Application of metadata and deep learning to disease-related glycoform analysis

• Project/Area Number: 25K21336
• 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: Niigata University
• Principal Investigator: 高橋 悠志 新潟大学, 医歯学系, 特任助教 (50719713)
• Project Period (FY): 2025-04-01 – 2030-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000); Fiscal Year 2029: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2028: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2027: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2026: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
• Keywords: グライコプロテオミクス / メタデータ / 深層学習

Outline of Research at the Start

タンパク質に結合している糖鎖はがんや筋ジストロフィーなどの幅広い疾患の発症に関わっているが、糖鎖の構造が糖タンパク質分子の機能にどう影響するかは不明な場合が多い。本研究では公共データリポジトリ中から実験で同定された多数の糖ペプチドデータを収集し、これにデータベースに登録された既知の糖鎖構造およびタンパク質配列情報を結びつけることで、「各糖タンパク質が取りうる全糖鎖修飾パターン（グライコフォーム）」を列挙する。さらに、深層学習を応用することで全グライコフォームのクラスタリングを実施し、「疾患特有のタンパク質糖鎖修飾パターン」を明らかにすることを目指す。