• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

構造情報に基づく蛋白質の複合体形成部位の大規模分類手法の開発と予測構造への展開

研究課題

研究課題/領域番号 19J00950
研究種目

特別研究員奨励費

配分区分補助金
応募区分国内
審査区分 小区分62010:生命、健康および医療情報学関連
研究機関東北大学

研究代表者

中村 司  東北大学, 情報科学研究科, 特別研究員(PD)

研究期間 (年度) 2019-04-25 – 2022-03-31
研究課題ステータス 完了 (2021年度)
配分額 *注記
4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2020年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2019年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
キーワード蛋白質 / 蛋白質間相互作用 / 蛋白質相互作用部位 / 蛋白質立体構造予測
研究開始時の研究の概要

実験的な手法によって明らかになった蛋白質の複合体構造の数は,近年増加傾向にあるものの,蛋白質間の相互作用があると考えられている蛋白質セット(立体構造未知な推定上の複合体)の数と比較すると,ごくわずかなのが現状である.
本研究では既知の複合体構造から,独自の手法で複合体の形成面の特徴量を構成し,これを分類することで,複合体形成面への理解を深める.
また,得られた知見を活用した,より高度な蛋白質複合体の立体構造予測手法の開発を行い,立体構造未知な複合体の構造予測に応用する.

研究実績の概要

今年度は,昨年度行ったSE(3)-Transformerモデルの蛋白質複合体形成部位データへの適用法についての検討を踏まえ,これを大規模データへと実際に適用するとともに,E(n)-Equivariant Graph Neural Networksモデルを用いる形へと手法を拡張した.また,予測立体構造に対する特徴量の生成を行った.
SE(3)-TransformerやE(n)-Equivariant Graph Neural Networksなどは,3次元点群から構築されるグラフのように,各ノードが座標情報を持つ連結グラフを入力として想定している深層学習モデルの一つである.これらのモデルでは,入力の3次元回転並進変換に対して同変性が保証されており,安定した特徴量計算が可能となっている.
データセットとしては,Protein Data BankにBiological Unitとして登録されている蛋白質複合体構造を用い,複合体形成面の残基ペアの各周囲を切り出した部分構造ペアを正例,複合体形成面ではない構造表面残基の各周囲を切り出した部分構造ペアを負例としたデータを用い,学習・評価を行った.構造データは原子種及び座標値の3次元点群であるが,ここに原子間の化学結合に基づきエッジを張ることで座標情報を含むグラフ構造とした.
また,昨年度取り組んだ蛋白質の立体構造予測において用いた手法とその結果についての個別の具体例についてもまとめた.

現在までの達成度 (段落)

令和3年度が最終年度であるため、記入しない。

今後の研究の推進方策

令和3年度が最終年度であるため、記入しない。

報告書

(3件)
  • 2021 実績報告書
  • 2020 実績報告書
  • 2019 実績報告書
  • 研究成果

    (13件)

すべて 2021 2020 2019

すべて 雑誌論文 (3件) (うち国際共著 2件、 査読あり 3件、 オープンアクセス 1件) 学会発表 (10件) (うち国際学会 2件、 招待講演 2件)

  • [雑誌論文] Prediction of protein assemblies, the next frontier: The CASP14‐CAPRI experiment2021

    • 著者名/発表者名
      Lensink Marc F.、…、Nakamura Tsukasa (74th)、Hanazono Yuya、…、Wodak Shoshana J. (105 abbr.)
    • 雑誌名

      Proteins: Structure, Function, and Bioinformatics

      巻: 89 号: 12 ページ: 1800-1823

    • DOI

      10.1002/prot.26222

    • 関連する報告書
      2021 実績報告書
    • 査読あり / 国際共著
  • [雑誌論文] Modeling SARS‐CoV‐2 proteins in the CASP‐commons experiment2021

    • 著者名/発表者名
      Kryshtafovych Andriy、Moult John、Billings Wendy M.、Della Corte Dennis、Fidelis Krzysztof、Kwon Sohee、Olechnovi? Kliment、Seok Chaok、Venclovas ?eslovas、Won Jonghun、CASP‐COVID participants (including Nakamura Tsukasa、Hanazono Yuya)
    • 雑誌名

      Proteins: Structure, Function, and Bioinformatics

      巻: 89 号: 12 ページ: 1987-1996

    • DOI

      10.1002/prot.26231

    • 関連する報告書
      2021 実績報告書
    • 査読あり / 国際共著
  • [雑誌論文] Developing a Novel Recurrent Neural Network Architecture with Fewer Parameters and Good Learning Performance2021

    • 著者名/発表者名
      YAMADA Kazunori D、LIN Fangzhou、NAKAMURA Tsukasa
    • 雑誌名

      Interdisciplinary Information Sciences

      巻: 27 号: 1 ページ: 25-40

    • DOI

      10.4036/iis.2020.R.01

    • NAID

      130008009391

    • ISSN
      1340-9050, 1347-6157
    • 関連する報告書
      2020 実績報告書
    • 査読あり / オープンアクセス
  • [学会発表] Towards protein interface prediction using roto-translation equivariant neural network2021

    • 著者名/発表者名
      Tsukasa Nakamura
    • 学会等名
      The 59th Annual Meeting of the Biophysical Society of Japan
    • 関連する報告書
      2021 実績報告書
  • [学会発表] Towards protein interface prediction using roto-translation equivariant neural network2021

    • 著者名/発表者名
      Tsukasa Nakamura
    • 学会等名
      Japanese Society for Bioinformatics / Informatics in Biology, Medicine and Pharmacology 2021
    • 関連する報告書
      2021 実績報告書
  • [学会発表] Towards protein interface prediction using SE(3)-Transformer2021

    • 著者名/発表者名
      Tsukasa Nakamura
    • 学会等名
      The 29th annual conference on Intelligent Systems for Molecular Biology and the 20th European Conference on Computational Biology (ISMB/ECCB 2021)
    • 関連する報告書
      2021 実績報告書
    • 国際学会
  • [学会発表] SE(3)-Transformerを用いた蛋白質間相互作用部位予測についての検討2021

    • 著者名/発表者名
      中村司
    • 学会等名
      第21回日本蛋白質科学会年会
    • 関連する報告書
      2020 実績報告書
  • [学会発表] Pfam事前学習モデルを用いた転移学習によるタンパク質の機能アノテーション予測2020

    • 著者名/発表者名
      中村 司,木下賢吾
    • 学会等名
      第9回生命医薬情報学連合大会
    • 関連する報告書
      2020 実績報告書
  • [学会発表] Prediction of Protein Functional Annotation Using Deep Neural Network with Transfer Learning from Pretrained Model with Pfam2020

    • 著者名/発表者名
      Tsukasa Nakamura, Kengo Kinoshita
    • 学会等名
      The 20th Annual Meeting of the Protein Science Society of Japan
    • 関連する報告書
      2019 実績報告書
  • [学会発表] 転移学習を用いたタンパク質の機能アノテーション予測2020

    • 著者名/発表者名
      中村司
    • 学会等名
      日本生物工学会北日本支部シンポジウム
    • 関連する報告書
      2019 実績報告書
    • 招待講演
  • [学会発表] Predicting Protein Functional Annotation using Transfer Learning from Pretrained Model with Pfam2020

    • 著者名/発表者名
      Tsukasa Nakamura, Kengo Kinoshita
    • 学会等名
      The annual International Conference on Intelligent Systems for Molecular Biology (ISMB2020)
    • 関連する報告書
      2019 実績報告書
    • 国際学会
  • [学会発表] 大規模配列データからのタンパク質立体構造予測及び機能予測2020

    • 著者名/発表者名
      中村司
    • 学会等名
      実験家のためのデータ駆動科学オンラインセミナー
    • 関連する報告書
      2019 実績報告書
    • 招待講演
  • [学会発表] 蛋白質ポケット部位の大規模比較手法の性能調査2019

    • 著者名/発表者名
      中村司,富井健太郎
    • 学会等名
      第19 回日本蛋白質科学会年会
    • 関連する報告書
      2019 実績報告書

URL: 

公開日: 2019-05-29   更新日: 2024-03-26  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi