2017 Fiscal Year Annual Research Report
Construction of an innovative four-dimensional imaging technique using the manifold theory and single-particle experimental data
| Project/Area Number |
16K20913
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
吉留 崇 東北大学, 工学研究科, 助教 (90456830)
|
|---|
| Project Period (FY) |
2016-04-01 – 2018-03-31
|
| Keywords | マニフォールドラーニング / 単粒子解析実験 / 4次元イメージング |
|---|
| Outline of Annual Research Achievements |
平成２８年度の成果を発展させ、ソフトウェア「閻魔」を用いて単粒子解析実験データから粒子の4次元イメージングを行う手法を構築することを目指し、研究を進めた。本年度は単粒子解析を想定したシミュレーションデータを用いた研究だけでなく、実験データを用いた研究も行った。以下の成果を得る事が出来た。
1. 試料氷包埋効果を考慮したデータを「閻魔」で分類する事に成功した。具体的には、まず主に2状態を有するタンパク質を用いた単粒子解析実験を想定したシミュレーションを行なった。その後得られたデータにガウシアンローパスフィルタを適用し、粒子の輪郭を明確にした。フィルタを加えたデータに「閻魔」を適用した所、2状態に分類する事に成功した。よって、実際の実験データでの分類可能性が見えてきた。
2. 慶應義塾大学の中迫教授から提供された，酸化銅微粒子のコヒーレントX線回折イメージング実験データに「閻魔」を適用し、微粒子成長プロセスの研究を行なった。実験データを粗視化することにより、2種類の成長パスウェイが存在する事を示した。
3. シミュレーションデータにシルエットスコアとK-means法を適用する事により、シングルドメインタンパク質の状態数を決定する事に成功した。決定した状態数を用いてマルコフ状態モデルを構築し、物理量を計算した所、定量性が高かった。このため、シミュレーションデータから定量性の高いマルコフ状態モデルを自動的に構築する可能性が見えてきた。
|
