| 研究課題/領域番号 |
20K06508
|
|---|
| 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43020:構造生物化学関連
|
|---|
| 研究機関 | 東京都立大学 |
|---|
研究代表者 |
PETER GUENTERT 東京都立大学, 理学研究科, 客員教授 (20392110)
|
|---|
| 研究分担者 |
池谷 鉄兵 東京都立大学, 理学研究科, 准教授 (30457840)
伊藤 隆 東京都立大学, 理学研究科, 教授 (80261147)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2020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 | machine learning / NMR / protein structure / automated assignment / contact prediction / distance restraints |
|---|
| 研究開始時の研究の概要 |
In this project, we propose to improve NMR protein structure determination using machine learning methods that can predict distances between atoms in proteins. The aim is to enable structure determination of larger or more challenging proteins than hitherto possible, including the study of proteins in living cells, large methyl-labeled proteins, multi-domain systems, membrane proteins, and generally proteins with low stability or at low concentrations, for which it is difficult to measure a sufficient amount of NMR data.
|
| 研究成果の概要 |
本課題で開発した新規NMR自動解析プログラム(ARTINA)を用いることにより、多次元NMRスペクトルからピークリスト取得、化学シフト帰属、および蛋白質立体構造決定の一連の流れを完全に自動化することに成功した．ARTINAは，AlphaFold2構造の情報も入力可能であり，構造情報は化学シフトの近似予測やNOESYスペクトル予測に利用できるため，構造を考慮しない場合よりも少ないデータから信頼性の高い解析が可能であることが示された．ARTINAアルゴリズムは、NMRtistウェブサーバーを介して利用可能であり，数時間の計算時間で，NMRスペクトルを自動解析し蛋白質の最終構造を出力できる．
|
| 研究成果の学術的意義や社会的意義 |
Nuclear magnetic resonance spectroscopy (NMR) provides detailed information on structure, dynamics and interactions of proteins. The method developed in this project will accelerate virtually any biological NMR studies that require the analysis of protein NMR spectra and chemical shift assignments.
|
