研究課題/領域番号 |
21K12122
|
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 | 日本女子大学 (2023) 東京大学 (2021-2022) |
研究代表者 |
清水 謙多郎 日本女子大学, 理学部, 教授 (80178970)
|
研究期間 (年度) |
2021-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
キーワード | 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 |
研究開始時の研究の概要 |
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。
|
研究実績の概要 |
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。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
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。
|
今後の研究の推進方策 |
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。
|