機械学習が道先案内する進化分子工学：がん治療抗体のスマート成熟プロセス提案

• Project/Area Number: 20H00315
• Research Category: Grant-in-Aid for Scientific Research (A)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Medium-sized Section 27:Chemical engineering and related fields
• Research Institution: Tohoku University
• Principal Investigator: 梅津 光央 東北大学, 工学研究科, 教授 (70333846)
• Co-Investigator(Kenkyū-buntansha): 亀田 倫史 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 (40415774) ; 齋藤 裕 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 (60721496) ; 津田 宏治 東京大学, 大学院新領域創成科学研究科, 教授 (90357517)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Project Status: Granted (Fiscal Year 2020)
• Budget Amount: ¥44,720,000 (Direct Cost: ¥34,400,000、Indirect Cost: ¥10,320,000); Fiscal Year 2021: ¥10,010,000 (Direct Cost: ¥7,700,000、Indirect Cost: ¥2,310,000); Fiscal Year 2020: ¥16,250,000 (Direct Cost: ¥12,500,000、Indirect Cost: ¥3,750,000)
• Keywords: 進化分子工学 / 機械学習 / タンパク質 / 抗体

Outline of Research at the Start

20種類のアミノ酸が重合したタンパク質は、アミノ酸の配列に従って構造と機能が決まる。しかし、アミノ酸配列が取り得る「場合の数」(配列空間)は膨大で、その配列空間から目的機能をもつアミノ酸配列を見つけだすことは確率の低い作業である。その中で研究代表者らは近年、自然界の進化を試験管内で模倣する進化分子工学において、人工知能である機械学習が小規模な配列集団の情報から進化の方向性を示し、目的機能をもつアミノ酸配列を予測できることを実証した。本研究では、本手法をさらに高度化させることで、抗体医薬の開発を加速するプロセスを開発する。