機械学習による進化分子工学の加速：抗体分子の機能創出を目指して

利用机器学习加速进化分子工程：旨在在抗体分子中创造功能

• 批准号: 22KJ0218
• 负责人: 河田 早矢
• 金额: $ 1.09万
• 依托单位: Tohoku University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2023
• 资助国家: 日本
• 起止时间: 2023-03-08 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ0218/
• 关键词: 進化分子工学; タンパク質; 抗体; ファージ提示法; 機械学習

本研究では、実験的に作製できる限られた数の変異タンパク質集団のデータを手がかりに、理論上存在し得る膨大な種類の変異体(配列空間)の機能指向を機械学習により予測することで、分子標的薬として利用可能な結合機能をもつ抗体タンパク質を確実に創出できる進化分子工学プロセスの開発を目標としている。本年度は、(1)次世代シーケンサー(NGS)解析を活用した機械学習データの作成、(2)機械学習によるアミノ酸配列空間の機能指向予測を行い、本研究プロセスの有効性を検証した。(1)NGS解析を活用した機械学習データの作成：結合機能陽性抗体のアミノ酸配列予測に向け、配列と機能情報を紐づけた学習データの構築を試みた。まず、相補性決定領域(CDR)にランダム変異導入した抗体断片提示M13ファージライブラリーを作製し、標的分子に対する結合選択操作を行った。次に、結合選択操作過程における変異体群のNGS解析を行い、各変異体の占有率変化を評価した結果、結合陽性な変異体と結合陰性な変異体では占有率の上昇度合いに違いがあることを見出した。この結果から、NGS解析を活用し、結合選択操作過程における占有率上昇度合いを結合機能として紐づけることで、配列空間の機能指向予測に向けた機械学習データを作成できた。(2)機械学習によるアミノ酸配列空間の機能指向予測：NGS解析により作成した学習データを機械学習に提供し、アミノ酸配列空間の機能指向を予測した結果、CDRの特定の残基位置の配列が結合機能に重要であることが示唆された。そこで、機械学習が提案した有望アミノ酸配列から成る変異体を実際に作製し結合活性評価を行ったところ、従来法により発見した変異体よりも10倍程度結合力の高い変異体を取得できた。以上の結果から、結合選択操作過程における変異体の占有率情報を基にした機械学習により、結合力の高い抗体を取得できる可能性が示された。

在这项研究中，我们使用机器学习来预测理论上可能存在的各种突变体（序列空间）的功能方向，使用来自可以通过实验创建的有限数量的突变蛋白群体的数据。进化分子工程过程，可以可靠地创建具有结合功能的抗体蛋白，可用作分子靶向药物。今年，我们通过以下方式验证了这一研究过程的有效性：(1) 使用下一代测序仪 (NGS) 分析创建机器学习数据，以及 (2) 使用机器学习对氨基酸序列空间进行面向功能的预测。 (1)使用NGS分析创建机器学习数据：为了预测结合功能阳性抗体的氨基酸序列，我们尝试构建将序列和功能信息联系起来的学习数据。首先，我们创建了一个展示抗体片段的M13噬菌体文库，其中在互补决定区（CDR）中引入了随机突变，并对目标分子进行了结合选择操作。接下来，我们对结合选择操作过程中的突变体组进行了NGS分析，并评估了每个突变体的占有率变化，结果发现，结合阳性和结合之间的占有率增加程度存在差异。 -我发现了阴性突变体。根据该结果，我们能够利用NGS分析并将键选择操作过程中的占有率增加程度作为键函数联系起来，创建用于序列空间的面向函数预测的机器学习数据。 (2)通过机器学习以功能为导向的氨基酸序列空间预测：将NGS分析创建的训练数据提供给机器学习，作为以功能为导向的氨基酸序列空间预测的结果，CDR的特定残基位置的序列被提供给机器学习。有人认为这对于功能很重要。因此，当我们实际创建由机器学习提出的有希望的氨基酸序列组成的突变体并评估其结合活性时，我们能够获得比使用常规方法发现的突变体具有约10倍高结合强度的突变体。上述结果表明，基于结合选择过程中突变体的占据信息，通过机器学习可以获得具有高结合强度的抗体。

项目成果

大規模配列解析と機械学習を連携させたファージ提示法：抗体断片の機能創出を目指して

结合大规模序列分析和机器学习的噬菌体展示方法：旨在创造抗体片段的功能

• 发表时间: 2022
• 作者: 河田 早矢; 来見田 遥一; 伊藤 智之; グエン トゥイズオン; 中澤 光; 西 羽美; 齋藤 裕; 亀田 倫史; 津田 宏治; 梅津 光央
• 通讯作者: 梅津 光央

Machine-learning application for in vitro selection of antibody fragments from a phage display library

用于从噬菌体展示库中体外选择抗体片段的机器学习应用

• 发表时间: 2022
• 作者: Sakiya Kawada; Yoichi Kurumida; Tomoyuki Ito; Thuy Duong Nguyen; Hikaru Nakazawa; Hafumi Nishi; Yutaka Saito; Tomoshi Kameda; Koji Tsuda; Mitsuo Umetsu
• 通讯作者: Mitsuo Umetsu

機械学習を組み入れたファージライブラリー法の開発:パニング情報からのリード分子の成熟化操作

结合机器学习的噬菌体库方法的开发：通过淘选信息对先导分子进行成熟操作

• 发表时间: 2022
• 作者: 河田 早矢; 来見田 遥一; 伊藤 智之; グエン トゥイズオン; 中澤 光; 西 羽美; 齋藤 裕; 亀田 倫史; 津田 宏治; 梅津 光央
• 通讯作者: 梅津 光央