• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2022 年度 実績報告書

アミノ酸置換に基づく生体発動分子の運動制御理論の構築

公募研究

研究領域発動分子科学:エネルギー変換が拓く自律的機能の設計
研究課題/領域番号 21H00381
研究機関東北大学

研究代表者

吉留 崇  東北大学, 工学研究科, 助教 (90456830)

研究期間 (年度) 2021-04-01 – 2023-03-31
キーワードタンパク質 / 水和 / 深層学習
研究実績の概要

溶液理論に基づいてアミノ酸置換に基づく生体発動分子の運動制御理論を構築する事を目指し、以下の研究を行った。(1)Bacillus PS3 F1-ATPaseのクライオ電子顕微鏡構造(M. Sobti, H. Ueno, H. Noji, and A.G. Stewart, Nat. Commun., 12, 4690 (2021).)を溶媒のエントロピーの観点から解析し、44°の回転に伴う水のエントロピー変化がほぼ0であることを明らかにした。さらにこの成果を元に、回転に伴う系の自由エネルギー変化もほぼ0であり、内部散逸が生じないことを議論した。この結果は鳥谷部らの実験結果(S. Toyabe, T. Okamoto, T. Watanabe-Nakayama, H. Taketani, S. Kudo, E. Muneyuki, Proc. Natl. Acad. Sci. U.S. A. 108 (2011) 17951.)とコンシステントである。この成果は現在論文投稿中である。(2)領域内共同研究を行い、フェリチンのアミノ酸置換に伴う熱安定性変化の実験結果について、水のエントロピーの観点から解釈を与えた。この成果も現在論文投稿中である。(3)タンパク質の水和を高速かつ正確に予測する深層学習モデル「gr Predictor」の論文を出版した(K. Kawama, Y. Fukushima, M. Ikeguchi, M. Ohta, and T. Yoshidome, J. Chem. Inf. Model. 2022, 62, 4460)。(4)単純流体を用いて、分子性流体用積分方程式理論で得られた水和エントロピーを定量的に再現する手法について、論文を出版した(T. Yoshidome, J. Phys. Soc. Jpn., 2022, 91, 094802)。(5)アミノ酸配列のみからタンパク質のドメインを予測する深層学習モデルの開発研究を行った。

現在までの達成度 (段落)

令和4年度が最終年度であるため、記入しない。

今後の研究の推進方策

令和4年度が最終年度であるため、記入しない。

  • 研究成果

    (5件)

すべて 2022

すべて 雑誌論文 (2件) (うち査読あり 2件) 学会発表 (3件) (うち国際学会 1件)

  • [雑誌論文] Simple-Fluid Model for Accurate Reproduction of Hydration Entropy2022

    • 著者名/発表者名
      Yoshidome Takashi
    • 雑誌名

      Journal of the Physical Society of Japan

      巻: 91 ページ: 094802-1-6

    • DOI

      10.7566/JPSJ.91.094802

    • 査読あり
  • [雑誌論文] gr Predictor: A Deep Learning Model for Predicting the Hydration Structures around Proteins2022

    • 著者名/発表者名
      Kawama Kosuke、Fukushima Yusaku、Ikeguchi Mitsunori、Ohta Masateru、Yoshidome Takashi
    • 雑誌名

      Journal of Chemical Information and Modeling

      巻: 62 ページ: 4460~4473

    • DOI

      10.1021/acs.jcim.2c00987

    • 査読あり
  • [学会発表] 深層学習を用いたタンパク質ドメインの予測研究2022

    • 著者名/発表者名
      佐藤 連太、浴本 亨、吉留 崇
    • 学会等名
      第60回日本生物物理学会年会
  • [学会発表] 深層学習を用いたタンパク質ドメインの予測研究2022

    • 著者名/発表者名
      佐藤 連太、浴本 亨、吉留 崇
    • 学会等名
      第36回分子シミュレーション討論会
  • [学会発表] A Deep-Learning Model for the Prediction of Protein Domains2022

    • 著者名/発表者名
      Renta Sato, Toru Ekimoto, and Takashi Yoshidome
    • 学会等名
      The 67th Biophysical Society Annual Meeting
    • 国際学会

URL: 

公開日: 2023-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi