愛媛大学などの研究グループは、脂質代謝、高脂血症、糖尿病、動脈硬化症治療のターゲットとして注目を集めている「ペルオキシソーム増殖剤応答性受容体α（ＰＰＡＲα）」のたんぱく質立体構造モデルを用いて、有機フッ素化合物「ペル」及び「ポリフルオロアルキル化合物（ＰＦＡＳ）」の結合特性を予測できる機械学習モデルを開発した。

ＰＦＡＳは撥水材や消火剤として広く使用されており、自然界や体内で分解されにくく蓄積されやすいことから、〝永遠の化学物質〟とも呼ばれている。

研究グループは６７９８種のＰＦＡＳのＰＰＡＲα－ＰＦＡＳ結合スコア（Ｓスコア）を計算。残留性有機汚染物質（ＰＯＰｓ）であるＰＦＯＡ・ＰＦＯＳなどと比較して、高いＰＰＡＲα結合親和性を示すＰＦＡＳは４０８９種存在することを明らかにした。

次に、ＰＦＡＳの２０６個の構造的特性（分子記述子）を計算して特徴選択を実行した。選択した３個の分子記述子に基づいて、良好な精度でＳスコアを予測する機械学習モデルの開発に成功している。

分子記述子とＳスコアの間の相関関係を解析した結果、ＰＰＡＲα－ＰＦＡＳ結合の決定因子として、分子サイズ及び静電特性に関連する分子記述子を同定した。

この方法を用いて既存及び代替、新規ＰＦＡＳとＰＰＡＲαの結合能を評価。その結果、多くの炭素原子やエーテル基を有する代替と新興ＰＦＡＳは既存のＰＦＡＳと比較して、高いＰＰＡＲα結合親和性を示すことが分かった。

研究グループは「研究で開発した機械学習アプローチは、ＰＦＡＳ－ＰＰＡＲα結合だけでなく他のリガンド－受容体結合研究や他の構造－特性研究にも適用できるだけでなく、優先して環境汚染や毒性研究を実施する必要のあるＰＦＡＳの選定や新たに開発されるＰＦＡＳの安全性評価に貢献できる」とコメントしている。