分子動力学計算と機械学習を援用してタンパク質の構造変化を予測する

使用分子动力学计算和机器学习预测蛋白质结构变化

基本信息

批准号：
21K06094
负责人：
原田隆平
金额：
$ 2.66万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究は, 機械学習（異常検知）を用いてタンパク質の構造変化を効率的に探索する計算手法の開発を目標とする. 手法開発にあたり, 開発を進めてきた長時間ダイナミクス抽出法（PaCS-MD: Paralllel Cascade Selection Molecular Dynamics)を異常検知型PaCS-MDへ拡張した. 初年度は, 異常検知型PaCS-MDをタンパク質単量体の比較的単純な構造変化（Open-Closed構造遷移など）に適用し, 通常のMDと比較して効率的に構造探索できることを示した. 次年度は, 本手法の適用範囲をさらに拡大し, 複数のタンパク質から成る多量体へ適用した. 具体的には, 多量体の解離過程を異常検知型PaCS-MDを適用することで抽出し, 解離過程の各段階に存在する中間状態（構造）の同定に成功した. しかしながら, 極めて異常度が高い分子構造を繰り返して構造探索してしまうと, タンパク質の変性度合いが急激に高まり, 構造妥当性が低い分子構造を生成してしまう可能性があることが判明した. この問題を回避するために, 異常度が高い分子構造に対して構造妥当性評価を同時に実施し,安全な構造探索を実現することに成功した. 拡張としては, 元々の異常検知型PaCS-MDでは分子内の残基間コンタクトに基づく距離行列を機械学習し, 異常度が高い分子構造を抽出して構造探索を繰り返していた. これに対して多量体では, 分子間の距離行列を定義して異常検知しながら構造探索を進めることで, 通常のMDでは抽出できない多量体の解離過程の抽出に成功した. 現在, 異常検知型PaCS-MDから同定された中間体構造の妥当性を実験研究者との共同研究により評価している段階にある.

这项研究旨在开发一种计算方法，该方法在方法开发中有效地探索蛋白质的结构变化。：Parallel级联选择分子动力学）を异常検知型PACS-MDへ拡张したへ拡张した，PACS-MD をタンパク质単量体の比较的単纯な构造変化（（开放式闭合构造迁移など）它表明与下一个财政年度相比，它可以有效地搜索。通过应用异常检测类型PACS-MD提取，并且在解剖过程的每个阶段都存在中间状态（结构），已成功识别出蛋白质的变性程度迅速增加，并可能导致分子结构结构性较低，结构性有效评估是同时进行的，并且成功的结构搜索是一种延伸，而原始的异常检测类型PACS-MD具有基于分子间询问机器的变形矩阵通过提取具有高度异常的分子结构来提取学习，并通过定义分子之间的距离矩阵，进行异常检测，并促进了探索的结构。与实验研究人员的联合研究评估了许多从MD中提取的大量物体。