Prediction of biologically relevant metal-binding proteins using three-dimensional structural information

• Project/Area Number: 25K15331
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: Nagahama Institute of Bio-Science and Technology
• Principal Investigator: 塩生 真史 長浜バイオ大学, バイオサイエンス学部, 教授 (30345847)
• Co-Investigator(Kenkyū-buntansha): 向 由起夫 長浜バイオ大学, バイオサイエンス学部, 教授 (60252615) ; 中村 卓 長浜バイオ大学, バイオサイエンス学部, 教授 (80344050)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2027: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000); Fiscal Year 2026: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000); Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
• Keywords: 機能アノテーション / 機械学習 / 金属イオン結合アッセイ / オミックス解析 / 出芽酵母

Outline of Research at the Start

金属イオンと結合する金属結合タンパク質は、酵素や転写調節因子などの働きをする生体内で不可欠なタンパク質である。タンパク質立体構造予測法の進歩により、立体構造情報に基づく金属イオン結合予測がゲノム規模で可能になったが、その予測根拠となる実験で得られた立体構造データには、生物学的意味のない金属イオンが結合している場合も多い。本研究では、研究代表者がこれまでに開発した補因子結合予測法を基礎として、構造情報から生物学的意味のある金属イオン結合を予測する機械学習モデルを構築し、その予測モデルの有効性を出芽酵母のタンパク質を用いて実験的に確認する。