2017 Fiscal Year Annual Research Report
Development of a method for predicting functional sites in function-unknown splicing isoforms
Project/Area Number |
15K00411
|
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, 准教授 (30345847)
|
Co-Investigator(Kenkyū-buntansha) |
土方 敦司 長浜バイオ大学, バイオサイエンス学部, プロジェクト特任講師 (80415273)
|
Project Period (FY) |
2015-04-01 – 2018-03-31
|
Keywords | 選択的スプライシング / 機能未知タンパク質 / 機能部位予測 / 低分子化合物 / データベース / 機械学習 |
Outline of Annual Research Achievements |
公共データベースには多数のスプライシングアイソフォーム(SI)の配列情報が登録されているものの、その多くは機能が明らかにされていない。そこで、機能未知のSIが生体内で機能を持つかどうかを推定すること、及び、機能を持つと推定されたSIの機能部位および結合する低分子の推定法を開発することを目的として、平成29年度は以下の研究を実施した。 1. 平成28年度までに開発した機械学習によるSIの機能性推定法について、特徴ベクトルの見直し、及び、機械学習アルゴリズムの改良を行った。その結果、機能既知のSIの98%において正しく機能性があることが推定できるようになった。改良された推定法を用いると、タンパク質の発現が実験的に確認されていないSIの約60%が機能性を持つと推定され、改良前に比べてより多くのSIが機能性を持つことが示された。またこの結果から、近年議論されているよりも多くのSIがタンパク質機能の多様性へ寄与していることを示すことができた。 2. SIで共通に使われているエクソンと選択的に使われるエクソンの間で一塩基変異(SNV)の分布の比較を行ったところ、病気に関わるSNVにおいて分布の偏りがあることが示された。この解析を発展させることで、病気に関わるSNVの分布からSIの機能性推定を行う研究へと展開できると考えられた。 3. 低分子リガンドとの結合に使われやすいアミノ酸残基の統計情報とタンパク質のポケットらしさを特徴ベクトルとした機械学習を行うことにより、低分子リガンド結合部位の予測精度を向上させ、さらに低分子リガンドが結合するかどうかを推定できるようにした。これにより、平成28年度までに開発したベクトルマッチ法によるタンパク質―低分子リガンドドッキング法と合わせて、異なる2つの方法により低分子リガンドの結合が予測できるようになった。
|