ創薬の実現を目指します。

  13. データ駆動型ドラッグリポジショニングによる既存薬の抗がん作用の発見

    研究課題/研究課題番号:15K14980  2015年 - 2016年

    文部科学省  科学研究費補助金(挑戦的萌芽研究)  挑戦的萌芽研究

    山西 芳裕, 谷 憲三朗

      詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

    配分額:3770000円 ( 直接経費:2900000円 、 間接経費:870000円 )

    本研究では、薬物、遺伝子、タンパク質、疾患に関する大規模データを基づき、がんに対するドラッグリポジショニング(既存薬の新しい効能を発見し別の疾患に対する治療薬として開発する創薬戦略)の手法を開発した。様々ながんに対する薬物の抗がん作用をインシリコ予測し、ウェット実験で予測結果の妥当性を検証した。実際にいくつかの薬物に対して、がん治療標的分子との相互作用を介した抗がん作用を確認することができた。

  14. オミックスデータから薬物の標的分子を網羅的に予測するための機械学習法の開発

    研究課題/研究課題番号:25700029  2013年 - 2015年

    文部科学省  科学研究費補助金(若手研究(A))  若手研究(A)

    山西 芳裕

      詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

    配分額:24050000円 ( 直接経費:18500000円 、 間接経費:5550000円 )

    薬物・標的タンパク質間相互作用の同定は、医薬品開発において最重要課題である。ポストゲノム研究では、ゲノム、トランスクリプトーム、プロテオームなどの遺伝子やタンパク質に関する大量のオミックスデータが得られるようになってきた。同時に、膨大な数の化合物や薬物に関するケミカル情報や生理活性情報も蓄積されている。本研究プロジェクトでは、そのような薬物やタンパク質に関する膨大なオミックスデータを融合解析し、未知の薬物・標的タンパク質間相互作用を予測するための機械学習の手法を開発することを目的としている。初年度である平成25年度は、薬物やタンパク質に関する様々なデータを収集し、薬物・タンパク質ペアの特徴を表現する手法の開発を行った。薬物の化学部分構造、副作用、タンパク質の機能ドメインなどの様々なデータを記述子で表し、それを組み合わせることで薬物・タンパク質ペアの特徴をフィンガープリント(高次元のバイナリ特徴ベクトル)で表現する方法を提案した。次に、薬物・タンパク質間相互作用ペアを解析する手法を開発した。機械学習の分野で有望視されている分類器を適用し、各薬物・タンパク質ペアを相互作用の可能性を予測した。同時に、相互作用に関連があるとモデルから推測される薬物の化学部分構造、副作用、機能ドメインなどの特徴を抽出し、生物学的な考察を行った。またクロスバリデーション実験によってその有用性を確認した。提案手法と解析結果について、国際学術雑誌(BMC Systems Biology誌やMolecular Informatics誌など)への論文発表を4件行った。

  15. ゲノム関連情報から生体分子ネットワークを予測するためのカーネル法の開発

    研究課題/研究課題番号:19700274  2007年

    文部科学省  科学研究費補助金(若手研究(B))  若手研究(B)

    山西 芳裕

      詳細を見る

    担当区分:研究代表者  資金種別:競争的資金

    配分額:2200000円 ( 直接経費:2200000円 )

    私の研究課題は、様々なゲノム関連データを用いて、生体分子(遺伝子やタンパク質、化合物)間の機能的ネットワークの予測法の開発である。主に以下の3点について成果が得られた。遺伝子やタンパク質に関する様々なゲノム関連情報(発現情報、細胞内局在情報、進化情報など)を用いて、遺伝子間の機能ネットワークを予測するシステムGENIESを構築した。複数のデータ統合とカーネル法に基づく教師付き学習のアルゴリズムを実装している点が特長である。現在、オンラインソフトウェアが利用可能となっている(URLは以下の13.備考を参照)。糖鎖という生体分子の構造を、糖鎖転移酵素の遺伝子発現情報から予測する手法を開発した。糖鎖構造を、糖鎖転移酵素とその連続触媒反応から構成されるネットワークの生成物と考え、無向グラフと有向グラフが混在したデータ構造として扱った。連続値の発現データを入力データとして、未知の構造や中間体の予測ができるアルゴリズムが特長である。ガン特異的な糖鎖構造の予測へ応用した成果は、Genome Informatics誌で発表し、現在Webサーバーを構築中である。化合物の構造情報から、その化学反応を予測し、対応する酵素番号(EC番号)を予測する手法を開発した。我々のグループが提唱しているRDMという化学反応分類体系とEC番号の相関をカーネル関数で表現し、それをスコアリングの手順に取り入れることによって、大幅な予測精度の向上を実現した。その手法を実装した化学反応予測システムE-ZYMEを構築し、またNucleic Acids Research誌で発表された最新のKEGGデータベースの論文中にも紹介されている。現在、オンラインソフトウェアが利用可能となっている(URLは以下の13.備考を参照)。

  16. 複数の異なるゲノムデータに基づく生物学的機能予測

    研究課題/研究課題番号:04J61620  2004年

    日本学術振興会  科学研究費助成事業 特別研究員奨励費  特別研究員奨励費

    山西 芳裕

      詳細を見る

    本研究では,様々なゲノム情報から,タンパク質間の機能ネットワークを予測する手法を開発した.カーネル正準相関分析を用いて,ゲノムデータとタンパク質ネットワークの相関モデルを構築し,新規のタンパク質間ネットワークを予測する方法を提案した.この方法の独自性は,教師付き学習の枠組においてネットワーク推定を行なう点にある.まず,第一段階として,ネットワークが既知のタンパク質セットから,ゲノムデータとパスウェイの相関(ネットワーク構築原理)を,数学的に学習させモデルを構築する.第二段階として,そのモデルを,ネットワークの分かっていないタンパク質セットに当てはめ,ネットワークを予測する.実際の適用例として,出芽酵母のタンパク質間の機能ネットワークを,マイクロアレイ遺伝子発現情報,酵母2ハイブリッドシステムによる相互作用情報,タンパク質の細胞内局在情報,系統プロファイルの4種類のデータから予測した.実験によって判明している既知のタンパク質ネットワークを用いて評価した結果,本研究で提案する複数のデータの統合と教師付き学習の効果によって,先行研究の方法(教師なし学習)よりも予測精度が著しく向上することが確認できた.そこで,全てのタンパク質セットに対して提案手法を適用し,出芽酵母の6059個のタンパク質からなる機能的ネットワークを推定した.それを基に,未知のタンパク質の機能や,missing酵素の遺伝子候補を予測し,その妥当性について検討し,この手法が新しい生物学的な発見に繋がる可能性について議論した.

▼全件表示