| 研究課題/領域番号 |
19H02523
|
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
中野 秀雄 名古屋大学, 生命農学研究科, 教授 (00237348)
|
|---|
| 研究分担者 |
ダムナニョヴィッチ ヤスミナ 名古屋大学, 生命農学研究科, 助教 (00754673)
兒島 孝明 名古屋大学, 生命農学研究科, 講師 (40509080)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | ウサギモノクローナル抗体 / 機械学習 / 無細胞タンパク質合成系 / 膜タンパク質 / 麹菌 |
|---|
| 研究実績の概要 |
申請者らが開発した、無細胞タンパク質合成系を用いてB細胞１個から迅速にモノクローナル抗体(Mab)を合成・選別できるEcobody技術を用い、ハイブリドーマ法等の既存の方法では取得が困難な膜タンパク質の立体構造を認識するMabのスクリーニング技術を開発する。さらに得られた多数の配列と抗原との親和性および細胞傷害活性とのデータを利用して、インフォマティクス解析と立体構造解析を行い、優れた抗体分子の創生スキームを構築することを目的に以下の実験を行った。
1)受容体の高次構造を認識するウサギモノクローナル抗体（rMab）を取得する技術開発：kisspeptin 受容体(Kiss2R)を対象とし、その動物細胞発現ベクターを構築、HEK293細胞での発現を確認した。そのベクターをウサギにDNA免疫を行い、Kiss2R発現HEK細胞に対する抗体価の上昇が得られた。ウサギ血液と脾臓から、Kiss2Rに対する抗体の候補を取得した。
２）機械学習による獲得抗体の高機能化：Ecobody法により取得した抗cAMP抗体の配列情報を基に、H鎖、L鎖におけるそれぞれ3か所のCDRのアミノ酸情報をアミノ酸パラメータにより数値化し、説明変数、抗原結合能を目的変数として、教師あり機械学習アルゴリズム5種類で結合活性予測モデルを構築した。このモデルの精度を、テストデータを用いて検証し、ランダムフォレストが76％の精度で標的抗原に対する結合能力を予測できることを確認した。現在、本構築予測モデルの正確性を実証するため、無細胞タンパク質合成系により９種類の新規抗体を調製し、ELISAによって検出される結合活性との比較照合を検討中である。
3) Fabの大量合成手法の開発：麹菌の分泌発現系を用いて、全長抗体として分泌発現を試みた。その結果培養上清を用いてELISAによる抗体結合能を確認できた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
新型コロナ蔓延に伴う教員および学生の活動停止などにより、当初の想定より実験の遅れがある。また抗体分泌細胞の選択において、高額なセルソーターをメーカーより借りることができたので、それを用いて実験を行ったが、かえってB細胞の選択効率が低下してしまった。
|
| 今後の研究の推進方策 |
細胞選択における上記の問題は解決したので、従来の予定に戻ることができる。今後は膜タンパク質(EGFRおよびKiss2R)に対するウサギもモノクローナル抗体のEcobody技術による取得、麹菌などをもちいた大量合成、配列の機械学習による高結合抗体の創出を遂行する。
|
