|
今年度まず、2つのタンパク質－タンパク質複合体間の類似性を検出するための新しい測定基準を開発した。この新しい手法では、Transfer of training (訓練の転移)フレームワークをneural network モデルをテストする。2つの大きなデータ集合からタンパク質Pに関して2つの予測モデルをテストした。これらの内の1つにはタンパク質Qが含まれておりもう1つには含まれていなかった。PとQの間の類似度測定基準として、2つのモデルの（Pに関する）予測性能の差異が使用された。この手法を用いて、我々は又、タンパク質－タンパク質複合体を有用なクラスタに群別することも可能となった。
2つ目のモジュールでは、我々はタンパク質間相互作用部位の予測を、あるタンパク質と相互作用する相手のタンパク質の予測に変換するための新しい手法を開発した。この手法ではまず、我々がこれまでに開発した手法からタンパク質の相互作用相手認識結合部位を予測する。ゲノム内の既知の相互作用を有する全てのタンパク質ペアに関し、結合部位を予測する。新しいタンパク質ペアPとQに関し、進化的プロファイルを計算する。トップスコアの予測された結合部位を、既知の複合体における予測された結合部位のデータベースと比較する。PとQの予測された結合部位の進化的プロファイルが、何れかの既知の相互作用タンパク質ペアの予測された結合部位と一致する場合、PとQが相互作用相手であると予測する。この手法は酵母ゲノムに関して評価されたものであり、非常にうまく機能する。こうして、結合部位を予測し、タンパク質－タンパク質複合体を分類し、相互作用相手を特定するための統合的なシステムの準備が整った。
RNA-bindingとDNA-binding タンパク質上の予測性能についても個別に試験した。
これらの結果も研究論文及び会議を通じて発表されている。
|
