研究課題/領域番号 |
22K18003
|
研究種目 |
若手研究
|
配分区分 | 基金 |
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 | 愛知県がんセンター(研究所) |
研究代表者 |
郭 中梁 愛知県がんセンター(研究所), システム解析学分野, 研究員 (20875819)
|
研究期間 (年度) |
2022-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2023年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2022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 | タンパク質間相互作用 / 機械学習 / タンパク質大規模言語モデル / トポロジカルデータ解析 / タンパク質設計 / TCR / タンパク質間相互作用予測 / 結合能予測 / マルチモーダル学習 / サンプリング / ベイズ推論 |
研究開始時の研究の概要 |
T細胞が受容体タンパク質(TCR)を通じてがん細胞やウイルス感染細胞を認識し,攻撃する.近年,この機構を利用してがん細胞認識能の高い受容体をT細胞に導入することでがんを治療するT細胞受容体遺伝子改変T細胞輸注療法が注目されている.しかしながら,がん抗原の個別性および多様性より,抗原に合わせた受容体分子の高精度かつ高効率な設計手法の開発は治療法の実現に不可欠である.本研究は機械学習とベイズ推論を組み合わせ,高精度かつTCR分子の設計手法の確立を目指す.
|
研究成果の概要 |
タンパク質間の結合能を正確に見積もることは,タンパク質の機能を理解し,新しいタンパク質を設計し,病気の治療につながる.しかし,実験によるタンパク質間結合能の測定は時間と費用がかかる.本研究課題では,タンパク質の設計における既存の結合能予測モデルの問題点を掘り下げ,マルチモーダル学習を利用し,タンパク質の立体構造とアミノ酸配列の双方の情報を統合し,高精度かつ高速なタンパク質結合能予測手法を開発した.ベンチマークデータでの予測精度は,従来手法に比べ,Pearson相関係数が0.684から0.904に向上した.またモデルの解析を通じ,マルチモーダル学習の有効性を確認した.
|
研究成果の学術的意義や社会的意義 |
近年,ウイルスやがん細胞に結合する抗体またT細胞受容体の設計が注目され,臨床を含め,多くの研究が行われてきた.しかし,設計されたタンパク質とターゲット分子の結合能を実験で測定するには時間と費用がかかる.また,既存の結合能予測モデルの予測精度が実用化に至っていないことも十分に認識されていない.本研究課題で提案した高精度かつ高速な結合能予測モデルは,深層学習を用いたタンパク質設計手法と組み合わせることで,効率的にターゲット分子と結合するタンパク質を発見できることが期待される.タンパク質間相互作用はタンパク質機能の基礎であり,結合能を正確に予測することは生命現象の理解につながる重要なステップとなる.
|