2021 Fiscal Year Research-status Report
全原子モデルの併用と機械学習手法の適用による粗視化分子モデルの高精度化
| Project/Area Number |
19K06535
|
|---|
| Research Institution | Institute of Physical and Chemical Research |
|---|
Principal Investigator |
金田 亮 国立研究開発法人理化学研究所, 計算科学研究センター, 上級研究員 (40423131)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 粗視化分子モデル / 機械学習手法 / 能動学習 |
|---|
| Outline of Annual Research Achievements |
生体分子の機能発現の機序を明らかにする為には、化学反応等に伴うms～sスケールの長時間ダイナミクスを調査する必要があるが、全原子MDシミュレーションのみでは計算コストの観点から機能発現の全行程を調査する事は難しい。その為、自由度を落とした粗視化分子シミュレーションによるアプローチが重要となるが、従来の構造ベースの粗視化モデルでは参照構造から遠く離れた未知の構造群や大規模な構造変化過程を十分にサンプリングする事は出来なかった。
そこで、既知の構造状態を起点にして、実験的に未知の準安定状態の候補構造を効率的にサンプリングする事が出来る新しい粗視化弾性ネットワークモデルを開発・構築した。そのモデルでは既知構造に基づくnsオーダーの短い全原子MDを遂行し、そのトラジェクトリから残基ペア間の揺らぎの相関情報を評価し、その相関に応じて残基間の相互作用強度を決定する(相互作用強度はベイズ最適化等の機械学習手法を適用し効率的に探索する)。
この手法を、比較的サイズの小さなアデニル酸キナーゼ(ADK)やグルタミン結合タンパク質(GBP)のapo状態に適用し、apo状態から遠く離れた構造(holo状態)を含む幅広い構造を効率的にサンプリング出来る事を示した。また、モデルパラメータの探索コストはベイズ最適化を適用する事によりランダムサンプリングの計算コストの10%程度に抑える事が出来た。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
新しい粗視化分子モデルをADKやGBP等の比較的小さな蛋白系のapo状態に適用する事で初期構造から遠く離れた幅広い構造サンプリングを実現する事に成功した。しかしサンプリングの際に局所的に歪みのある構造が確率的に発生する等の問題解決が遅れている為。
|
| Strategy for Future Research Activity |
新しい粗視化モデルを比較的サイズの小さな蛋白系であるADKやGBPに適用し、幅広い構造を効率的にサンプリング出来る事を示した。今後はより大きな蛋白系でも効率的なサンプリングが可能であるか検証をする。また、粗視化弾性ネットワークモデルによる構造サンプリングの際に確率的に発生する局所的な歪みを検知するAI等の構築を模索する。更に全原子MDシミュレーションを遂行し、得られた構造アンサンブルと対応する全原子エネルギーを学習データとする事で汎用性のある粗視化AI力場の構築を試みる。
|
| Causes of Carryover |
当初計画していた研究の進捗が遅れ一部の学会の参加費、旅費等が不要となった為。今後のシミュレーション計算で必要となる計算機や解析で発生するデータを保存するストレージ等の消耗品費に使用する予定。
|
