| Project/Area Number |
22KJ2495
|
|---|
| Project/Area Number (Other) |
22J22706 (2022)
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Multi-year Fund (2023)
Single-year Grants (2022) |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 62010:Life, health and medical informatics-related
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
築山 翔 九州工業大学, 大学院情報工学府, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2023-03-08 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,400,000 (Direct Cost: ¥3,400,000)
Fiscal Year 2024: ¥1,100,000 (Direct Cost: ¥1,100,000)
Fiscal Year 2023: ¥1,100,000 (Direct Cost: ¥1,100,000)
Fiscal Year 2022: ¥1,200,000 (Direct Cost: ¥1,200,000)
|
|---|
| Keywords | 深層学習 / 機械学習 / ウイルス感染症 / シミュレーション / 構造生物学 / タンパク質相互作用 / 創薬 / タンパク質間相互作用 / ウイルス / Attention / SARS-CoV-2 |
|---|
| Outline of Research at the Start |
薬物が標的タンパク質に結合することでヒト-ウイルスタンパ ク質間相互作用を阻害することができ、ウイルスの感染を抑えられる。本研究では、ヒトーウイルスタンパク質間相互作用の予測スコアとPPIネットワークや遺伝子オントロジーの情報を使用することにより、創薬ターゲットとなりうる相互作用を特定する。さらに、薬物―標的タンパク質間相互作用予測時にモデルが生成した特徴を使用することで薬物のターゲットとなりうる相互作用部位を予測する。
|
| Outline of Annual Research Achievements |
本研究ではウイルスの感染メカニズムの解明と抗ウイルス薬の開発に関連した研究を促進するために、アミノ酸配列からヒト-ウイルスタンパク質間相互作用と薬物-標的タンパク質間相互作用を高い精度で予測できるような手法の開発に取り組んでいる。当該年度はタンパク質のアミノ酸配列に加えて、タンパク質の構造情報を用いた予測を検討した。タンパク質の構造情報は、相互作用の予測を考える上で、原子の幾何学的な特徴を与える非常に重要な情報であるが、実験的にタンパク質の構造情報を同定することは容易ではなく、そのような情報を用いた相互作用の予測では構造が既知のタンパク質に適用が限られる。そのため、当初の研究計画ではアミノ酸配列のみを用いた相互作用予測手法の開発を検討していた。その一方で、近年、深層学習を用いることで、アミノ酸配列からタンパク質の構造情報を高い精度で予測することのできる手法が開発されている。そこで、このような手法を用いることで、アミノ酸配列からタンパク質の構造情報を予測し、アミノ酸配列とタンパク質の構造情報の両方を用いた相互作用の予測手法を検討した。このような研究の遂行において、研究活動の一部を海外の研究機関にて行うことで、生体分子の構造情報を用いた予測手法（前処理、特徴量の生成、モデル構築等）についての最先端の技術を調査し、機械学習や深層学習手法に加えて、シミュレーション技術などのアプローチを検討した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当該年度はタンパク質のアミノ酸配列の情報だけでなく、構造情報を用いる様々なアプローチを検討した。その一方で、シミュレーション手法を用いた新たなアプローチの実装、構造情報を用いた予測に関する研究調査、深層学習モデルの構築に多くの時間を要した。
|
| Strategy for Future Research Activity |
今後の研究では、当該年度得られた知見を元に、タンパク質のアミノ酸配列と構造情報を用いてヒト-ウイルスタンパク質間相互作用と薬物-標的タンパク質間相互作用を高い精度で予測できるようなワークフローを確立する。また、本研究を創薬等に関連した研究に活かすために、Webサーバーの構築及び、コマンドラインツールの開発に取り組み、最終的な研究成果をまとめ、国際論文誌に出版する。
|
