| 研究課題/領域番号 |
19K12211
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 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 | 長浜バイオ大学 |
|---|
研究代表者 |
塩生 真史 長浜バイオ大学, バイオサイエンス学部, 准教授 (30345847)
|
|---|
| 研究分担者 |
土方 敦司 長浜バイオ大学, バイオサイエンス学部, プロジェクト特任講師 (80415273)
向 由起夫 長浜バイオ大学, バイオサイエンス学部, 教授 (60252615)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 機能予測 / 酵素 / 機械学習 / 出芽酵母 / ピリドキサールリン酸 / 低分子結合予測 |
|---|
| 研究開始時の研究の概要 |
研究代表者が開発したタンパク質に結合する低分子を予測する手法を、補酵素の１種であるピリドキサールリン酸と結合する酵素をモデルとしてより高精度となるように改良する。その際、構造パターン抽出に有用な深層学習を予測法に取り入れる。また、結合予測の実験的な検証を行い、その結果を予測法改良にフィードバックする。その後、他の補酵素の結合についても予測できるように拡張する。この研究成果をゲノム中に存在する機能が不明なタンパク質に適用することで、新規の酵素発見に資することが期待できる。
|
| 研究成果の概要 |
グラフニューラルネットワークを用いて低分子リガンドの結合部位の構造的特徴を学習することで、低分子リガンドとタンパク質の結合を予測するモデルを構築するProLMS-GNNの開発を行った。また、補酵素の一種であるピリドキサールリン酸（PLP）とタンパク質の結合を検証する実験手法の検討を行い、ビタミンB6微生物定量法により検証可能であることを確認した。ProLMS-GNNにより構築された予測モデルを使って出芽酵母タンパク質のPLP結合能を網羅的に推定し、実験的に検証したところ、少なくとも2つの機能未知タンパク質がPLPと結合することを明らかとした。
|
| 研究成果の学術的意義や社会的意義 |
ゲノムにコードされるタンパク質のうちの約2割は機能の手がかりのない機能未知タンパク質である。本研究で開発したProLMS-GNNは、既存の予測法と比較して同等程度以上の精度でPLPやFADとの結合を予測できることが確認できている。また、PLPと結合することが予測された機能未知タンパク質において、実験的にPLPとの結合が確認できたことから、ProLMS-GNNをさらに多くの補酵素についても結合を予測できるよう発展させることで、機能未知タンパク質の中からそれらの補酵素と関連の深い機能を持つ新奇の酵素を見つけられる可能性が示された。
|
