Development of a prediction method for cofactors binding to uncharacterized enzymes using feedback from experimental validations

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K12211
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: Nagahama Institute of Bio-Science and Technology
• Principal Investigator: Shionyu Masafumi 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) ; 向 由起夫 長浜バイオ大学, バイオサイエンス学部, 教授 (60252615)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: 機能予測 / 酵素 / 機械学習 / 出芽酵母 / ピリドキサールリン酸 / 低分子結合予測

Outline of Final Research Achievements

We developed ProLMS-GNN, which built prediction models for binding small-molecule ligands to proteins by learning the structural features of the ligand-binding sites using a graph neural network. We also studied the experimental methods for verifying the binding of pyridoxal 5'-phosphate (PLP), an important coenzyme in organisms, to proteins and confirmed that a microbiological assay for vitamin B6 could verify the ability of PLP-binding to proteins. We comprehensively estimated the PLP-binding ability of budding yeast proteins using the prediction model built by ProLMS-GNN and verified that experimentally. As a result, at least two uncharacterized proteins were confirmed to bind PLP.

Free Research Field

構造情報生物学

Academic Significance and Societal Importance of the Research Achievements

ゲノムにコードされるタンパク質のうちの約2割は機能の手がかりのない機能未知タンパク質である。本研究で開発したProLMS-GNNは、既存の予測法と比較して同等程度以上の精度でPLPやFADとの結合を予測できることが確認できている。また、PLPと結合することが予測された機能未知タンパク質において、実験的にPLPとの結合が確認できたことから、ProLMS-GNNをさらに多くの補酵素についても結合を予測できるよう発展させることで、機能未知タンパク質の中からそれらの補酵素と関連の深い機能を持つ新奇の酵素を見つけられる可能性が示された。