Docking prediction and design of peptides by molecluar simulation and deep learning

通过分子模拟和深度学习进行肽的对接预测和设计

基本信息

批准号：
21K12122
负责人：
清水謙多郎
金额：
$ 2.66万
依托单位：
The University of Tokyo
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

前年度に引き続き、敵対性生成ネットワークGANに独自のフィードバック機能を加えた手法を用いて抗ウイルスペプチドを設計する研究を行い、溶解度が高いと予測される新規ペプチドを複数生成した。これらの物理化学特性を予測し、既知の抗ウイルスペプチドと同等の特性をもつ可能性が高いことを示した。本研究の成果はJournal of Bioinformatics and Computational Biologyに採択されている。また、今年度は、ペプチドのアミノ酸配列から最小発育阻止濃度（MIC値）を予測する抗菌ペプチドの活性予測システムを開発した。複数の機械学習の手法を試し、既存の研究に匹敵する精度を得ることができている。とくに、畳み込みニューラルネットワークと自然言語処理モデルのBERTを組み合わせた新しい手法を適用したところ、R2値で0.6という結果であった。現在、手法の再検討を行っている。さらに今年度は、アミノ酸配列から血圧降下作用の有無を予測するシステムも開発した。従来の予測研究で用いられてきたManavalanらのデータセットは、訓練用とテスト用で配列が重複しており、エビデンスが不明なものもあったため、データセットを新たに構築した。Random Forestの派生手法であるExtra Treeを用いることで、ACCが0.801、ROC-AUCが0.875という性能を得た。Web上で公開されている先行研究に対して同じデータセットで予測したところACCが0.804, ROC-AUCが0.863となり、先行研究とおおむね同程度の性能を示した。さらに、予測に寄与した特徴量を解析したところ、プロリンやロイシンの出現頻度、疎水基アミノ酸が特定の位置に出現する傾向などが得られた。現在、これらの結果と血圧降下ペプチドの作用機序との関係について解析を行っている。

延续去年，我们进行了抗病毒肽设计研究，采用了在对抗性生成网络GAN中添加独特反馈功能的方法，并生成了几种预计具有高溶解度的新肽。我们预测了这些物理化学特性，并表明它们可能具有与已知抗病毒肽相同的特性。该研究成果已被《生物信息学与计算生物学杂志》接收。此外，今年我们开发了一种抗菌肽活性预测系统，可以根据肽的氨基酸序列预测最低抑菌浓度（MIC 值）。他们测试了多种机器学习方法，并且能够获得与现有研究相当的准确性。特别是，当应用结合了卷积神经网络和自然语言处理模型BERT的新方法时，结果是R2值为0.6。我们目前正在重新考虑该方法。此外，今年，我们开发了一种系统，可以根据氨基酸序列预测是否存在降压作用。 Manavalan等人的数据集已在之前的预测研究中使用，其训练和测试序列有重叠，并且一些证据不清楚，因此构建了一个新的数据集。通过使用随机森林的衍生品 Extra Tree，我们的 ACC 性能达到 0.801，ROC-AUC 性能达到 0.875。当使用与先前在网络上发布的研究相同的数据集进行预测时，ACC 为 0.804，ROC-AUC 为 0.863，显示与先前研究大致相同的性能。此外，通过分析有助于预测的特征，我们发现了脯氨酸和亮氨酸出现的频率以及疏水性氨基酸出现在特定位置的趋势等信息。我们目前正在分析这些结果与降压肽作用机制之间的关系。