| Project/Area Number |
21K12122
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 62010:Life, health and medical informatics-related
|
|---|
| Research Institution | Japan Women's University (2023)
The University of Tokyo (2021-2022) |
|---|
Principal Investigator |
清水 謙多郎 日本女子大学, 理学部, 教授 (80178970)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | ペプチド / 抗菌性 / 機械学習 / 活性予測 / 抗ウィルスペプチド / ペプチド設計 / 深層学習 / タンパク質 / ドッキング予測 / 分子シミュレーション |
|---|
| Outline of Research at the Start |
本研究では、抗菌ペプチドをターゲットとし、ドッキング予測ツールや分子動力学（MD）シミュレーションが生成する複合体構造群をもとに、グラフオートエンコーダ（GAE）と敵対性生成ネットワーク（GAN）の機構を用いて複合体構造を生成することにより、ドッキング予測の精度の向上と、高い結合親和性をもつ新規ペプチドの設計の効率化を行う手法を開発する。
|
| Outline of Annual Research Achievements |
今年度は、ペプチドのアミノ酸配列から最小発育阻止濃度（MIC値）を予測する抗菌ペプチドの活性予測システムを昨年度に引き続き開発し、改良を行った。複数の機械学習の手法を試し、LSTM、畳み込みニューラルネットワークと自然言語処理モデルのBERTを組み合わせた新しい手法を適用し、予測結果に基づきハイパーパラメータの調整を行ったところ、R2値で0.72という結果を得た。また、既存の抗菌性ペプチドデータベースの内容が、実験条件等によりばらつきが大きく、学習データとして適切でないものが多数存在することがわかり、現在、データの絞り込みについて検討を行っている。MIC値が一定値を超えたときに抗菌性をもつと予測する分類予測を行ったところ、AUC値で0.88という結果を得ている。予測においては、疎水性アミノ酸の出現頻度、グリシン、プロリン、ロイシンの出現頻度が重要であるという結果を得た。今後、ペプチドの動的構造の解析を行い、抗菌性との関連について検討する予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ほぼ、当初の計画どおり進めている。抗ウイルスペプチドについてはすでに成果を公表している。
|
| Strategy for Future Research Activity |
抗菌ペプチドの予測・設計については、MD等を用いた動的構造解析を新たに行う予定で、成果が得られ次第、発表していく。
|
