Prediction of Protein Dynamics Based on a Combination of Molecular Dynamics Simulation and Machine Learning

2023 Fiscal Year Final Research Report

• Project/Area Number: 21K06094
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 43040:Biophysics-related
• Research Institution: University of Tsukuba
• Principal Investigator: Harada Ryuhei 筑波大学, 計算科学研究センター, 准教授 (60612174)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: タンパク質 / 分子動力学計算 / 構造変化 / 機械学習 / 複合体 / 解離プロセス / 分子間相互作用

Outline of Final Research Achievements

Protein dynamics is essential for understanding biological functions. MD simulation has potential to detect the protein dynamics. However, the accessible timescale of normal MD is exceeded over the timescale of the biological functions. Therefore, it is strongly desired to develop a computational method to detect the long timescale protein dynamics called rare events. in the present study, we have developed a computational method to detect the rare events by combining a rare sampling method (parallel cascade selection molecular dynamics, PaCS-MD) and machine learning (anomaly detection), which is referred to as ad-PaCS-MD. As an application, ad-PaCS-MD successfully detected Protein-RNA dissociation processes and elucidated multiple intermediate states during its dissociation.

Free Research Field

計算生物物理学

Academic Significance and Societal Importance of the Research Achievements

分子動力学計算と機械学習を融合させることにより生体機能に重要なタンパク質の構造変化を効率的に抽出する計算手法を確立させた. 本手法に関してはプログラムとして研究者へ公開することを通して研究成果の社会還元を果たす. また, 本手法を適用することにより, タンパク質や核酸をはじめとする複合体の形成や解離についてそのプロセスを詳細に調べることができるという学術的意義がある. さらに, 複合体の形成及び解離プロセス途中の分子間相互作用を解析することで, 生体機能を維持するために必須となる重要な相互作用の特定が実現するため, 疾患原因の特定にも貢献できる可能性を有する.