深層学習を用いたクライオ電子顕微鏡データの高度利用

• Project/Area Number: 21K17847
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: High Energy Accelerator Research Organization (2024); Tohoku University (2021)
• Principal Investigator: 中村 司 大学共同利用機関法人高エネルギー加速器研究機構, 物質構造科学研究所, 研究員 (40852471)
• Project Period (FY): 2024-01-17 – 2028-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
• Keywords: 蛋白質立体構造 / 蛋白質モデリング / クライオ電子顕微鏡 / 深層学習

Outline of Research at the Start

クライオ電子顕微鏡法によるタンパク質立体構造解析実験の重要性は年々更に増しており，ハードウェア面で様々な改善が見られている所であるが，ソフトウェア面である情報学的なアプローチにも様々な更なる改善の余地がありうると考えている．
本研究課題では，クライオ電顕の観測結果から構造モデリングを行う過程に，タンパク質を構成するアミノ酸配列の進化的保存プロファイルや，点群・グラフデータに対する深層学習手法などを導入し効果を検証する．