2017 Fiscal Year Annual Research Report
Development of NMR drug discovery pipeline using database
| Project/Area Number |
15K06970
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
小林 直宏 大阪大学, たんぱく質研究所, 特任准教授(常勤) (80272160)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
児嶋 長次郎 横浜国立大学, 大学院工学研究院, 教授 (50333563)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 核磁気共鳴法 / データベース / 自動解析 |
|---|
| Outline of Annual Research Achievements |
ゲノム配列情報は多数の蛋白質をコードしている一方、それらの実験的に解明されている立体構造は総ゲノム全体の約10％程度である。多くの創薬ターゲットの機能構造が不明なままであるため、近年技術的進歩が著しい構造予測法を用いることによりモデル構造を構築し、立体構造ベースによる創薬研究事例が増加する傾向があるしかしながらこれら技術の予測精度が十分でないため、現実的な創薬設計上膨大な費用と時間がかかってしまう。本研究課題の初年度（平成27年度）においては核磁気共鳴(NMR)創薬研究のターゲットとなりうるモデル構造の2次データベースを構築し、NMR実験データのデータベースであるBMRBに登録されている化学シフトデータのうち配列相同性が60%以上のデータを持つものをリンクさせた。またUniprot、OMIM、IntActなどの外部の生命化学系データベースとのリンクを作成し、タンパク質機能情報、一塩基置換情報、疾患情報、蛋白質-蛋白質相互作用情報などをリンクさせた創薬支援データベースを構築した。平成28年度においてはこれら蓄積されたNMR実験情報を基にした深層学習を基盤とした自動解析パイプラインを設計し、創薬研究に必要となるNMRシグナル自動帰属と溶液立体構造をごく短時間に達成させるシステムとして構築した。NMR解析においては通常1週間程度かかる主鎖シグナル解析は従来法の半分のスペクトル情報をもとに数十分～数時間程度のオーダーで達成できる事を示し、国際学会 (Gordon Research Conference 2017) において口頭発表を実現した。平成29年度においてはこのシステムを拡張し、深層学習による強力なノイズシグナル判別器を開発し、従来の半分あるいは4分の一程度のNMRスペクトルデータを用いた自動解析により全シグナルの帰属と立体構造決定までの解析時間を半日程度まで短縮可能にした。
|
| Remarks |
産総研本野らによって開発されたSAHGサーバに保存されたエントリに基づいてモデル化された構造を使用してNMRベースの創薬を支援するために開発され、キーワードでタンパク質モデル構造検索、BMRB、UniProt、OMIM、IntActなどの他のライフサイエンスデータベースとリンクされNMRベースの薬物スクリーニングに有用と言える。
|
Research Products
(8 results)
