オートエンコーダーを用いたSTINGの恒常的活性化メカニズムの解明

2022 Fiscal Year Research-status Report

• Project/Area Number: 21K12134
• Research Institution: National Institute of Advanced Industrial Science and Technology
• Principal Investigator: 土屋 裕子 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (30557773)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: オートエンコーダー / シミュレーション / 疾病発症機構 / 創薬

Outline of Annual Research Achievements

自然免疫において重要な役割を担うタンパク質Stimulator of interferon genes（STING）は、感染が生じた際に生成されるリガンドを結合することで活性化しI型インターフェロン（IFN）産生を促進する。しかしアミノ酸変異により無感染状態でも恒常的にIFNを産生し自己免疫疾患の発症を導くことがわかってきた。変異による主鎖構造の顕著な変化が見られないことや、変異部位からIFN産生に関わる機能部位まで離れていることから、ダイナミックアロステリーと呼ばれる現象が生じていると考えられる。本疾患の発症メカニズムの解明のため、これまでにシミュレーションデータから側鎖原子の構造情報を落とすことなくシグナル伝達の解析を行う教師無し深層学習法オートエンコーダーに基づく手法を開発した（Tsuchiya et al, JCIM, 2019; Tsuchiya et al, SciRep, 2021）。本手法によりSTINGのアミノ酸変異が導く恒常的活性化のメカニズムの解明を実施する。
2022年度は上述の深層学習法をSTING系へ応用するため、電子顕微鏡解析によって決定された膜貫通領域を含む最新の構造データを利用し、野生型、リガンド結合型および変異体のヒトSTINGタンパク質モデルを構築した。次にこれらのモデルの分子動力学シミュレーションを実行し、トラジェクトリの詳細な解析を行った。野生型、リガンド結合型、変異体で異なる動き（構造変化）が見られるが、これらの動きに隠される小さな動きを検出するため深層学習法の改良を進めている。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

これまでに、シミュレーションのデータから側鎖原子の構造情報を落とすことなくシグナル伝達の解析を行う教師無し深層学習法オートエンコーダーに基づく手法を開発し、その有用性を確認した（Tsuchiya et al, JCIM, 2019; Tsuchiya et al, SciRep, 2021）。本手法をSTINGの自己免疫疾患発症のメカニズム解明に応用するため、2022年度は野生型、リガンド結合型および変異体のヒトSTING全原子モデル（膜貫通領域を含む）を構築し、分子動力学シミュレーションを実行した。局所的および大域的なトラジェクトリの解析を実施し、シミュレーションで観察された構造変化と機能との関係を調査した。この結果を基に深層学習法の改良を進めており、次年度には実装可能と考えている。

Strategy for Future Research Activity

分子動力学シミュレーションの結果に基づき、シグナル伝達解析のための深層学習法の改良を進める。特に、ヒトSTINGタンパク質における変異部位から機能部位までのシグナル伝達経路と、シグナルの伝播に関わるアミノ酸残基の抽出を可能とするよう、全ての側鎖原子の動きを考慮する等の修正を行う。また、リガンド結合部位や天然変性領域等の構造変化に着目したシミュレーション解析等を実施し、下流のタンパク質との相互作用を導くオリゴマー化についての知見も得る。

Causes of Carryover

2023年度に論文発表、学会発表、および外部計算機使用を予定しており、これらに使用する。