| 研究課題/領域番号 |
19K06535
|
|---|
| 研究機関 | 国立研究開発法人理化学研究所 |
|---|
研究代表者 |
金田 亮 国立研究開発法人理化学研究所, 科技ハブ産連本部, チームリーダー (40423131)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 粗視化分子シミュレーション / 機械学習手法 / ベイズ最適化 / 能動学習 / パラメータ探索の効率化 |
|---|
| 研究実績の概要 |
粗視化シミュレーションは全原子シミュレーショに比して計算コストが軽く、蛋白の大規模な構造変化を伴う長時間シミュレーションを実現し得る利点がある。その一方、粗視化モデルの力場は精度の面で全原子力場に劣り、系に応じて導入される多様なモデルパラメータ(先験的なものを含む)に強く依存する。その為、特定の生物学的プロセスや機能を再現するには適切なパラメータセットを選択・設定する必要性がある。しかし、調査すべき粗視化モデルパラメータの空間は一般に膨大であり、網羅的な調査(相図等作成)をした上で適切なパラメータセット(領域)を特定するには計算コストと時間を要する。そこで本年度においては、粗視化分子モデルパラメータの探索に際して、ベイズ最適化(BO: Bayesian optimization)と能動学習(US: Uncertainty sampling)を組み合わせた新しい機械学習手法（BOUS）の適用を試みた。その結果、生体分子モーターF1-atp aseがATP加水分解反応に伴い(回転)運動を実現し得るパラメータ領域を、従来の網羅的グリッドサーチ手法の約12%程度の計算コストで自動的に特定する事に成功した。この効率的なパラメータ探索手法はF1-atp ase系に限らず他の粗視化分子モデル系に対しても幅広く適用可能である。広範なパラメータ探索に基づく粗視化シミュレーションにより新しい分子設計・デザインの指針等を与たり、機能発現や構造変化ダイナミクスの環境依存性調査をする際にも役立ち得る。
|
| 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
粗視化モデルの改良に向け、機械学習手法を適用してモデルパラメータ探索の効率化に取り組んだ。
|
| 今後の研究の推進方策 |
粗視化分子モデルの力場を現実的なものに改良する為、アクチン-ミオシン分子等を具体的な対象系とする事を検討する。力場の改良の際は、化学反応(ATP加水分解等)に伴う粗視化力場の切り替えを局所ローカルのみに限定する。また非局所相互作用については、複数の化学状態における準安定構造の情報を活用して単一ポテンシャルへの統合を図る。改良された現実的な粗視化分子モデルをシミュレーションする事で、化学反応に伴う分子内のアロステリックな構造変化機構を調査し、エネルギー論も展開する。
|
| 次年度使用額が生じた理由 |
当初計画していた一部の学会の参加費、旅費等が不要となった為。今後のシミュレーション解析で発生するデータを保存するストレージ等の消耗品費に使用する予定。
|
