2020 Fiscal Year Annual Research Report
Development of novel enzyme design tool with AI for synthesizing non-natural functional molecules
Publicly Offered Research
| Project Area | Creation of Complex Functional Molecules by Rational Redesign of Biosynthetic Machineries |
|---|
| Project/Area Number |
19H04633
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
姚 閔 北海道大学, 先端生命科学研究院, 教授 (40311518)
|
|---|
| Project Period (FY) |
2019-04-01 – 2021-03-31
|
| Keywords | 酵素設計 / DeepLearning / ソフトウェア開発 / 非天然機能性分子の生合成 / AI / Ligand-based / Reaction-based / 酵素による有機合成 |
|---|
| Outline of Annual Research Achievements |
生物合成系の再設計による機能分子の革新的創製を実現するための一つの戦略は、天然酵素を利用して非天然型機能分子の生合成経路を創成することである。そこで、天然酵素から基質に対する特異性と汎用性を持つ酵素へ改変をしなければならない。本研究は、非天然型フェニレフリンの生合成経路の構築をモデルにして、生合成経路における酵素改変の人工知能（AI）設計・創製ツールの開発である。本ツールはReaction-basedとligand-based設計法を融合したAI学習をしながら、人間の処理能力をはるかに超える残基間のネットワーク的な相互作用を考慮する酵素変異を設計する。成功すれば、触媒反応をそのまま利用しながら、多様な基質に適用できる新規酵素の開発が容易になり、変異体の試行錯誤実験量を軽減し、非天然型生合成系の合理的再構築のため、自由自在に酵素改変が可能になることが期待できる。
令和2年度には、昨年度構築したディープニューラルネットワーク(DNN)の評価・改良を行った。まず、タンパク質とリガンド分子間の結合分析のパフォーマンスを評価するために、Area Under the Curve (AUC)を計算した。その結果、PDB-bindのデータに対して、DNN分析能力のAUC値は0.9795（最大は1）となっていた。次に、結合環境の特徴を抽出し、リガンド結合部位の構造情報をDNNに加えた。改良後のDNNのAUC値は0.9844に上昇した。また、他の既存予測方法と比較するため、標準データベースDUD-Eを使用してテストした結果、私たちのシステムがトップレベルのパフォーマンスを持つことを示した。さらに、実際の４つのタンパク質を用いて分析し、そのうち、2個のタンパク質の予測に成功した。失敗した実例について、リガンドのサイズが十分な大きさではないため、化合物表面から半径4Åの結合環境が足りないことは主な原因と考えられる。今後、システムを改良しながら、変異体の設計開発を進めていく。
|
| Research Progress Status |
令和2年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和2年度が最終年度であるため、記入しない。
|
