2021 Fiscal Year Annual Research Report
Prediction of rare events associated with biomolecules using mean force dynamics
| Project/Area Number |
17K05620
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
森下 徹也 国立研究開発法人産業技術総合研究所, 材料・化学領域, 主任研究員 (10392672)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
米澤 康滋 近畿大学, 先端技術総合研究所, 教授 (40248753)
|
|---|
| Project Period (FY) |
2017-04-01 – 2022-03-31
|
| Keywords | 自由エネルギー計算 / レアイベント / 分子動力学 / 生体分子 / 平均力 |
|---|
| Outline of Annual Research Achievements |
最終年度は、本研究プロジェクトの最大の目的である“一般化CVの構築”を実現する重要な成果を挙げることができた。
一般化CVは、系の特徴に依らずにできるだけ簡単なアルゴリズムで構築されることが望ましい。また、注目する現象を少ない変数で記述できることも望まれる。そこで機会学習においてデータ次元削減法として用いられている主成分解析（PCA）を拡張することで、系の時間発展に応じて適切なCVを決めるアプローチを考案した（時間依存主成分解析: TDPCA）。通常のPCAでは、構造変化に伴う前駆的な構造揺らぎや、連続する小規模変化を同定することは難しい。実際には、このような前駆的な揺らぎは相転移の誘起メカニズムの理解に重要であり、また段階的な構造変化により初めて機能を発現する生体分子もある。従って、従来のPCAでは検知しづらい“構造発展に応じて時間変化する揺らぎのモード”の同定は、極めて重要である。本研究では、PCAに時間依存性を導入することでこの問題を解決し、更にそれに基づいて時間変化するCV subspaceを構築することで、位相空間サンプリングを促進するアプローチを導入した。即ち、TDPCAにより得られる時間依存の主成分モードを、一般化CVとして導入した。
研究期間全体を通じて、上記TDPCAに加えて、新しい自由エネルギー計算法であるLogPD法やisokinetic-LogMFD法の開発、さらにはレア・イベントの実現を加速するポアンカレ・ブースト・ダイナミクスの提案や機械学習によるタンパク質の構造解析を実施した。これらは本プロジェクトの目的であるレア・イベント探索の向上に大きく貢献した。以上より、本プロジェクトにおいて当初目的を達成する成果を挙げたと言える。
|
