2012 Fiscal Year Research-status Report
位置特異的スコアおよび機械学習を用いたＧＰＩ修飾タンパク質予測とデータベース構築
| Project/Area Number |
24700298
|
|---|
| Research Institution | Meiji University |
|---|
Principal Investigator |
池田 有理 明治大学, 理工学部, 講師 (30371082)
|
|---|
| Project Period (FY) |
2012-04-01 – 2014-03-31
|
| Keywords | タンパク質 / バイオインフォマティクス / 翻訳後修飾 / 機械学習 / ゲノムスキャン / データベース |
|---|
| Research Abstract |
平成24年度は、GPI-AP予測法の確立を行った。
1) 研究代表者がこれまでに開発してきた位置特異的スコアマトリクス (PSSM) によるGPI-AP予測法に、サポートベクターマシンを適用した。予測精度を求めたところ、研究代表者の従来法であるニューラルネットワークによる方法の精度が上回っていることを明らかにした。ゲノム情報からより多くのGPI-AP候補を予測することが可能となる方法として、ニューラルネットワークによる方法を採用することとした。
2) タンパク質配列データベースであるUniProtKB/Swiss-Protの最新版から、生化学実験により新規にGPI-APと同定されたタンパク質のデータを得て客観試験データとし、GPI-AP予測法の客観的な精度を明らかにした。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
平成24年度の研究計画は以下の通りであったが、全て計画通りに遂行し、国内外学会発表ならびに論文報告を行うことができた。
---------------------
GPI-AP予測法の確立
1) 申請者が開発してきた位置特異的スコアマトリクス (PSSM) によるGPI-AP予測法に、サポートベクターマシンを適用する。予測精度を求め、申請者のニューラルネットワークによる従来法と比較検討することにより、ゲノム情報からより多くのGPI-AP候補を予測することが可能となる方法を明らかにする。
2) 公共データベースや文献調査から、生化学実験により新規にGPI-APと同定されたタンパク質のデータを得て試験データとし、申請者のGPI-AP予測法の客観的な精度を明らかにする。
|
| Strategy for Future Research Activity |
ゲノムデータから、新規GPI-AP候補予測・アノテーションを行う。
1) 150種以上のゲノムORFから新規のGPI-AP候補を予測する。難治疾患の分子機構解明の観点からはヒト・マウス・ウシ・ブタ・ニワトリ等を、植物生体防御反応に関してはシロイヌナズナ・イネ・コムギ・トマト等の生物種を優先し、新規GPI-AP候補を明らかにする。
2) 予測された新規GPI-AP候補遺伝子に、アミノ酸配列、遺伝子・cDNA配列、立体構造、機能、細胞内局在、選択的スプライシング、SNPs等のオミクス情報のアノテーションを行い、難治疾患や植物の生体防御反応に関連の深い遺伝子を明らかにする。蓄積された新規GPI-AP候補遺伝子のオミクス情報をデータベース化し、Web公開を行う。
|
| Expenditure Plans for the Next FY Research Funding |
ベルリンで行われる38th FEBS congress、サンクトペテルブルクで行われるISMB/ECCB 2013の旅費、鳥取開催の第13回蛋白質科学会年会および京都開催の第51回日本生物物理学会年会の旅費に充てるほか、研究補助のアルバイト雇用費に使用する予定である。
|
