構造情報に基づく蛋白質の複合体形成部位の大規模分類手法の開発と予測構造への展開

• Project/Area Number: 19J00950
• Research Category: Grant-in-Aid for JSPS Fellows
• Allocation Type: Single-year Grants
• Section: 国内
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: Tohoku University
• Principal Investigator: 中村 司 東北大学, 情報科学研究科, 特別研究員(PD)
• Project Period (FY): 2019-04-25 – 2022-03-31
• Project Status: Completed (Fiscal Year 2021)
• Budget Amount: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000); Fiscal Year 2021: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000); Fiscal Year 2020: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000); Fiscal Year 2019: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
• Keywords: 蛋白質 / 蛋白質間相互作用 / 蛋白質相互作用部位 / 蛋白質立体構造予測

Outline of Research at the Start

実験的な手法によって明らかになった蛋白質の複合体構造の数は，近年増加傾向にあるものの，蛋白質間の相互作用があると考えられている蛋白質セット（立体構造未知な推定上の複合体）の数と比較すると，ごくわずかなのが現状である．
本研究では既知の複合体構造から，独自の手法で複合体の形成面の特徴量を構成し，これを分類することで，複合体形成面への理解を深める．
また，得られた知見を活用した，より高度な蛋白質複合体の立体構造予測手法の開発を行い，立体構造未知な複合体の構造予測に応用する．

Outline of Annual Research Achievements

今年度は，昨年度行ったSE(3)-Transformerモデルの蛋白質複合体形成部位データへの適用法についての検討を踏まえ，これを大規模データへと実際に適用するとともに，E(n)-Equivariant Graph Neural Networksモデルを用いる形へと手法を拡張した．また，予測立体構造に対する特徴量の生成を行った．
SE(3)-TransformerやE(n)-Equivariant Graph Neural Networksなどは，3次元点群から構築されるグラフのように，各ノードが座標情報を持つ連結グラフを入力として想定している深層学習モデルの一つである．これらのモデルでは，入力の3次元回転並進変換に対して同変性が保証されており，安定した特徴量計算が可能となっている．
データセットとしては，Protein Data BankにBiological Unitとして登録されている蛋白質複合体構造を用い，複合体形成面の残基ペアの各周囲を切り出した部分構造ペアを正例，複合体形成面ではない構造表面残基の各周囲を切り出した部分構造ペアを負例としたデータを用い，学習・評価を行った．構造データは原子種及び座標値の3次元点群であるが，ここに原子間の化学結合に基づきエッジを張ることで座標情報を含むグラフ構造とした．
また，昨年度取り組んだ蛋白質の立体構造予測において用いた手法とその結果についての個別の具体例についてもまとめた．

Research Progress Status

令和3年度が最終年度であるため、記入しない。

Strategy for Future Research Activity

令和3年度が最終年度であるため、記入しない。

Research Products

• [Journal Article] Prediction of protein assemblies, the next frontier: The CASP14‐CAPRI experiment (2021)
  • Author(s): Lensink Marc F.、…、Nakamura Tsukasa (74th)、Hanazono Yuya、…、Wodak Shoshana J. (105 abbr.)
  • Journal Title: Proteins: Structure, Function, and Bioinformatics Volume: 89 Issue: 12 Pages: 1800-1823
  • DOI: 10.1002/prot.26222
  • Peer Reviewed / Int'l Joint Research
• [Journal Article] Modeling SARS‐CoV‐2 proteins in the CASP‐commons experiment (2021)
  • Author(s): Kryshtafovych Andriy、Moult John、Billings Wendy M.、Della Corte Dennis、Fidelis Krzysztof、Kwon Sohee、Olechnovi? Kliment、Seok Chaok、Venclovas ?eslovas、Won Jonghun、CASP‐COVID participants (including Nakamura Tsukasa、Hanazono Yuya)
  • Journal Title: Proteins: Structure, Function, and Bioinformatics Volume: 89 Issue: 12 Pages: 1987-1996
  • DOI: 10.1002/prot.26231
  • Peer Reviewed / Int'l Joint Research
• [Journal Article] Developing a Novel Recurrent Neural Network Architecture with Fewer Parameters and Good Learning Performance (2021)
  • Author(s): YAMADA Kazunori D、LIN Fangzhou、NAKAMURA Tsukasa
  • Journal Title: Interdisciplinary Information Sciences Volume: 27 Issue: 1 Pages: 25-40
  • DOI: 10.4036/iis.2020.R.01
  • NAID: 130008009391
  • ISSN: 1340-9050, 1347-6157
  • Peer Reviewed / Open Access
• [Presentation] Towards protein interface prediction using roto-translation equivariant neural network (2021)
  • Author(s): Tsukasa Nakamura
  • Organizer: The 59th Annual Meeting of the Biophysical Society of Japan
• [Presentation] Towards protein interface prediction using roto-translation equivariant neural network (2021)
  • Author(s): Tsukasa Nakamura
  • Organizer: Japanese Society for Bioinformatics / Informatics in Biology, Medicine and Pharmacology 2021
• [Presentation] Towards protein interface prediction using SE(3)-Transformer (2021)
  • Author(s): Tsukasa Nakamura
  • Organizer: The 29th annual conference on Intelligent Systems for Molecular Biology and the 20th European Conference on Computational Biology (ISMB/ECCB 2021)
  • Int'l Joint Research
• [Presentation] SE(3)-Transformerを用いた蛋白質間相互作用部位予測についての検討 (2021)
  • Author(s): 中村司
  • Organizer: 第21回日本蛋白質科学会年会
• [Presentation] Pfam事前学習モデルを用いた転移学習によるタンパク質の機能アノテーション予測 (2020)
  • Author(s): 中村 司，木下賢吾
  • Organizer: 第9回生命医薬情報学連合大会
• [Presentation] Prediction of Protein Functional Annotation Using Deep Neural Network with Transfer Learning from Pretrained Model with Pfam (2020)
  • Author(s): Tsukasa Nakamura, Kengo Kinoshita
  • Organizer: The 20th Annual Meeting of the Protein Science Society of Japan
• [Presentation] 転移学習を用いたタンパク質の機能アノテーション予測 (2020)
  • Author(s): 中村司
  • Organizer: 日本生物工学会北日本支部シンポジウム
  • Invited
• [Presentation] Predicting Protein Functional Annotation using Transfer Learning from Pretrained Model with Pfam (2020)
  • Author(s): Tsukasa Nakamura, Kengo Kinoshita
  • Organizer: The annual International Conference on Intelligent Systems for Molecular Biology (ISMB2020)
  • Int'l Joint Research
• [Presentation] 大規模配列データからのタンパク質立体構造予測及び機能予測 (2020)
  • Author(s): 中村司
  • Organizer: 実験家のためのデータ駆動科学オンラインセミナー
  • Invited
• [Presentation] 蛋白質ポケット部位の大規模比較手法の性能調査 (2019)
  • Author(s): 中村司，富井健太郎
  • Organizer: 第19 回日本蛋白質科学会年会