JP2003196575A - 蛋白質構造予測装置、蛋白質構造予測方法、プログラム、および、記録媒体 - Google Patents
蛋白質構造予測装置、蛋白質構造予測方法、プログラム、および、記録媒体Info
- Publication number
- JP2003196575A JP2003196575A JP2001398569A JP2001398569A JP2003196575A JP 2003196575 A JP2003196575 A JP 2003196575A JP 2001398569 A JP2001398569 A JP 2001398569A JP 2001398569 A JP2001398569 A JP 2001398569A JP 2003196575 A JP2003196575 A JP 2003196575A
- Authority
- JP
- Japan
- Prior art keywords
- fragment
- sequence
- matrix
- query
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 67
- 108090000623 proteins and genes Proteins 0.000 title claims description 52
- 102000004169 proteins and genes Human genes 0.000 title claims description 52
- 239000012634 fragment Substances 0.000 claims description 438
- 239000011159 matrix material Substances 0.000 claims description 209
- 238000000455 protein structure prediction Methods 0.000 claims description 57
- 238000005457 optimization Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 8
- 108010069898 fibrinogen fragment X Proteins 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000007796 conventional method Methods 0.000 description 6
- 230000010365 information processing Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000002922 simulated annealing Methods 0.000 description 4
- 125000003275 alpha amino acid group Chemical group 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 125000000539 amino acid group Chemical group 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
- G16B15/20—Protein or domain folding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/30—Unsupervised data analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Crystallography & Structural Chemistry (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
(57)【要約】
【課題】 相関の複雑な多様体や相関の確信度をも表現
可能なように、部分配列から部分構造の相関を計算し、
構造を予測することができるシステム等を提供すること
を課題とする。 【解決手段】 本発明は、ある配列Ａの周りに存在する
この配列に似ている配列が、構造空間上でどの構造クラ
スターに属するか（どのような似方をしていれば、どの
構造クラスターに属するか）を計算し、この配列の周り
に仮想的なクラスターを作成する。そして、本発明は、
ある未知構造配列断片Ｘが与えられたとき、これが配列
Ａに似ている、配列Ｃに似ているなどの情報を取得し、
これらの情報に基づいて仮想クラスターを組み合わせ
て、最終的に配列がどの構造クラスターに属するかを予
測する。
可能なように、部分配列から部分構造の相関を計算し、
構造を予測することができるシステム等を提供すること
を課題とする。 【解決手段】 本発明は、ある配列Ａの周りに存在する
この配列に似ている配列が、構造空間上でどの構造クラ
スターに属するか（どのような似方をしていれば、どの
構造クラスターに属するか）を計算し、この配列の周り
に仮想的なクラスターを作成する。そして、本発明は、
ある未知構造配列断片Ｘが与えられたとき、これが配列
Ａに似ている、配列Ｃに似ているなどの情報を取得し、
これらの情報に基づいて仮想クラスターを組み合わせ
て、最終的に配列がどの構造クラスターに属するかを予
測する。
Description
【０００１】
【発明の属する技術分野】本発明は、蛋白質構造予測装
置、蛋白質構造予測方法、プログラム、および、記録媒
体に関し、特に、配列と構造の相関により蛋白質の立体
構造を予測する蛋白質構造予測装置、蛋白質構造予測方
法、プログラム、および、記録媒体に関する。
置、蛋白質構造予測方法、プログラム、および、記録媒
体に関し、特に、配列と構造の相関により蛋白質の立体
構造を予測する蛋白質構造予測装置、蛋白質構造予測方
法、プログラム、および、記録媒体に関する。
【０００２】
【従来の技術】蛋白質の立体構造は、配列情報から一意
に決まると言われている。つまり、配列空間と構造空間
との間には何らかの相関があるということである。ここ
で、配列空間と構造空間（ネイティブ構造の空間）の大
きさを比較してみると、配列空間の方が大きいと言え
る。なぜなら、進化的に見ると、配列が多少変化したと
しても構造はあまり変化しているようには見えないから
である。このことを換言すると、構造の方が配列よりも
進化的に保守性が強いとも言える。
に決まると言われている。つまり、配列空間と構造空間
との間には何らかの相関があるということである。ここ
で、配列空間と構造空間（ネイティブ構造の空間）の大
きさを比較してみると、配列空間の方が大きいと言え
る。なぜなら、進化的に見ると、配列が多少変化したと
しても構造はあまり変化しているようには見えないから
である。このことを換言すると、構造の方が配列よりも
進化的に保守性が強いとも言える。
【０００３】また、近年の進化的に良く似た蛋白質の構
造解析によって、似たような配列をもつ蛋白質は、似た
ような全体構造をもつということが明らかになってき
た。全体は部分の組み合わせから作られていると考える
と、蛋白質の全体構造に対して成り立つであろう上記の
ような経験則が、蛋白質の一部を切り出した部分に関し
てもある程度成り立つのではないかと考えることができ
る。
造解析によって、似たような配列をもつ蛋白質は、似た
ような全体構造をもつということが明らかになってき
た。全体は部分の組み合わせから作られていると考える
と、蛋白質の全体構造に対して成り立つであろう上記の
ような経験則が、蛋白質の一部を切り出した部分に関し
てもある程度成り立つのではないかと考えることができ
る。
【０００４】実際に、蛋白質の似たような部分配列は似
たような部分構造となるという部分配列と部分構造とに
相関のあるものが存在している。最近の研究では、部分
配列と部分構造との相関を利用して、部分配列から全体
構造を組み立てるという試みが試されてきている。
たような部分構造となるという部分配列と部分構造とに
相関のあるものが存在している。最近の研究では、部分
配列と部分構造との相関を利用して、部分配列から全体
構造を組み立てるという試みが試されてきている。
【０００５】例えば、Ｋｉｍ Ｔ．Ｓｉｍｏｎｓ等
「Ａｓｓｅｍｂｌｙ ｏｆ Ｐｒｏｔｅｉｎ Ｔｅｒｔ
ｉａｒｙ Ｓｔｒｕｃｔｕｒｅｓ ｆｒｏｍ Ｆｒａｇ
ｍｅｎｔｓ ｗｉｔｈ Ｓｉｍｉｌａｒ Ｌｏｃａｌ
Ｓｅｑｕｅｎｃｅｓ ｕｓｉｎｇ Ｓｉｍｕｌａｔｅｄ
Ａｎｎｅａｌｉｎｇ ａｎｄ Ｂａｙｅｓｉａｎ Ｓ
ｃｏｒｉｎｇ Ｆｕｎｃｔｉｏｎｓ」Ｊ．Ｍｏｌ．Ｂｉ
ｏｌ．（１９９７）２６８，２０９ｐ−２２５ｐ（以下
「文献１」という）や、ＣｈｒｉｓｔｏｐｈｅｒＢｙｓ
ｔｒｏｆｆ等「Ｐｒｅｄｅｃｔｉｏｎ ｏｆ Ｌｏｃａ
ｌ Ｓｔｒｕｃｔｕｒｅ ｉｎ Ｐｒｏｔｅｉｎｓ Ｕ
ｓｉｎｇ ａ Ｌｉｂｒａｒｙ ｏｆＳｅｑｕｅｎｃｅ
−Ｓｔｒｕｃｔｕｒｅ Ｍｏｔｉｆｓ」Ｊ．Ｍｏｌ．Ｂ
ｉｏｌ．（１９９８）２８１，５６５ｐ−５７７ｐ（以
下「文献２」という）により開示された研究において
は、部分配列に対応する構造をクラスタリングすること
により、広大な構造（ｆｏｌｄｉｎｇ）空間を狭めるこ
とが可能となり、フォールディング・シミュレーション
の計算時間の短縮にも繋がっている。
「Ａｓｓｅｍｂｌｙ ｏｆ Ｐｒｏｔｅｉｎ Ｔｅｒｔ
ｉａｒｙ Ｓｔｒｕｃｔｕｒｅｓ ｆｒｏｍ Ｆｒａｇ
ｍｅｎｔｓ ｗｉｔｈ Ｓｉｍｉｌａｒ Ｌｏｃａｌ
Ｓｅｑｕｅｎｃｅｓ ｕｓｉｎｇ Ｓｉｍｕｌａｔｅｄ
Ａｎｎｅａｌｉｎｇ ａｎｄ Ｂａｙｅｓｉａｎ Ｓ
ｃｏｒｉｎｇ Ｆｕｎｃｔｉｏｎｓ」Ｊ．Ｍｏｌ．Ｂｉ
ｏｌ．（１９９７）２６８，２０９ｐ−２２５ｐ（以下
「文献１」という）や、ＣｈｒｉｓｔｏｐｈｅｒＢｙｓ
ｔｒｏｆｆ等「Ｐｒｅｄｅｃｔｉｏｎ ｏｆ Ｌｏｃａ
ｌ Ｓｔｒｕｃｔｕｒｅ ｉｎ Ｐｒｏｔｅｉｎｓ Ｕ
ｓｉｎｇ ａ Ｌｉｂｒａｒｙ ｏｆＳｅｑｕｅｎｃｅ
−Ｓｔｒｕｃｔｕｒｅ Ｍｏｔｉｆｓ」Ｊ．Ｍｏｌ．Ｂ
ｉｏｌ．（１９９８）２８１，５６５ｐ−５７７ｐ（以
下「文献２」という）により開示された研究において
は、部分配列に対応する構造をクラスタリングすること
により、広大な構造（ｆｏｌｄｉｎｇ）空間を狭めるこ
とが可能となり、フォールディング・シミュレーション
の計算時間の短縮にも繋がっている。
【０００６】ここで、文献１には、ｌｏｃａｌな配列に
よってｌｏｃａｌ構造は特定の偏った構造に制限される
ので構造空間は小さくなること、その構造は配列上近い
蛋白質の構造に類似していること、配列のプロファイル
をマルチプルアラインメントにより求め、問合せ（ｑｕ
ｅｒｙ）配列との距離の近さを求めることなどが開示さ
れている。
よってｌｏｃａｌ構造は特定の偏った構造に制限される
ので構造空間は小さくなること、その構造は配列上近い
蛋白質の構造に類似していること、配列のプロファイル
をマルチプルアラインメントにより求め、問合せ（ｑｕ
ｅｒｙ）配列との距離の近さを求めることなどが開示さ
れている。
【０００７】また、文献２には、断片構造と配列の相関
がある場合には、断片の配列傾向から限られた数の構造
の候補がとりだせること、構造に関しては二つの構造指
標を用いてクラスタリングを行い、また、配列について
はｆｒｅｑｕｅｎｃｙ ｐｒｏｆｉｌｅの距離を使って
計算し、クラスター作成は配列が似ているものの中から
構造が似ているものを探してクラスター化することによ
り実際に配列−構造断片のクラスターを作成することが
開示されている。
がある場合には、断片の配列傾向から限られた数の構造
の候補がとりだせること、構造に関しては二つの構造指
標を用いてクラスタリングを行い、また、配列について
はｆｒｅｑｕｅｎｃｙ ｐｒｏｆｉｌｅの距離を使って
計算し、クラスター作成は配列が似ているものの中から
構造が似ているものを探してクラスター化することによ
り実際に配列−構造断片のクラスターを作成することが
開示されている。
【０００８】従来技術による構造クラスター作成過程を
図１および図２を用いて説明する。ここで、図１は、従
来技術により配列をプロファイルで表現した場合の一例
を示す図であり、図２は、従来技術による構造クラスタ
ー作成イメージを示す図である。
図１および図２を用いて説明する。ここで、図１は、従
来技術により配列をプロファイルで表現した場合の一例
を示す図であり、図２は、従来技術による構造クラスタ
ー作成イメージを示す図である。
【０００９】まず、配列をプロファイルで表現する。こ
こで、図１（ａ）に示すように、配列（ＡＧＧＥＤ）に
対応するアミノ酸に「１」を設定することにより、プロ
ファイルを作成する。また、例えば配列（ＡＧＧＥＤ）
と（ＡＤＧＤＤ）が一つのクラスターを構成していると
きには、このクラスターのプロファイルを図１（ｂ）の
ように作成する。すなわち、クラスター内に属する配列
に関して、ある位置に存在するアミノ酸の頻度を設定す
ることにより、プロファイルを作成する。プロファイル
で比較することにより、配列一つとクラスター間の類似
度が計算できる。
こで、図１（ａ）に示すように、配列（ＡＧＧＥＤ）に
対応するアミノ酸に「１」を設定することにより、プロ
ファイルを作成する。また、例えば配列（ＡＧＧＥＤ）
と（ＡＤＧＤＤ）が一つのクラスターを構成していると
きには、このクラスターのプロファイルを図１（ｂ）の
ように作成する。すなわち、クラスター内に属する配列
に関して、ある位置に存在するアミノ酸の頻度を設定す
ることにより、プロファイルを作成する。プロファイル
で比較することにより、配列一つとクラスター間の類似
度が計算できる。
【００１０】そして、配列プロファイルの似ているもの
が同じクラスター（図２の（ａ）における１から５）に
入るように、配列空間においてクラスタリングする（図
２の（ａ））。すなわち、配列プロファイルの類似度を
計算して、配列全体の類似度を計算することにより、等
方向的なクラスターが作成される。
が同じクラスター（図２の（ａ）における１から５）に
入るように、配列空間においてクラスタリングする（図
２の（ａ））。すなわち、配列プロファイルの類似度を
計算して、配列全体の類似度を計算することにより、等
方向的なクラスターが作成される。
【００１１】そして、その配列が構造空間においてどの
点に対応するかの相関を見て（図２の（ｂ）では、クラ
スター１について構造空間との相関をとっている）、配
列−構造間の相関が大きいものをクラスター化する（図
２の（ｃ））。すなわち、図２（ｂ）の配列空間のクラ
スターに含まれる一つ一つの配列について、構造空間の
点が近いもの（構造が似ているもの）を抽出し、構造が
似ていないものは捨てる。このように作成されたクラス
ターと、捨てられた配列とを用いて、処理を繰返すこと
により、構造クラスターを作成する。
点に対応するかの相関を見て（図２の（ｂ）では、クラ
スター１について構造空間との相関をとっている）、配
列−構造間の相関が大きいものをクラスター化する（図
２の（ｃ））。すなわち、図２（ｂ）の配列空間のクラ
スターに含まれる一つ一つの配列について、構造空間の
点が近いもの（構造が似ているもの）を抽出し、構造が
似ていないものは捨てる。このように作成されたクラス
ターと、捨てられた配列とを用いて、処理を繰返すこと
により、構造クラスターを作成する。
【００１２】
【発明が解決しようとする課題】しかしながら、これら
の従来の手法においては、配列プロファイルを用いた静
的な配列と構造との相関クラスターを作っているが、実
際には配列空間と構造空間との相関は複雑な多様体を形
成していると思われ、プロファイルといういわば空間上
で等方向的な相関の取り方では不十分であるという問題
点を有していた。
の従来の手法においては、配列プロファイルを用いた静
的な配列と構造との相関クラスターを作っているが、実
際には配列空間と構造空間との相関は複雑な多様体を形
成していると思われ、プロファイルといういわば空間上
で等方向的な相関の取り方では不十分であるという問題
点を有していた。
【００１３】また、全体構造は部分構造から作られると
はいえ、当然のことながら部分的に相関の大きいもの、
小さいもの、または、相関が見えないものなどがあるは
ずであり、従来の手法においては、それらの定量化も不
十分であるという問題点を有していた。
はいえ、当然のことながら部分的に相関の大きいもの、
小さいもの、または、相関が見えないものなどがあるは
ずであり、従来の手法においては、それらの定量化も不
十分であるという問題点を有していた。
【００１４】本発明は上記問題点に鑑みてなされたもの
で、相関の複雑な多様体や相関の確信度をも表現可能な
ように、部分配列から部分構造の相関を計算することの
できる、蛋白質構造予測装置、蛋白質構造予測方法、プ
ログラム、および、記録媒体を提供することを目的とし
ている。
で、相関の複雑な多様体や相関の確信度をも表現可能な
ように、部分配列から部分構造の相関を計算することの
できる、蛋白質構造予測装置、蛋白質構造予測方法、プ
ログラム、および、記録媒体を提供することを目的とし
ている。
【００１５】
【課題を解決するための手段】このような目的を達成す
るため、請求項１に記載の蛋白質構造予測装置は、蛋白
質の配列情報および立体構造情報に基づいて、配列情報
を所定の長さに分割した断片配列とそれに対応する断片
構造とを作成し、当該断片構造の類似度に基づいて断片
構造クラスターを作成する断片構造クラスター作成手段
と、上記断片配列について配列空間上における周囲の上
記断片配列と配列類似性検索を行う断片配列類似性検索
手段と、上記断片配列の類似配列が上記断片構造クラス
ターに属する確率である確信度を、上記断片配列と上記
構造クラスターとの行列で表示する確信度マトリックス
を作成する確信度マトリックス作成手段と、利用者に問
合せ配列を入力させる問合せ配列入力手段と、上記問合
せ配列入力手段にて入力された上記問合せ配列を所定の
長さに分割して問合せ断片配列を作成する問合せ断片配
列作成手段と、上記問合せ断片配列作成手段にて作成さ
れた上記問合せ断片配列について、上記断片配列と配列
類似性検索を行う問合せ断片配列類似性検索手段と、上
記確信度マトリックス作成手段にて作成した上記確信度
マトリックスと、上記問合せ断片配列類似性検索手段の
検索結果とに基づいて、上記問合せ断片配列が上記断片
構造クラスターに属する確率を計算する断片構造確率計
算手段と、上記断片構造確率計算手段にて計算された上
記確率に基づいて、上記問合せ配列の上記断片構造を予
測する断片配列構造予測手段とを備えたことを特徴とす
る。
るため、請求項１に記載の蛋白質構造予測装置は、蛋白
質の配列情報および立体構造情報に基づいて、配列情報
を所定の長さに分割した断片配列とそれに対応する断片
構造とを作成し、当該断片構造の類似度に基づいて断片
構造クラスターを作成する断片構造クラスター作成手段
と、上記断片配列について配列空間上における周囲の上
記断片配列と配列類似性検索を行う断片配列類似性検索
手段と、上記断片配列の類似配列が上記断片構造クラス
ターに属する確率である確信度を、上記断片配列と上記
構造クラスターとの行列で表示する確信度マトリックス
を作成する確信度マトリックス作成手段と、利用者に問
合せ配列を入力させる問合せ配列入力手段と、上記問合
せ配列入力手段にて入力された上記問合せ配列を所定の
長さに分割して問合せ断片配列を作成する問合せ断片配
列作成手段と、上記問合せ断片配列作成手段にて作成さ
れた上記問合せ断片配列について、上記断片配列と配列
類似性検索を行う問合せ断片配列類似性検索手段と、上
記確信度マトリックス作成手段にて作成した上記確信度
マトリックスと、上記問合せ断片配列類似性検索手段の
検索結果とに基づいて、上記問合せ断片配列が上記断片
構造クラスターに属する確率を計算する断片構造確率計
算手段と、上記断片構造確率計算手段にて計算された上
記確率に基づいて、上記問合せ配列の上記断片構造を予
測する断片配列構造予測手段とを備えたことを特徴とす
る。
【００１６】この装置によれば、蛋白質の配列情報およ
び立体構造情報に基づいて、配列情報を所定の長さに分
割した断片配列とそれに対応する断片構造とを作成し、
当該断片構造の類似度に基づいて断片構造クラスターを
作成し、断片配列について配列空間上における周囲の断
片配列と配列類似性検索を行い、断片配列の類似配列が
断片構造クラスターに属する確率である確信度を、断片
配列と構造クラスターとの行列で表示する確信度マトリ
ックスを作成する。そして、利用者に問合せ配列を入力
させ、入力された問合せ配列を所定の長さに分割して問
合せ断片配列を作成し、作成された問合せ断片配列につ
いて、断片配列と配列類似性検索を行い、作成した確信
度マトリックスと検索結果とに基づいて、問合せ断片配
列が断片構造クラスターに属する確率を計算し、計算さ
れた確率に基づいて、問合せ配列の断片構造を予測する
ので、相関の複雑な多様体や相関の確信度をも表現可能
なように、部分配列から部分構造の相関を計算し、その
部分構造を予測することができるようになる。すなわ
ち、本発明は、構造を計算する際、相関の度合に応じて
複数の構造候補の確率（確信度）を与えて持たせておく
（確信度の関数を構造変化の確率として用いる）ことが
できる。
び立体構造情報に基づいて、配列情報を所定の長さに分
割した断片配列とそれに対応する断片構造とを作成し、
当該断片構造の類似度に基づいて断片構造クラスターを
作成し、断片配列について配列空間上における周囲の断
片配列と配列類似性検索を行い、断片配列の類似配列が
断片構造クラスターに属する確率である確信度を、断片
配列と構造クラスターとの行列で表示する確信度マトリ
ックスを作成する。そして、利用者に問合せ配列を入力
させ、入力された問合せ配列を所定の長さに分割して問
合せ断片配列を作成し、作成された問合せ断片配列につ
いて、断片配列と配列類似性検索を行い、作成した確信
度マトリックスと検索結果とに基づいて、問合せ断片配
列が断片構造クラスターに属する確率を計算し、計算さ
れた確率に基づいて、問合せ配列の断片構造を予測する
ので、相関の複雑な多様体や相関の確信度をも表現可能
なように、部分配列から部分構造の相関を計算し、その
部分構造を予測することができるようになる。すなわ
ち、本発明は、構造を計算する際、相関の度合に応じて
複数の構造候補の確率（確信度）を与えて持たせておく
（確信度の関数を構造変化の確率として用いる）ことが
できる。
【００１７】また、蛋白質立体構造を相関の大きな部分
構造のブロックとして考える手法は以前からあるが、本
装置ではまず部分構造のクラスターを作り、構造配列相
関多様体の複雑な形を考慮して、問合せ（ｑｕｅｒｙ）
配列が与えられた後に動的に配列相関クラスターを作る
ことができる。
構造のブロックとして考える手法は以前からあるが、本
装置ではまず部分構造のクラスターを作り、構造配列相
関多様体の複雑な形を考慮して、問合せ（ｑｕｅｒｙ）
配列が与えられた後に動的に配列相関クラスターを作る
ことができる。
【００１８】また、本装置は、構造クラスターを違う観
点から（例えば、断片配列の長さ、断片構造の解像度、
構造クラスターの大きさ、相関の度合い等）いくつも作
り、それぞれのデータセットからの構造予測結果を統合
して構造を計算することができるようになる。
点から（例えば、断片配列の長さ、断片構造の解像度、
構造クラスターの大きさ、相関の度合い等）いくつも作
り、それぞれのデータセットからの構造予測結果を統合
して構造を計算することができるようになる。
【００１９】また、請求項２に記載の蛋白質構造予測装
置は、請求項１に記載の蛋白質構造予測装置において、
上記断片配列類似性検索手段により上記断片配列に関し
て類似性検索をした結果を、断片配列の行列で表示した
類似性マトリックスを作成する類似性マトリックス作成
手段と、上記断片配列がどの上記断片構造クラスターに
属しているかを示す構造クラスター情報を、上記断片配
列と上記構造クラスターの行列で表示した構造クラスタ
ー情報マトリックスを作成する構造クラスター情報マト
リックス作成手段とをさらに備え、上記確信度マトリッ
クス作成手段は、上記類似性マトリックス作成手段にて
作成した上記類似性マトリックスと、上記構造クラスタ
ー情報マトリックス作成手段にて作成した上記構造クラ
スター情報マトリックスとに基づいて、上記確信度マト
リックスを作成することを特徴とする。
置は、請求項１に記載の蛋白質構造予測装置において、
上記断片配列類似性検索手段により上記断片配列に関し
て類似性検索をした結果を、断片配列の行列で表示した
類似性マトリックスを作成する類似性マトリックス作成
手段と、上記断片配列がどの上記断片構造クラスターに
属しているかを示す構造クラスター情報を、上記断片配
列と上記構造クラスターの行列で表示した構造クラスタ
ー情報マトリックスを作成する構造クラスター情報マト
リックス作成手段とをさらに備え、上記確信度マトリッ
クス作成手段は、上記類似性マトリックス作成手段にて
作成した上記類似性マトリックスと、上記構造クラスタ
ー情報マトリックス作成手段にて作成した上記構造クラ
スター情報マトリックスとに基づいて、上記確信度マト
リックスを作成することを特徴とする。
【００２０】これは確信度マトリックスの作成の一例を
一層具体的に示すものである。この装置によれば、断片
配列に関して類似性検索をした結果を、断片配列の行列
で表示した類似性マトリックスを作成する類似性マトリ
ックス作成手段と、断片配列がどの断片構造クラスター
に属しているかを示す構造クラスター情報を、断片配列
と構造クラスターの行列で表示した構造クラスター情報
マトリックスを作成し、作成した類似性マトリックスと
構造クラスター情報マトリックスとに基づいて、確信度
マトリックスを作成するので、行列演算手法を用いて類
似性検索結果に基づいて簡易かつ精緻に確信度を計算す
ることができるようになる。
一層具体的に示すものである。この装置によれば、断片
配列に関して類似性検索をした結果を、断片配列の行列
で表示した類似性マトリックスを作成する類似性マトリ
ックス作成手段と、断片配列がどの断片構造クラスター
に属しているかを示す構造クラスター情報を、断片配列
と構造クラスターの行列で表示した構造クラスター情報
マトリックスを作成し、作成した類似性マトリックスと
構造クラスター情報マトリックスとに基づいて、確信度
マトリックスを作成するので、行列演算手法を用いて類
似性検索結果に基づいて簡易かつ精緻に確信度を計算す
ることができるようになる。
【００２１】また、請求項３に記載の蛋白質構造予測装
置は、請求項１または２に記載の蛋白質構造予測装置に
おいて、最大の上記確信度を持つ上記断片構造にて決定
された初期全体構造について所定の最適化を行う全体構
造最適化手段をさらに備えたことを特徴とする。
置は、請求項１または２に記載の蛋白質構造予測装置に
おいて、最大の上記確信度を持つ上記断片構造にて決定
された初期全体構造について所定の最適化を行う全体構
造最適化手段をさらに備えたことを特徴とする。
【００２２】この装置によれば、最大の確信度を持つ断
片構造にて決定された初期全体構造について所定の最適
化を行うので、まず、初期構造を作成する際に様々な可
能な断片配列に分割しそれらの最適な予測結果を統合す
ることができるようになる。また、初期構造をさらに最
適化を行うことにより、全体構造予測の精度をさらに上
げることができるようになる。
片構造にて決定された初期全体構造について所定の最適
化を行うので、まず、初期構造を作成する際に様々な可
能な断片配列に分割しそれらの最適な予測結果を統合す
ることができるようになる。また、初期構造をさらに最
適化を行うことにより、全体構造予測の精度をさらに上
げることができるようになる。
【００２３】また、本発明は蛋白質構造予測方法に関す
るものであり、請求項４に記載の蛋白質構造予測方法
は、蛋白質の配列情報および立体構造情報に基づいて、
配列情報を所定の長さに分割した断片配列とそれに対応
する断片構造とを作成し、当該断片構造の類似度に基づ
いて断片構造クラスターを作成する断片構造クラスター
作成ステップと、上記断片配列について配列空間上にお
ける周囲の上記断片配列と配列類似性検索を行う断片配
列類似性検索ステップと、上記断片配列の類似配列が上
記断片構造クラスターに属する確率である確信度を、上
記断片配列と上記構造クラスターとの行列で表示する確
信度マトリックスを作成する確信度マトリックス作成ス
テップと、利用者に問合せ配列を入力させる問合せ配列
入力ステップと、上記問合せ配列入力ステップにて入力
された上記問合せ配列を所定の長さに分割して問合せ断
片配列を作成する問合せ断片配列作成ステップと、上記
問合せ断片配列作成ステップにて作成された上記問合せ
断片配列について、上記断片配列と配列類似性検索を行
う問合せ断片配列類似性検索ステップと、上記確信度マ
トリックス作成ステップにて作成した上記確信度マトリ
ックスと、上記問合せ断片配列類似性検索ステップの検
索結果とに基づいて、上記問合せ断片配列が上記断片構
造クラスターに属する確率を計算する断片構造確率計算
ステップと、上記断片構造確率計算ステップにて計算さ
れた上記確率に基づいて、上記問合せ配列の上記断片構
造を予測する断片配列構造予測ステップとを含むことを
特徴とする。
るものであり、請求項４に記載の蛋白質構造予測方法
は、蛋白質の配列情報および立体構造情報に基づいて、
配列情報を所定の長さに分割した断片配列とそれに対応
する断片構造とを作成し、当該断片構造の類似度に基づ
いて断片構造クラスターを作成する断片構造クラスター
作成ステップと、上記断片配列について配列空間上にお
ける周囲の上記断片配列と配列類似性検索を行う断片配
列類似性検索ステップと、上記断片配列の類似配列が上
記断片構造クラスターに属する確率である確信度を、上
記断片配列と上記構造クラスターとの行列で表示する確
信度マトリックスを作成する確信度マトリックス作成ス
テップと、利用者に問合せ配列を入力させる問合せ配列
入力ステップと、上記問合せ配列入力ステップにて入力
された上記問合せ配列を所定の長さに分割して問合せ断
片配列を作成する問合せ断片配列作成ステップと、上記
問合せ断片配列作成ステップにて作成された上記問合せ
断片配列について、上記断片配列と配列類似性検索を行
う問合せ断片配列類似性検索ステップと、上記確信度マ
トリックス作成ステップにて作成した上記確信度マトリ
ックスと、上記問合せ断片配列類似性検索ステップの検
索結果とに基づいて、上記問合せ断片配列が上記断片構
造クラスターに属する確率を計算する断片構造確率計算
ステップと、上記断片構造確率計算ステップにて計算さ
れた上記確率に基づいて、上記問合せ配列の上記断片構
造を予測する断片配列構造予測ステップとを含むことを
特徴とする。
【００２４】この方法によれば、蛋白質の配列情報およ
び立体構造情報に基づいて、配列情報を所定の長さに分
割した断片配列とそれに対応する断片構造とを作成し、
当該断片構造の類似度に基づいて断片構造クラスターを
作成し、断片配列について配列空間上における周囲の断
片配列と配列類似性検索を行い、断片配列の類似配列が
断片構造クラスターに属する確率である確信度を、断片
配列と構造クラスターとの行列で表示する確信度マトリ
ックスを作成する。そして、利用者に問合せ配列を入力
させ、入力された問合せ配列を所定の長さに分割して問
合せ断片配列を作成し、作成された問合せ断片配列につ
いて、断片配列と配列類似性検索を行い、作成した確信
度マトリックスと検索結果とに基づいて、問合せ断片配
列が断片構造クラスターに属する確率を計算し、計算さ
れた確率に基づいて、問合せ配列の断片構造を予測する
ので、相関の複雑な多様体や相関の確信度をも表現可能
なように、部分配列から部分構造の相関を計算し、その
部分構造を予測することができるようになる。すなわ
ち、本発明は、構造を計算する際、相関の度合いに応じ
て複数の構造候補の確率（確信度）を与えて持たせてお
く（確信度の関数を構造変化の確率として用いる）こと
ができる。
び立体構造情報に基づいて、配列情報を所定の長さに分
割した断片配列とそれに対応する断片構造とを作成し、
当該断片構造の類似度に基づいて断片構造クラスターを
作成し、断片配列について配列空間上における周囲の断
片配列と配列類似性検索を行い、断片配列の類似配列が
断片構造クラスターに属する確率である確信度を、断片
配列と構造クラスターとの行列で表示する確信度マトリ
ックスを作成する。そして、利用者に問合せ配列を入力
させ、入力された問合せ配列を所定の長さに分割して問
合せ断片配列を作成し、作成された問合せ断片配列につ
いて、断片配列と配列類似性検索を行い、作成した確信
度マトリックスと検索結果とに基づいて、問合せ断片配
列が断片構造クラスターに属する確率を計算し、計算さ
れた確率に基づいて、問合せ配列の断片構造を予測する
ので、相関の複雑な多様体や相関の確信度をも表現可能
なように、部分配列から部分構造の相関を計算し、その
部分構造を予測することができるようになる。すなわ
ち、本発明は、構造を計算する際、相関の度合いに応じ
て複数の構造候補の確率（確信度）を与えて持たせてお
く（確信度の関数を構造変化の確率として用いる）こと
ができる。
【００２５】また、蛋白質立体構造を相関の大きな部分
構造のブロックとして考える手法は以前からあるが、本
方法ではまず部分構造のクラスターを作り、構造配列相
関多様体の複雑な形を考慮して、問合せ（ｑｕｅｒｙ）
配列が与えられた後に動的に配列相関クラスターを作る
ことができる。
構造のブロックとして考える手法は以前からあるが、本
方法ではまず部分構造のクラスターを作り、構造配列相
関多様体の複雑な形を考慮して、問合せ（ｑｕｅｒｙ）
配列が与えられた後に動的に配列相関クラスターを作る
ことができる。
【００２６】また、本方法は、構造クラスターを違う観
点から（例えば、断片配列の長さ、断片構造の解像度、
構造クラスターの大きさ、相関の度合い等）いくつも作
り、それぞれのデータセットからの構造予測結果を統合
して構造を計算することができるようになる。
点から（例えば、断片配列の長さ、断片構造の解像度、
構造クラスターの大きさ、相関の度合い等）いくつも作
り、それぞれのデータセットからの構造予測結果を統合
して構造を計算することができるようになる。
【００２７】また、請求項５に記載の蛋白質構造予測方
法は、請求項４に記載の蛋白質構造予測方法において、
上記断片配列類似性検索ステップにより上記断片配列に
関して類似性検索をした結果を、断片配列の行列で表示
した類似性マトリックスを作成する類似性マトリックス
作成ステップと、上記断片配列がどの上記断片構造クラ
スターに属しているかを示す構造クラスター情報を、上
記断片配列と上記構造クラスターの行列で表示した構造
クラスター情報マトリックスを作成する構造クラスター
情報マトリックス作成ステップとをさらに含み、上記確
信度マトリックス作成ステップは、上記類似性マトリッ
クス作成ステップにて作成した上記類似性マトリックス
と、上記構造クラスター情報マトリックス作成ステップ
にて作成した上記構造クラスター情報マトリックスとに
基づいて、上記確信度マトリックスを作成することを特
徴とする。
法は、請求項４に記載の蛋白質構造予測方法において、
上記断片配列類似性検索ステップにより上記断片配列に
関して類似性検索をした結果を、断片配列の行列で表示
した類似性マトリックスを作成する類似性マトリックス
作成ステップと、上記断片配列がどの上記断片構造クラ
スターに属しているかを示す構造クラスター情報を、上
記断片配列と上記構造クラスターの行列で表示した構造
クラスター情報マトリックスを作成する構造クラスター
情報マトリックス作成ステップとをさらに含み、上記確
信度マトリックス作成ステップは、上記類似性マトリッ
クス作成ステップにて作成した上記類似性マトリックス
と、上記構造クラスター情報マトリックス作成ステップ
にて作成した上記構造クラスター情報マトリックスとに
基づいて、上記確信度マトリックスを作成することを特
徴とする。
【００２８】これは確信度マトリックスの作成の一例を
一層具体的に示すものである。この方法によれば、断片
配列に関して類似性検索をした結果を、断片配列の行列
で表示した類似性マトリックスを作成する類似性マトリ
ックス作成ステップと、断片配列がどの断片構造クラス
ターに属しているかを示す構造クラスター情報を、断片
配列と構造クラスターの行列で表示した構造クラスター
情報マトリックスを作成し、作成した類似性マトリック
スと構造クラスター情報マトリックスとに基づいて、確
信度マトリックスを作成するので、行列演算手法を用い
て類似性検索結果に基づいて簡易かつ精緻に確信度を計
算することができるようになる。
一層具体的に示すものである。この方法によれば、断片
配列に関して類似性検索をした結果を、断片配列の行列
で表示した類似性マトリックスを作成する類似性マトリ
ックス作成ステップと、断片配列がどの断片構造クラス
ターに属しているかを示す構造クラスター情報を、断片
配列と構造クラスターの行列で表示した構造クラスター
情報マトリックスを作成し、作成した類似性マトリック
スと構造クラスター情報マトリックスとに基づいて、確
信度マトリックスを作成するので、行列演算手法を用い
て類似性検索結果に基づいて簡易かつ精緻に確信度を計
算することができるようになる。
【００２９】また、請求項６に記載の蛋白質構造予測方
法は、請求項４または５に記載の蛋白質構造予測方法に
おいて、最大の上記確信度を持つ上記断片構造にて決定
された初期全体構造について所定の最適化を行う全体構
造最適化ステップをさらに含むことを特徴とする。
法は、請求項４または５に記載の蛋白質構造予測方法に
おいて、最大の上記確信度を持つ上記断片構造にて決定
された初期全体構造について所定の最適化を行う全体構
造最適化ステップをさらに含むことを特徴とする。
【００３０】この方法によれば、最大の確信度を持つ断
片構造にて決定された初期全体構造について所定の最適
化を行うので、まず、初期構造を作成する際に様々な可
能な断片配列に分割しそれらの最適な予測結果を統合す
ることができるようになる。また、初期構造をさらに最
適化を行うことにより、全体構造予測の精度をさらに上
げることができるようになる。
片構造にて決定された初期全体構造について所定の最適
化を行うので、まず、初期構造を作成する際に様々な可
能な断片配列に分割しそれらの最適な予測結果を統合す
ることができるようになる。また、初期構造をさらに最
適化を行うことにより、全体構造予測の精度をさらに上
げることができるようになる。
【００３１】また、本発明はプログラムに関するもので
あり、請求項７に記載のプログラムは、蛋白質の配列情
報および立体構造情報に基づいて、配列情報を所定の長
さに分割した断片配列とそれに対応する断片構造とを作
成し、当該断片構造の類似度に基づいて断片構造クラス
ターを作成する断片構造クラスター作成ステップと、上
記断片配列について配列空間上における周囲の上記断片
配列と配列類似性検索を行う断片配列類似性検索ステッ
プと、上記断片配列の類似配列が上記断片構造クラスタ
ーに属する確率である確信度を、上記断片配列と上記構
造クラスターとの行列で表示する確信度マトリックスを
作成する確信度マトリックス作成ステップと、利用者に
問合せ配列を入力させる問合せ配列入力ステップと、上
記問合せ配列入力ステップにて入力された上記問合せ配
列を所定の長さに分割して問合せ断片配列を作成する問
合せ断片配列作成ステップと、上記問合せ断片配列作成
ステップにて作成された上記問合せ断片配列について、
上記断片配列と配列類似性検索を行う問合せ断片配列類
似性検索ステップと、上記確信度マトリックス作成ステ
ップにて作成した上記確信度マトリックスと、上記問合
せ断片配列類似性検索ステップの検索結果とに基づい
て、上記問合せ断片配列が上記断片構造クラスターに属
する確率を計算する断片構造確率計算ステップと、上記
断片構造確率計算ステップにて計算された上記確率に基
づいて、上記問合せ配列の上記断片構造を予測する断片
配列構造予測ステップとを含む蛋白質構造予測プログラ
ムをコンピュータに実行させることを特徴とする。
あり、請求項７に記載のプログラムは、蛋白質の配列情
報および立体構造情報に基づいて、配列情報を所定の長
さに分割した断片配列とそれに対応する断片構造とを作
成し、当該断片構造の類似度に基づいて断片構造クラス
ターを作成する断片構造クラスター作成ステップと、上
記断片配列について配列空間上における周囲の上記断片
配列と配列類似性検索を行う断片配列類似性検索ステッ
プと、上記断片配列の類似配列が上記断片構造クラスタ
ーに属する確率である確信度を、上記断片配列と上記構
造クラスターとの行列で表示する確信度マトリックスを
作成する確信度マトリックス作成ステップと、利用者に
問合せ配列を入力させる問合せ配列入力ステップと、上
記問合せ配列入力ステップにて入力された上記問合せ配
列を所定の長さに分割して問合せ断片配列を作成する問
合せ断片配列作成ステップと、上記問合せ断片配列作成
ステップにて作成された上記問合せ断片配列について、
上記断片配列と配列類似性検索を行う問合せ断片配列類
似性検索ステップと、上記確信度マトリックス作成ステ
ップにて作成した上記確信度マトリックスと、上記問合
せ断片配列類似性検索ステップの検索結果とに基づい
て、上記問合せ断片配列が上記断片構造クラスターに属
する確率を計算する断片構造確率計算ステップと、上記
断片構造確率計算ステップにて計算された上記確率に基
づいて、上記問合せ配列の上記断片構造を予測する断片
配列構造予測ステップとを含む蛋白質構造予測プログラ
ムをコンピュータに実行させることを特徴とする。
【００３２】このプログラムによれば、蛋白質の配列情
報および立体構造情報に基づいて、配列情報を所定の長
さに分割した断片配列とそれに対応する断片構造とを作
成し、当該断片構造の類似度に基づいて断片構造クラス
ターを作成し、断片配列について配列空間上における周
囲の断片配列と配列類似性検索を行い、断片配列の類似
配列が断片構造クラスターに属する確率である確信度
を、断片配列と構造クラスターとの行列で表示する確信
度マトリックスを作成する。そして、利用者に問合せ配
列を入力させ、入力された問合せ配列を所定の長さに分
割して問合せ断片配列を作成し、作成された問合せ断片
配列について、断片配列と配列類似性検索を行い、作成
した確信度マトリックスと検索結果とに基づいて、問合
せ断片配列が断片構造クラスターに属する確率を計算
し、計算された確率に基づいて、問合せ配列の断片構造
を予測するので、相関の複雑な多様体や相関の確信度を
も表現可能なように、部分配列から部分構造の相関を計
算し、その部分構造を予測することができるようにな
る。すなわち、本発明は、構造を計算する際、相関の度
合に応じて複数の構造候補の確率（確信度）を与えて持
たせておく（確信度の関数を構造変化の確率として用い
る）ことができる。
報および立体構造情報に基づいて、配列情報を所定の長
さに分割した断片配列とそれに対応する断片構造とを作
成し、当該断片構造の類似度に基づいて断片構造クラス
ターを作成し、断片配列について配列空間上における周
囲の断片配列と配列類似性検索を行い、断片配列の類似
配列が断片構造クラスターに属する確率である確信度
を、断片配列と構造クラスターとの行列で表示する確信
度マトリックスを作成する。そして、利用者に問合せ配
列を入力させ、入力された問合せ配列を所定の長さに分
割して問合せ断片配列を作成し、作成された問合せ断片
配列について、断片配列と配列類似性検索を行い、作成
した確信度マトリックスと検索結果とに基づいて、問合
せ断片配列が断片構造クラスターに属する確率を計算
し、計算された確率に基づいて、問合せ配列の断片構造
を予測するので、相関の複雑な多様体や相関の確信度を
も表現可能なように、部分配列から部分構造の相関を計
算し、その部分構造を予測することができるようにな
る。すなわち、本発明は、構造を計算する際、相関の度
合に応じて複数の構造候補の確率（確信度）を与えて持
たせておく（確信度の関数を構造変化の確率として用い
る）ことができる。
【００３３】また、蛋白質立体構造を相関の大きな部分
構造のブロックとして考える手法は以前からあるが、本
プログラムではまず部分構造のクラスターを作り、構造
配列相関多様体の複雑な形を考慮して、問合せ（ｑｕｅ
ｒｙ）配列が与えられた後に動的に配列相関クラスター
を作ることができる。
構造のブロックとして考える手法は以前からあるが、本
プログラムではまず部分構造のクラスターを作り、構造
配列相関多様体の複雑な形を考慮して、問合せ（ｑｕｅ
ｒｙ）配列が与えられた後に動的に配列相関クラスター
を作ることができる。
【００３４】また、本プログラムは、構造クラスターを
違う観点から（例えば、断片配列の長さ、断片構造の解
像度、構造クラスターの大きさ、相関の度合い等）いく
つも作り、それぞれのデータセットからの構造予測結果
を統合して構造を計算することができるようになる。
違う観点から（例えば、断片配列の長さ、断片構造の解
像度、構造クラスターの大きさ、相関の度合い等）いく
つも作り、それぞれのデータセットからの構造予測結果
を統合して構造を計算することができるようになる。
【００３５】また、請求項８に記載のプログラムは、請
求項７に記載のプログラムにおいて、上記断片配列類似
性検索ステップにより上記断片配列に関して類似性検索
をした結果を、断片配列の行列で表示した類似性マトリ
ックスを作成する類似性マトリックス作成ステップと、
上記断片配列がどの上記断片構造クラスターに属してい
るかを示す構造クラスター情報を、上記断片配列と上記
構造クラスターの行列で表示した構造クラスター情報マ
トリックスを作成する構造クラスター情報マトリックス
作成ステップとをさらに含み、上記確信度マトリックス
作成ステップは、上記類似性マトリックス作成ステップ
にて作成した上記類似性マトリックスと、上記構造クラ
スター情報マトリックス作成ステップにて作成した上記
構造クラスター情報マトリックスとに基づいて、上記確
信度マトリックスを作成することを特徴とする。
求項７に記載のプログラムにおいて、上記断片配列類似
性検索ステップにより上記断片配列に関して類似性検索
をした結果を、断片配列の行列で表示した類似性マトリ
ックスを作成する類似性マトリックス作成ステップと、
上記断片配列がどの上記断片構造クラスターに属してい
るかを示す構造クラスター情報を、上記断片配列と上記
構造クラスターの行列で表示した構造クラスター情報マ
トリックスを作成する構造クラスター情報マトリックス
作成ステップとをさらに含み、上記確信度マトリックス
作成ステップは、上記類似性マトリックス作成ステップ
にて作成した上記類似性マトリックスと、上記構造クラ
スター情報マトリックス作成ステップにて作成した上記
構造クラスター情報マトリックスとに基づいて、上記確
信度マトリックスを作成することを特徴とする。
【００３６】これは確信度マトリックスの作成の一例を
一層具体的に示すものである。このプログラムによれ
ば、断片配列に関して類似性検索をした結果を、断片配
列の行列で表示した類似性マトリックスを作成する類似
性マトリックス作成ステップと、断片配列がどの断片構
造クラスターに属しているかを示す構造クラスター情報
を、断片配列と構造クラスターの行列で表示した構造ク
ラスター情報マトリックスを作成し、作成した類似性マ
トリックスと構造クラスター情報マトリックスとに基づ
いて、確信度マトリックスを作成するので、行列演算手
法を用いて類似性検索結果に基づいて簡易かつ精緻に確
信度を計算することができるようになる。
一層具体的に示すものである。このプログラムによれ
ば、断片配列に関して類似性検索をした結果を、断片配
列の行列で表示した類似性マトリックスを作成する類似
性マトリックス作成ステップと、断片配列がどの断片構
造クラスターに属しているかを示す構造クラスター情報
を、断片配列と構造クラスターの行列で表示した構造ク
ラスター情報マトリックスを作成し、作成した類似性マ
トリックスと構造クラスター情報マトリックスとに基づ
いて、確信度マトリックスを作成するので、行列演算手
法を用いて類似性検索結果に基づいて簡易かつ精緻に確
信度を計算することができるようになる。
【００３７】また、請求項９に記載のプログラムは、請
求項７または８に記載のプログラムにおいて、最大の上
記確信度を持つ上記断片構造にて決定された初期全体構
造について所定の最適化を行う全体構造最適化ステップ
をさらに含むことを特徴とする。
求項７または８に記載のプログラムにおいて、最大の上
記確信度を持つ上記断片構造にて決定された初期全体構
造について所定の最適化を行う全体構造最適化ステップ
をさらに含むことを特徴とする。
【００３８】このプログラムによれば、最大の確信度を
持つ断片構造にて決定された初期全体構造について所定
の最適化を行うので、まず、初期構造を作成する際に様
々な可能な断片配列に分割しそれらの最適な予測結果を
統合することができるようになる。また、初期構造をさ
らに最適化を行うことにより、全体構造予測の精度をさ
らに上げることができるようになる。
持つ断片構造にて決定された初期全体構造について所定
の最適化を行うので、まず、初期構造を作成する際に様
々な可能な断片配列に分割しそれらの最適な予測結果を
統合することができるようになる。また、初期構造をさ
らに最適化を行うことにより、全体構造予測の精度をさ
らに上げることができるようになる。
【００３９】また、本発明は記録媒体に関するものであ
り、請求項１０に記載の記録媒体は、上記請求項７から
９のいずれか一つに記載されたプログラムを記録したこ
とを特徴とする。
り、請求項１０に記載の記録媒体は、上記請求項７から
９のいずれか一つに記載されたプログラムを記録したこ
とを特徴とする。
【００４０】この記録媒体によれば、当該記録媒体に記
録されたプログラムをコンピュータに読み取らせて実行
することによって、請求項７から９のいずれか一つに記
載されたプログラムをコンピュータを利用して実現する
ことができ、これら各プログラムと同様の効果を得るこ
とができる。
録されたプログラムをコンピュータに読み取らせて実行
することによって、請求項７から９のいずれか一つに記
載されたプログラムをコンピュータを利用して実現する
ことができ、これら各プログラムと同様の効果を得るこ
とができる。
【００４１】
【発明の実施の形態】以下に、本発明にかかる蛋白質構
造予測装置、蛋白質構造予測方法、プログラム、およ
び、記録媒体の実施の形態を図面に基づいて詳細に説明
する。なお、この実施の形態によりこの発明が限定され
るものではない。
造予測装置、蛋白質構造予測方法、プログラム、およ
び、記録媒体の実施の形態を図面に基づいて詳細に説明
する。なお、この実施の形態によりこの発明が限定され
るものではない。
【００４２】［本発明の概要］以下、本発明の概要につ
いて説明し、その後、本発明の構成および処理等につい
て詳細に説明する。図３は本発明の基本原理を示す概念
図である。本発明は、概略的に、以下の基本的特徴を有
する。すなわち、本発明は、相関の複雑な多様体を表現
し、相関の大きさの度合い（確信度）をも計算すること
ができる、部分配列から部分構造への相関の新しい計算
手法を提案する。
いて説明し、その後、本発明の構成および処理等につい
て詳細に説明する。図３は本発明の基本原理を示す概念
図である。本発明は、概略的に、以下の基本的特徴を有
する。すなわち、本発明は、相関の複雑な多様体を表現
し、相関の大きさの度合い（確信度）をも計算すること
ができる、部分配列から部分構造への相関の新しい計算
手法を提案する。
【００４３】本発明は、まず様々なデータセットから様
々な大きさの構造クラスターを作り、その中から配列の
類似性データを取り出す。そして、利用者から問合せ
（ｑｕｅｒｙ）配列が与えられた後に、様々な部分配列
への分割に対して様々な大きさの構造クラスターを用い
て、疑似的に動的な配列から構造への相関クラスターを
作成して、部分配列との相関の大きさを計算する。その
相関クラスターから、部分構造の予測を行う。
々な大きさの構造クラスターを作り、その中から配列の
類似性データを取り出す。そして、利用者から問合せ
（ｑｕｅｒｙ）配列が与えられた後に、様々な部分配列
への分割に対して様々な大きさの構造クラスターを用い
て、疑似的に動的な配列から構造への相関クラスターを
作成して、部分配列との相関の大きさを計算する。その
相関クラスターから、部分構造の予測を行う。
【００４４】本発明におけるクラスター作成過程を以下
に説明する。まず、本発明は、配列断片の構造分類を行
う。すなわち、既知の蛋白質構造データベースなどに格
納された配列情報および構造情報に基づいて、典型的な
断片構造を抽出し、それらの断片構造を分類する。
に説明する。まず、本発明は、配列断片の構造分類を行
う。すなわち、既知の蛋白質構造データベースなどに格
納された配列情報および構造情報に基づいて、典型的な
断片構造を抽出し、それらの断片構造を分類する。
【００４５】そして、図３（ａ）に示すように、ある断
片配列の配列空間における周辺がどのような構造をとっ
ているかをみる。そして、図３（ｂ）に示すように、そ
れぞれの断片配列の周りでどのような典型構造が得られ
るかをみることにより、配列−構造間の仮想的なクラス
ターを作成することができる。すなわち、本発明は、あ
る配列Ａの周りに存在するこの配列に似ている配列が、
構造空間上でどの構造クラスターに属するか（どのよう
な似方をしていれば、どの構造クラスターに属するか）
を計算し、この配列の周りに仮想的なクラスターを作成
する。そして、本発明は、ある未知構造配列断片Ｘが与
えられたとき、これが配列Ａに似ている、配列Ｃに似て
いるなどの情報を取得し、これらの情報に基づいて仮想
クラスターを組み合わせて、最終的に配列がどの構造ク
ラスターに属するかを予測する。
片配列の配列空間における周辺がどのような構造をとっ
ているかをみる。そして、図３（ｂ）に示すように、そ
れぞれの断片配列の周りでどのような典型構造が得られ
るかをみることにより、配列−構造間の仮想的なクラス
ターを作成することができる。すなわち、本発明は、あ
る配列Ａの周りに存在するこの配列に似ている配列が、
構造空間上でどの構造クラスターに属するか（どのよう
な似方をしていれば、どの構造クラスターに属するか）
を計算し、この配列の周りに仮想的なクラスターを作成
する。そして、本発明は、ある未知構造配列断片Ｘが与
えられたとき、これが配列Ａに似ている、配列Ｃに似て
いるなどの情報を取得し、これらの情報に基づいて仮想
クラスターを組み合わせて、最終的に配列がどの構造ク
ラスターに属するかを予測する。
【００４６】本発明の全体構造の予測は、次の手順で行
う。まず、得られた部分構造の候補から、相関の強さの
度合い（確信度）を比較し、相関の強く、部分配列の長
い部分構造を用いて行う。相関の弱い部分構造も、確率
と共にデータとして保持しておく。そして、保持したデ
ータを用いて、これを次の構造の候補として構造を変化
させていくことによりフォールディング・シミュレーシ
ョン（ｆｏｌｄｉｎｇｓｉｍｕｌａｔｉｏｎ）を行う。
そして、構造のトポロジーが完成したら全原子系での構
造精密化（最適化）を行う。
う。まず、得られた部分構造の候補から、相関の強さの
度合い（確信度）を比較し、相関の強く、部分配列の長
い部分構造を用いて行う。相関の弱い部分構造も、確率
と共にデータとして保持しておく。そして、保持したデ
ータを用いて、これを次の構造の候補として構造を変化
させていくことによりフォールディング・シミュレーシ
ョン（ｆｏｌｄｉｎｇｓｉｍｕｌａｔｉｏｎ）を行う。
そして、構造のトポロジーが完成したら全原子系での構
造精密化（最適化）を行う。
【００４７】［システム構成］まず、本システムの構成
について説明する。図４は、本発明が適用される本シス
テムの構成の一例を示すブロック図であり、該構成のう
ち本発明に関係する部分のみを概念的に示している。本
システムは、概略的に、蛋白質構造予測装置１００と、
蛋白質構造情報等に関する外部データベースやホモロジ
ー検索等の外部プログラム等を提供する外部システム２
００とを、ネットワーク３００を介して通信可能に接続
して構成されている。
について説明する。図４は、本発明が適用される本シス
テムの構成の一例を示すブロック図であり、該構成のう
ち本発明に関係する部分のみを概念的に示している。本
システムは、概略的に、蛋白質構造予測装置１００と、
蛋白質構造情報等に関する外部データベースやホモロジ
ー検索等の外部プログラム等を提供する外部システム２
００とを、ネットワーク３００を介して通信可能に接続
して構成されている。
【００４８】図４においてネットワーク３００は、蛋白
質構造予測装置１００と外部システム２００とを相互に
接続する機能を有し、例えば、インターネット等であ
る。
質構造予測装置１００と外部システム２００とを相互に
接続する機能を有し、例えば、インターネット等であ
る。
【００４９】図４において外部システム２００は、ネッ
トワーク３００を介して、蛋白質構造予測装置１００と
相互に接続され、利用者に対して蛋白質構造情報等に関
する外部データベースやホモロジー検索等の外部分析プ
ログラムを実行するウェブサイトを提供する機能を有す
る。
トワーク３００を介して、蛋白質構造予測装置１００と
相互に接続され、利用者に対して蛋白質構造情報等に関
する外部データベースやホモロジー検索等の外部分析プ
ログラムを実行するウェブサイトを提供する機能を有す
る。
【００５０】ここで、外部システム２００は、ＷＥＢサ
ーバやＡＳＰサーバ等として構成してもよく、そのハー
ドウェア構成は、一般に市販されるワークステーショ
ン、パーソナルコンピュータ等の情報処理装置およびそ
の付属装置により構成してもよい。また、外部システム
２００の各機能は、外部システム２００のハードウェア
構成中のＣＰＵ、ディスク装置、メモリ装置、入力装
置、出力装置、通信制御装置等およびそれらを制御する
プログラム等により実現される。
ーバやＡＳＰサーバ等として構成してもよく、そのハー
ドウェア構成は、一般に市販されるワークステーショ
ン、パーソナルコンピュータ等の情報処理装置およびそ
の付属装置により構成してもよい。また、外部システム
２００の各機能は、外部システム２００のハードウェア
構成中のＣＰＵ、ディスク装置、メモリ装置、入力装
置、出力装置、通信制御装置等およびそれらを制御する
プログラム等により実現される。
【００５１】図４において蛋白質構造予測装置１００
は、概略的に、蛋白質構造予測装置１００の全体を統括
的に制御するＣＰＵ等の制御部１０２、通信回線等に接
続されるルータ等の通信装置（図示せず）に接続される
通信制御インターフェース部１０４、入力装置１１２や
出力装置１１４に接続される入出力制御インターフェー
ス部１０８、および、各種のデータベースやテーブル
（蛋白質構造データベース１０６ａ〜確信度マトリック
ス１０６ｄ）を格納する記憶部１０６を備えて構成され
ており、これら各部は任意の通信路を介して通信可能に
接続されている。さらに、この蛋白質構造予測装置１０
０は、ルータ等の通信装置および専用線等の有線または
無線の通信回線を介して、ネットワーク３００に通信可
能に接続されている。
は、概略的に、蛋白質構造予測装置１００の全体を統括
的に制御するＣＰＵ等の制御部１０２、通信回線等に接
続されるルータ等の通信装置（図示せず）に接続される
通信制御インターフェース部１０４、入力装置１１２や
出力装置１１４に接続される入出力制御インターフェー
ス部１０８、および、各種のデータベースやテーブル
（蛋白質構造データベース１０６ａ〜確信度マトリック
ス１０６ｄ）を格納する記憶部１０６を備えて構成され
ており、これら各部は任意の通信路を介して通信可能に
接続されている。さらに、この蛋白質構造予測装置１０
０は、ルータ等の通信装置および専用線等の有線または
無線の通信回線を介して、ネットワーク３００に通信可
能に接続されている。
【００５２】記憶部１０６に格納される各種のデータベ
ースやテーブル（蛋白質構造データベース１０６ａ〜確
信度マトリックス１０６ｄ）は、固定ディスク装置等の
ストレージ手段であり、各種処理に用いる各種のプログ
ラムやテーブルやファイルやデータベースやウェブペー
ジ用ファイル等を格納する。
ースやテーブル（蛋白質構造データベース１０６ａ〜確
信度マトリックス１０６ｄ）は、固定ディスク装置等の
ストレージ手段であり、各種処理に用いる各種のプログ
ラムやテーブルやファイルやデータベースやウェブペー
ジ用ファイル等を格納する。
【００５３】これら記憶部１０６の各構成要素のうち、
蛋白質構造データベース１０６ａは、アミノ酸配列情報
（１次構造）と立体構造情報とを対応付けて記録した蛋
白質構造情報を格納したデータベースである。蛋白質構
造データベース１０６ａは、配列冗長性を排除したもの
であるものが好ましい。蛋白質構造データベース１０６
ａは、インターネットを経由してアクセスする外部の蛋
白質構造データベース（例えば、ＰＤＢ＿ＳＥＬＥＣＴ
等）であってもよく、また、これらのデータベースをコ
ピーしたり、オリジナルの蛋白質構造を格納したり、さ
らに独自のアノテーション情報等を付加したりして作成
したインハウスデータベースであってもよい。
蛋白質構造データベース１０６ａは、アミノ酸配列情報
（１次構造）と立体構造情報とを対応付けて記録した蛋
白質構造情報を格納したデータベースである。蛋白質構
造データベース１０６ａは、配列冗長性を排除したもの
であるものが好ましい。蛋白質構造データベース１０６
ａは、インターネットを経由してアクセスする外部の蛋
白質構造データベース（例えば、ＰＤＢ＿ＳＥＬＥＣＴ
等）であってもよく、また、これらのデータベースをコ
ピーしたり、オリジナルの蛋白質構造を格納したり、さ
らに独自のアノテーション情報等を付加したりして作成
したインハウスデータベースであってもよい。
【００５４】また、類似性マトリックス１０６ｂは、断
片配列に関する類似性検索結果に関する情報等を格納す
るマトリックステーブルである。
片配列に関する類似性検索結果に関する情報等を格納す
るマトリックステーブルである。
【００５５】また、構造クラスター情報マトリックス１
０６ｃは、断片配列がどの断片構造クラスターに属して
いるかを示す情報等を格納するマトリックステーブルで
ある。
０６ｃは、断片配列がどの断片構造クラスターに属して
いるかを示す情報等を格納するマトリックステーブルで
ある。
【００５６】また、確信度マトリックス１０６ｄは、あ
る断片配列が他の断片配列に似ているという情報が得ら
れたとき、その断片配列が断片構造に属する確信度（確
率）を表す情報等を格納するマトリックステーブルであ
る。
る断片配列が他の断片配列に似ているという情報が得ら
れたとき、その断片配列が断片構造に属する確信度（確
率）を表す情報等を格納するマトリックステーブルであ
る。
【００５７】また、図４において、制御部１０２は、Ｏ
Ｓ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プロ
グラム、各種の処理手順等を規定したプログラム、およ
び所要データを格納するための内部メモリを有し、これ
らのプログラム等により、種々の処理を実行するための
情報処理を行う。制御部１０２は、機能概念的に、断片
構造クラスター作成部１０２ａ、断片配列類似性検索部
１０２ｂ、類似性マトリックス作成部１０２ｃ、構造ク
ラスター情報マトリックス作成部１０２ｄ、確信度マト
リックス作成部１０２ｅ、問合せ配列入力部１０２ｆ、
問合せ断片配列作成部１０２ｇ、問合せ断片配列類似性
検索部１０２ｈ、断片構造確率計算部１０２ｉ、断片配
列構造予測部１０２ｊ、および、全体構造最適化部１０
２ｋを備えて構成されている。
Ｓ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プロ
グラム、各種の処理手順等を規定したプログラム、およ
び所要データを格納するための内部メモリを有し、これ
らのプログラム等により、種々の処理を実行するための
情報処理を行う。制御部１０２は、機能概念的に、断片
構造クラスター作成部１０２ａ、断片配列類似性検索部
１０２ｂ、類似性マトリックス作成部１０２ｃ、構造ク
ラスター情報マトリックス作成部１０２ｄ、確信度マト
リックス作成部１０２ｅ、問合せ配列入力部１０２ｆ、
問合せ断片配列作成部１０２ｇ、問合せ断片配列類似性
検索部１０２ｈ、断片構造確率計算部１０２ｉ、断片配
列構造予測部１０２ｊ、および、全体構造最適化部１０
２ｋを備えて構成されている。
【００５８】このうち、断片構造クラスター作成部１０
２ａは、蛋白質の配列情報および立体構造情報に基づい
て、配列情報を所定の長さに分割した断片配列とそれに
対応する断片構造とを作成し、当該断片構造の類似度に
基づいて断片構造クラスターを作成する断片構造クラス
ター作成手段である。また、断片配列類似性検索部１０
２ｂは、断片配列について配列空間上における周囲の断
片配列と配列類似性検索を行う断片配列類似性検索手段
である。また、類似性マトリックス作成部１０２ｃは、
断片配列類似性検索手段により断片配列に関して類似性
検索をした結果を、断片配列の行列で表示した類似性マ
トリックスを作成する類似性マトリックス作成手段であ
る。
２ａは、蛋白質の配列情報および立体構造情報に基づい
て、配列情報を所定の長さに分割した断片配列とそれに
対応する断片構造とを作成し、当該断片構造の類似度に
基づいて断片構造クラスターを作成する断片構造クラス
ター作成手段である。また、断片配列類似性検索部１０
２ｂは、断片配列について配列空間上における周囲の断
片配列と配列類似性検索を行う断片配列類似性検索手段
である。また、類似性マトリックス作成部１０２ｃは、
断片配列類似性検索手段により断片配列に関して類似性
検索をした結果を、断片配列の行列で表示した類似性マ
トリックスを作成する類似性マトリックス作成手段であ
る。
【００５９】また、構造クラスター情報マトリックス作
成部１０２ｄは、断片配列がどの断片構造クラスターに
属しているかを示す構造クラスター情報を、断片配列と
上記構造クラスターの行列で表示した構造クラスター情
報マトリックスを作成する構造クラスター情報マトリッ
クス作成手段である。また、確信度マトリックス作成部
１０２ｅは、断片配列の類似配列が断片構造クラスター
に属する確率である確信度を、断片配列と構造クラスタ
ーとの行列で表示する確信度マトリックスを作成する確
信度マトリックス作成手段である。
成部１０２ｄは、断片配列がどの断片構造クラスターに
属しているかを示す構造クラスター情報を、断片配列と
上記構造クラスターの行列で表示した構造クラスター情
報マトリックスを作成する構造クラスター情報マトリッ
クス作成手段である。また、確信度マトリックス作成部
１０２ｅは、断片配列の類似配列が断片構造クラスター
に属する確率である確信度を、断片配列と構造クラスタ
ーとの行列で表示する確信度マトリックスを作成する確
信度マトリックス作成手段である。
【００６０】また、問合せ配列入力部１０２ｆは、利用
者に問合せ配列を入力させる問合せ配列入力手段であ
る。また、問合せ断片配列作成部１０２ｇは、問合せ配
列入力手段にて入力された問合せ配列を所定の長さに分
割して問合せ断片配列を作成する問合せ断片配列作成手
段である。また、問合せ断片配列類似性検索部１０２ｈ
は、問合せ断片配列作成手段にて作成された問合せ断片
配列について、断片配列と配列類似性検索を行う問合せ
断片配列類似性検索手段である。また、断片構造確率計
算部１０２ｉは、確信度マトリックス作成手段にて作成
した確信度マトリックスと、問合せ断片配列類似性検索
手段の検索結果とに基づいて、問合せ断片配列が断片構
造クラスターに属する確率を計算する断片構造確率計算
手段である。
者に問合せ配列を入力させる問合せ配列入力手段であ
る。また、問合せ断片配列作成部１０２ｇは、問合せ配
列入力手段にて入力された問合せ配列を所定の長さに分
割して問合せ断片配列を作成する問合せ断片配列作成手
段である。また、問合せ断片配列類似性検索部１０２ｈ
は、問合せ断片配列作成手段にて作成された問合せ断片
配列について、断片配列と配列類似性検索を行う問合せ
断片配列類似性検索手段である。また、断片構造確率計
算部１０２ｉは、確信度マトリックス作成手段にて作成
した確信度マトリックスと、問合せ断片配列類似性検索
手段の検索結果とに基づいて、問合せ断片配列が断片構
造クラスターに属する確率を計算する断片構造確率計算
手段である。
【００６１】また、断片配列構造予測部１０２ｊは、断
片構造確率計算手段にて計算された確率に基づいて、問
合せ配列の断片構造を予測する断片配列構造予測手段で
ある。また、全体構造最適化部１０２ｋは、最大の確信
度を持つ断片構造にて決定された初期全体構造について
所定の最適化を行う全体構造最適化手段である。なお、
これら各部によって行なわれる処理の詳細については、
後述する。
片構造確率計算手段にて計算された確率に基づいて、問
合せ配列の断片構造を予測する断片配列構造予測手段で
ある。また、全体構造最適化部１０２ｋは、最大の確信
度を持つ断片構造にて決定された初期全体構造について
所定の最適化を行う全体構造最適化手段である。なお、
これら各部によって行なわれる処理の詳細については、
後述する。
【００６２】［システムの処理］次に、このように構成
された本実施の形態における本システムの処理の一例に
ついて、以下に図５〜図１５を参照して詳細に説明す
る。
された本実施の形態における本システムの処理の一例に
ついて、以下に図５〜図１５を参照して詳細に説明す
る。
【００６３】［断片構造予測処理］次に、断片構造予測
処理の詳細について図５〜図１４を参照して説明する。
図５は、本実施の形態における本システムの断片構造予
測処理の一例を示すフローチャートである。
処理の詳細について図５〜図１４を参照して説明する。
図５は、本実施の形態における本システムの断片構造予
測処理の一例を示すフローチャートである。
【００６４】まず、蛋白質構造予測装置１００は、断片
構造クラスター作成部１０２ａの処理により、蛋白質構
造データベース１０６ａにアクセスして、蛋白質の配列
情報（例えば、アミノ酸配列情報など）および立体構造
情報を取得し、配列情報を所定の長さに分割した断片配
列とそれに対応する断片構造とを生成する（ステップＳ
Ａ−１）。ここで、図６は、断片構造クラスター作成部
１０２ａが蛋白質構造データベース１０６ａから断片配
列とそれに対応する断片構造とを取得する場合の一例を
示す概念図である。図６に示すように、断片構造クラス
ター作成部１０２ａは、所定の長さの断片配列（図６に
おいては７アミノ酸残基）毎に配列を分割し、その断片
配列が取る断片構造と対応付けて記憶部１０６に格納す
る。ここで、断片の長さは、７残基に限らず、様々な長
さで断片構造を分割することができる。
構造クラスター作成部１０２ａの処理により、蛋白質構
造データベース１０６ａにアクセスして、蛋白質の配列
情報（例えば、アミノ酸配列情報など）および立体構造
情報を取得し、配列情報を所定の長さに分割した断片配
列とそれに対応する断片構造とを生成する（ステップＳ
Ａ−１）。ここで、図６は、断片構造クラスター作成部
１０２ａが蛋白質構造データベース１０６ａから断片配
列とそれに対応する断片構造とを取得する場合の一例を
示す概念図である。図６に示すように、断片構造クラス
ター作成部１０２ａは、所定の長さの断片配列（図６に
おいては７アミノ酸残基）毎に配列を分割し、その断片
配列が取る断片構造と対応付けて記憶部１０６に格納す
る。ここで、断片の長さは、７残基に限らず、様々な長
さで断片構造を分割することができる。
【００６５】ついで、蛋白質構造予測装置１００は、断
片構造クラスター作成部１０２ａの処理により、断片構
造の類似度に基づいて断片構造クラスターを作成する
（ステップＳＡ−２）。ここで、図７は、断片構造クラ
スター作成部１０２ａが作成する断片配列の断片構造ク
ラスターの一例を示す図である。図７に示すように、断
片構造クラスター作成部１０２ａは、断片構造の類似度
（例えば、ｒｍｓｄやｄｍｅなど）を類似度の指標とし
て、自己組織化マップ（ＳＯＭ；ｓｅｌｆ ｏｒｇａｎ
ｉｚｅｄ ｍａｐ）、ｋ−平均法（ｋ−ｍｅａｎｓ）、
階層的クラスタリングなどの既知のクラスタリング手法
を用いてクラスター化する。
片構造クラスター作成部１０２ａの処理により、断片構
造の類似度に基づいて断片構造クラスターを作成する
（ステップＳＡ−２）。ここで、図７は、断片構造クラ
スター作成部１０２ａが作成する断片配列の断片構造ク
ラスターの一例を示す図である。図７に示すように、断
片構造クラスター作成部１０２ａは、断片構造の類似度
（例えば、ｒｍｓｄやｄｍｅなど）を類似度の指標とし
て、自己組織化マップ（ＳＯＭ；ｓｅｌｆ ｏｒｇａｎ
ｉｚｅｄ ｍａｐ）、ｋ−平均法（ｋ−ｍｅａｎｓ）、
階層的クラスタリングなどの既知のクラスタリング手法
を用いてクラスター化する。
【００６６】また、図８は、階層的クラスター手法を用
いて断片構造クラスターを作成する場合の一例を示す図
である。図８に示すように、断片構造クラスター作成部
１０２ａは、全ての断片構造の距離を計算し、一番距離
の近いものを順次まとめていくことによりクラスター化
を行っている。ここで、クラスター間の距離は、例え
ば、それぞれのクラスターに属するもの全ての距離を計
算して平均をとる等により計算する。
いて断片構造クラスターを作成する場合の一例を示す図
である。図８に示すように、断片構造クラスター作成部
１０２ａは、全ての断片構造の距離を計算し、一番距離
の近いものを順次まとめていくことによりクラスター化
を行っている。ここで、クラスター間の距離は、例え
ば、それぞれのクラスターに属するもの全ての距離を計
算して平均をとる等により計算する。
【００６７】ついで、蛋白質構造予測装置１００は、断
片配列類似性検索部１０２ｂの処理により、全ての断片
配列について配列空間上における周囲の断片配列とｂｌ
ａｓｔ検索等の既存の配列類似性検索手法により、類似
の断片配列、類似度スコア、その断片配列が属する断片
構造クラスターを取得する（ステップＳＡ−３）。ここ
で、図９は、断片配列Ａについて、その類似の断片配列
（Ｄ、Ｆ、Ｇ、Ｓ、Ｉ等）と、類似度スコア（５０、３
０、２８、２５、２０等）と、その断片配列が属する断
片構造クラスター（α、α、β、α、γ等）を検索した
場合を示す概念図である。
片配列類似性検索部１０２ｂの処理により、全ての断片
配列について配列空間上における周囲の断片配列とｂｌ
ａｓｔ検索等の既存の配列類似性検索手法により、類似
の断片配列、類似度スコア、その断片配列が属する断片
構造クラスターを取得する（ステップＳＡ−３）。ここ
で、図９は、断片配列Ａについて、その類似の断片配列
（Ｄ、Ｆ、Ｇ、Ｓ、Ｉ等）と、類似度スコア（５０、３
０、２８、２５、２０等）と、その断片配列が属する断
片構造クラスター（α、α、β、α、γ等）を検索した
場合を示す概念図である。
【００６８】ついで、蛋白質構造予測装置１００は、類
似性マトリックス作成部１０２ｃの処理により、断片配
列に関して類似性検索をした結果を、断片配列の行列で
表示した類似性マトリックス１０６ｂを作成する（ステ
ップＳＡ−４）。ここで、図１０は、類似性マトリック
ス１０６ｂに格納される情報の一例を示す図である。図
１０に示すように、類似性マトリックス１０６ｂには、
各断片配列に関して類似性検索を実行した結果を格納す
る。
似性マトリックス作成部１０２ｃの処理により、断片配
列に関して類似性検索をした結果を、断片配列の行列で
表示した類似性マトリックス１０６ｂを作成する（ステ
ップＳＡ−４）。ここで、図１０は、類似性マトリック
ス１０６ｂに格納される情報の一例を示す図である。図
１０に示すように、類似性マトリックス１０６ｂには、
各断片配列に関して類似性検索を実行した結果を格納す
る。
【００６９】ついで、蛋白質構造予測装置１００は、構
造クラスター情報マトリックス作成部１０２ｄの処理に
より、断片配列がどの断片構造クラスターに属している
かを示す構造クラスター情報マトリックス１０６ｃを作
成する（ステップＳＡ−５）。図１１は、構造クラスタ
ー情報マトリックス１０６ｃに格納される情報の一例を
示す図である。図１１に示すように、断片配列が属する
断片構造クラスターに「１」の構造クラスター情報が設
定されている。
造クラスター情報マトリックス作成部１０２ｄの処理に
より、断片配列がどの断片構造クラスターに属している
かを示す構造クラスター情報マトリックス１０６ｃを作
成する（ステップＳＡ−５）。図１１は、構造クラスタ
ー情報マトリックス１０６ｃに格納される情報の一例を
示す図である。図１１に示すように、断片配列が属する
断片構造クラスターに「１」の構造クラスター情報が設
定されている。
【００７０】ついで、蛋白質構造予測装置１００は、確
信度マトリックス作成部１０２ｅの処理により、ある断
片配列が他の断片配列と類似しているという情報が得ら
れたときに、その断片配列が他の断片配列の構造クラス
ターに属する確率である確信度を示す確信度マトリック
ス１０６ｄを作成する（ステップＳＡ−６）。ここで、
図１２は、確信度マトリックス作成部１０２ｅが類似性
マトリックス１０６ｂおよび構造クラスター情報マトリ
ックス１０６ｃに基づいて確信度マトリックス１０６ｄ
を作成することを示す概念図である。図１２に示すよう
に、確信度マトリックス作成部１０２ｅは、規格化した
類似性マトリックス１０６ｂと構造クラスター情報マト
リックス１０６ｃの積をとることにより確信度マトリッ
クス１０６ｄを作成する。
信度マトリックス作成部１０２ｅの処理により、ある断
片配列が他の断片配列と類似しているという情報が得ら
れたときに、その断片配列が他の断片配列の構造クラス
ターに属する確率である確信度を示す確信度マトリック
ス１０６ｄを作成する（ステップＳＡ−６）。ここで、
図１２は、確信度マトリックス作成部１０２ｅが類似性
マトリックス１０６ｂおよび構造クラスター情報マトリ
ックス１０６ｃに基づいて確信度マトリックス１０６ｄ
を作成することを示す概念図である。図１２に示すよう
に、確信度マトリックス作成部１０２ｅは、規格化した
類似性マトリックス１０６ｂと構造クラスター情報マト
リックス１０６ｃの積をとることにより確信度マトリッ
クス１０６ｄを作成する。
【００７１】ついで、蛋白質構造予測装置１００は、問
合せ配列入力部１０２ｆの処理により、利用者に問合せ
（ｑｕｅｒｙ）配列を入力させる（ステップＳＡ−
７）。この配列の入力は、外部のアミノ酸配列を格納し
たデータベースから所望の配列を利用者に選択させるこ
とにより入力してもよく、また、所望の配列を利用者が
直接入力してもよい。
合せ配列入力部１０２ｆの処理により、利用者に問合せ
（ｑｕｅｒｙ）配列を入力させる（ステップＳＡ−
７）。この配列の入力は、外部のアミノ酸配列を格納し
たデータベースから所望の配列を利用者に選択させるこ
とにより入力してもよく、また、所望の配列を利用者が
直接入力してもよい。
【００７２】ついで、蛋白質構造予測装置１００は、問
合せ断片配列作成部１０２ｇの処理により、問合せ配列
について所定の長さの断片配列（例えば７アミノ酸残
基）に分割し、その断片配列（問合せ断片配列）を記憶
部１０６に格納する（ステップＳＡ−８）。ここで、断
片の長さは、７残基に限らず、様々な長さで断片構造を
分割してもよい。
合せ断片配列作成部１０２ｇの処理により、問合せ配列
について所定の長さの断片配列（例えば７アミノ酸残
基）に分割し、その断片配列（問合せ断片配列）を記憶
部１０６に格納する（ステップＳＡ−８）。ここで、断
片の長さは、７残基に限らず、様々な長さで断片構造を
分割してもよい。
【００７３】ついで、蛋白質構造予測装置１００は、問
合せ断片配列類似性検索部１０２ｈの処理により、問合
せ配列の各断片配列（問合せ断片配列）について配列類
似性を検索し（ステップＳＡ−９）、その検索結果に基
づいて、断片構造確率計算部１０２ｉの処理により、断
片配列が属する断片構造の確率を計算する（ステップＳ
Ａ−１０）。ここで、図１３は、問合せ配列（問合せ断
片配列）Ｘについて類似性検索を行い、その検索結果に
確信度マトリックス１０６ｄを掛け合わせて属する断片
構造の確率を計算する場合の一例を示す概念図である。
図１３に示すように、問合せ配列Ｘの規格化された類似
度ベクトルに確信度マトリックス１０６ｄを掛け合わせ
ることにより、問合せ配列Ｘが各断片構造クラスターに
属する確率（確信度）を計算することができる。
合せ断片配列類似性検索部１０２ｈの処理により、問合
せ配列の各断片配列（問合せ断片配列）について配列類
似性を検索し（ステップＳＡ−９）、その検索結果に基
づいて、断片構造確率計算部１０２ｉの処理により、断
片配列が属する断片構造の確率を計算する（ステップＳ
Ａ−１０）。ここで、図１３は、問合せ配列（問合せ断
片配列）Ｘについて類似性検索を行い、その検索結果に
確信度マトリックス１０６ｄを掛け合わせて属する断片
構造の確率を計算する場合の一例を示す概念図である。
図１３に示すように、問合せ配列Ｘの規格化された類似
度ベクトルに確信度マトリックス１０６ｄを掛け合わせ
ることにより、問合せ配列Ｘが各断片構造クラスターに
属する確率（確信度）を計算することができる。
【００７４】ついで、蛋白質構造予測装置１００は、断
片配列構造予測部１０２ｊの処理により、この計算され
た確率（確信度）に基づいて問合せ配列の断片構造を予
測する（ステップＳＡ−１１）。ここで、図１４は、断
片配列構造予測部１０２ｊによる断片構造予測の一例を
示す概念図である。図１４に示すように、断片配列構造
予測部１０２ｊは、問合せ配列Ｘの類似配列の属する構
造クラスターの確信度に従ってソートすることにより、
その問合せ断片配列Ｘが断片構造αに属すると予想す
る。これにて、断片構造予測処理が終了する。
片配列構造予測部１０２ｊの処理により、この計算され
た確率（確信度）に基づいて問合せ配列の断片構造を予
測する（ステップＳＡ−１１）。ここで、図１４は、断
片配列構造予測部１０２ｊによる断片構造予測の一例を
示す概念図である。図１４に示すように、断片配列構造
予測部１０２ｊは、問合せ配列Ｘの類似配列の属する構
造クラスターの確信度に従ってソートすることにより、
その問合せ断片配列Ｘが断片構造αに属すると予想す
る。これにて、断片構造予測処理が終了する。
【００７５】［全体構造予測処理］次に、全体構造予測
処理の詳細について図１５を参照して説明する。図１５
は、本実施形態における本システムの全体構造予測処理
の一例を示すフローチャートである。
処理の詳細について図１５を参照して説明する。図１５
は、本実施形態における本システムの全体構造予測処理
の一例を示すフローチャートである。
【００７６】まず、利用者が問合せ（ｑｕｅｒｙ）配列
を入力する（ステップＳＢ−１）。
を入力する（ステップＳＢ−１）。
【００７７】そして、蛋白質構造予測装置１００は、問
合せ断片配列作成部１０２ｇの処理により、問合せ（ｑ
ｕｅｒｙ）配列を所定の長さの断片配列に分割する（ス
テップＳＢ−２）。ここで、異なる長さで分割した複数
のパターンの断片配列を作成する（図１５では２つのパ
ターンを作成している）。
合せ断片配列作成部１０２ｇの処理により、問合せ（ｑ
ｕｅｒｙ）配列を所定の長さの断片配列に分割する（ス
テップＳＢ−２）。ここで、異なる長さで分割した複数
のパターンの断片配列を作成する（図１５では２つのパ
ターンを作成している）。
【００７８】そして、蛋白質構造予測装置１００は、上
述の方法により、断片構造を予測する（ステップＳＢ−
３）。
述の方法により、断片構造を予測する（ステップＳＢ−
３）。
【００７９】そして、蛋白質構造予測装置１００は、断
片配列構造予測部１０２ｊの処理により、最大の確信度
を持つ断片構造により初期の全体構造を作成する（ステ
ップＳＢ−４）。
片配列構造予測部１０２ｊの処理により、最大の確信度
を持つ断片構造により初期の全体構造を作成する（ステ
ップＳＢ−４）。
【００８０】そして、蛋白質構造予測装置１００は、全
体構造最適化部１０２ｋの処理により、統計的ポテンシ
ャル法や、ＭＣ法や、シミュレーテッド・アニーリング
（ＳＡ）などを用いて、全体構造について最適化を行う
（ステップＳＢ−５）。
体構造最適化部１０２ｋの処理により、統計的ポテンシ
ャル法や、ＭＣ法や、シミュレーテッド・アニーリング
（ＳＡ）などを用いて、全体構造について最適化を行う
（ステップＳＢ−５）。
【００８１】ここで、最適化の一例を以下に説明する。
（１）全体構造のエネルギー値（Ｅold）を計算する。
【００８２】（２）継ぎ目の部分については、ランダム
に二面角を動かし、動かした後のエネルギー値
（Ｅnew）を計算し、動かした二面角が次のステップで
採用される確率ρを、 ρ＝ｅｘｐ（−βΔＥ） （ここで、ΔＥ＝ Ｅnew − Ｅold ）により計算す
る。
に二面角を動かし、動かした後のエネルギー値
（Ｅnew）を計算し、動かした二面角が次のステップで
採用される確率ρを、 ρ＝ｅｘｐ（−βΔＥ） （ここで、ΔＥ＝ Ｅnew − Ｅold ）により計算す
る。
【００８３】（３）断片構造については、予測された断
片構造の中からランダムに選んで構造を入れ替え、入れ
替えた後の確信度（Ｐnew）のエネルギー値（Ｅnew）を
計算し、入れ替えた後の断片構造が次のステップで採用
される確率ρを、 ρ＝Ｐnew ｅｘｐ（−βＥnew） ／ Ｐold ｅｘｐ
（−βＥold） により計算する。
片構造の中からランダムに選んで構造を入れ替え、入れ
替えた後の確信度（Ｐnew）のエネルギー値（Ｅnew）を
計算し、入れ替えた後の断片構造が次のステップで採用
される確率ρを、 ρ＝Ｐnew ｅｘｐ（−βＥnew） ／ Ｐold ｅｘｐ
（−βＥold） により計算する。
【００８４】そして、（１）から（３）を繰返すことに
より最適化を行う。これにて、全体構造予測処理が終了
する。
より最適化を行う。これにて、全体構造予測処理が終了
する。
【００８５】［他の実施の形態］さて、これまで本発明
の実施の形態について説明したが、本発明は、上述した
実施の形態以外にも、上記特許請求の範囲に記載した技
術的思想の範囲内において種々の異なる実施の形態にて
実施されてよいものである。
の実施の形態について説明したが、本発明は、上述した
実施の形態以外にも、上記特許請求の範囲に記載した技
術的思想の範囲内において種々の異なる実施の形態にて
実施されてよいものである。
【００８６】例えば、蛋白質構造予測装置１００がスタ
ンドアローンの形態で処理を行う場合を一例に説明した
が、蛋白質構造予測装置１００とは別筐体で構成される
クライアント端末からの要求に応じて処理を行い、その
処理結果を当該クライアント端末に返却するように構成
してもよい。
ンドアローンの形態で処理を行う場合を一例に説明した
が、蛋白質構造予測装置１００とは別筐体で構成される
クライアント端末からの要求に応じて処理を行い、その
処理結果を当該クライアント端末に返却するように構成
してもよい。
【００８７】また、実施の形態において説明した各処理
のうち、自動的に行なわれるものとして説明した処理の
全部または一部を手動的に行うこともでき、あるいは、
手動的に行なわれるものとして説明した処理の全部また
は一部を公知の方法で自動的に行うこともできる。この
他、上記文書中や図面中で示した処理手順、制御手順、
具体的名称、各種の登録データや検索条件等のパラメー
タを含む情報、画面例、データベース構成については、
特記する場合を除いて任意に変更することができる。
のうち、自動的に行なわれるものとして説明した処理の
全部または一部を手動的に行うこともでき、あるいは、
手動的に行なわれるものとして説明した処理の全部また
は一部を公知の方法で自動的に行うこともできる。この
他、上記文書中や図面中で示した処理手順、制御手順、
具体的名称、各種の登録データや検索条件等のパラメー
タを含む情報、画面例、データベース構成については、
特記する場合を除いて任意に変更することができる。
【００８８】また、蛋白質構造予測装置１００に関し
て、図示の各構成要素は機能概念的なものであり、必ず
しも物理的に図示の如く構成されていることを要しな
い。例えば、蛋白質構造予測装置１００の各部（各装
置）が備える処理機能、特に制御部にて行なわれる各処
理機能については、その全部または任意の一部を、ＣＰ
Ｕ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉ
ｔ）および当該ＣＰＵにて解釈実行されるプログラムに
て実現することができ、あるいは、ワイヤードロジック
によるハードウェアとして実現することも可能である。
なお、プログラムは、後述する記録媒体に記録されてお
り、必要に応じて蛋白質構造予測装置１００に機械的に
読み取られる。すなわち、ＲＯＭまたはＨＤなどの記憶
部１０６などには、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓ
ｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行
うためのコンピュータプログラムが記録されている。こ
のコンピュータプログラムは、ＲＡＭにロードされるこ
とによって実行され、ＣＰＵと協働して制御部を構成す
る。
て、図示の各構成要素は機能概念的なものであり、必ず
しも物理的に図示の如く構成されていることを要しな
い。例えば、蛋白質構造予測装置１００の各部（各装
置）が備える処理機能、特に制御部にて行なわれる各処
理機能については、その全部または任意の一部を、ＣＰ
Ｕ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉ
ｔ）および当該ＣＰＵにて解釈実行されるプログラムに
て実現することができ、あるいは、ワイヤードロジック
によるハードウェアとして実現することも可能である。
なお、プログラムは、後述する記録媒体に記録されてお
り、必要に応じて蛋白質構造予測装置１００に機械的に
読み取られる。すなわち、ＲＯＭまたはＨＤなどの記憶
部１０６などには、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓ
ｔｅｍ）と協働してＣＰＵに命令を与え、各種処理を行
うためのコンピュータプログラムが記録されている。こ
のコンピュータプログラムは、ＲＡＭにロードされるこ
とによって実行され、ＣＰＵと協働して制御部を構成す
る。
【００８９】しかしながら、このコンピュータプログラ
ムは、蛋白質構造予測装置１００に対して任意のネット
ワークを介して接続されたアプリケーションプログラム
サーバに記録されてもよく、必要に応じてその全部また
は一部をダウンロードすることも可能である。
ムは、蛋白質構造予測装置１００に対して任意のネット
ワークを介して接続されたアプリケーションプログラム
サーバに記録されてもよく、必要に応じてその全部また
は一部をダウンロードすることも可能である。
【００９０】また、本発明にかかるプログラムを、コン
ピュータ読み取り可能な記録媒体に格納することもでき
る。ここで、この「記録媒体」とは、フレキシブルディ
スク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲ
ＯＭ、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等の任意の「可搬用
の物理媒体」や、各種コンピュータシステムに内蔵され
るＲＯＭ、ＲＡＭ、ＨＤ等の任意の「固定用の物理媒
体」、あるいは、ＬＡＮ、ＷＡＮ、インターネットに代
表されるネットワークを介してプログラムを送信する場
合の通信回線や搬送波のように、短期にプログラムを保
持する「通信媒体」を含むものとする。
ピュータ読み取り可能な記録媒体に格納することもでき
る。ここで、この「記録媒体」とは、フレキシブルディ
スク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲ
ＯＭ、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等の任意の「可搬用
の物理媒体」や、各種コンピュータシステムに内蔵され
るＲＯＭ、ＲＡＭ、ＨＤ等の任意の「固定用の物理媒
体」、あるいは、ＬＡＮ、ＷＡＮ、インターネットに代
表されるネットワークを介してプログラムを送信する場
合の通信回線や搬送波のように、短期にプログラムを保
持する「通信媒体」を含むものとする。
【００９１】また、「プログラム」とは、任意の言語や
記述方法にて記述されたデータ処理方法であり、ソース
コードやバイナリコード等の形式を問わない。なお、
「プログラム」は必ずしも単一的に構成されるものに限
られず、複数のモジュールやライブラリとして分散構成
されるものや、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅ
ｍ）に代表される別個のプログラムと協働してその機能
を達成するものをも含む。なお、実施の形態に示した各
装置において記録媒体を読み取るための具体的な構成、
読み取り手順、あるいは、読み取り後のインストール手
順等については、周知の構成や手順を用いることができ
る。
記述方法にて記述されたデータ処理方法であり、ソース
コードやバイナリコード等の形式を問わない。なお、
「プログラム」は必ずしも単一的に構成されるものに限
られず、複数のモジュールやライブラリとして分散構成
されるものや、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅ
ｍ）に代表される別個のプログラムと協働してその機能
を達成するものをも含む。なお、実施の形態に示した各
装置において記録媒体を読み取るための具体的な構成、
読み取り手順、あるいは、読み取り後のインストール手
順等については、周知の構成や手順を用いることができ
る。
【００９２】また、ネットワーク３００は、蛋白質構造
予測装置１００と外部システム２００とを相互に接続す
る機能を有し、例えば、インターネットや、イントラネ
ットや、ＬＡＮ（有線／無線の双方を含む）や、ＶＡＮ
や、パソコン通信網や、公衆電話網（アナログ／デジタ
ルの双方を含む）や、専用回線網（アナログ／デジタル
の双方を含む）や、ＣＡＴＶ網や、ＩＭＴ２０００方
式、ＧＳＭ方式またはＰＤＣ／ＰＤＣ―Ｐ方式等の携帯
回線交換網／携帯パケット交換網や、無線呼出網や、Ｂ
ｌｕｅｔｏｏｔｈ等の局所無線網や、ＰＨＳ網や、Ｃ
Ｓ、ＢＳまたはＩＳＤＢ等の衛星通信網等のうちいずれ
かを含んでもよい。すなわち、本システムは、有線・無
線を問わず任意のネットワークを介して、各種データを
送受信することができる。
予測装置１００と外部システム２００とを相互に接続す
る機能を有し、例えば、インターネットや、イントラネ
ットや、ＬＡＮ（有線／無線の双方を含む）や、ＶＡＮ
や、パソコン通信網や、公衆電話網（アナログ／デジタ
ルの双方を含む）や、専用回線網（アナログ／デジタル
の双方を含む）や、ＣＡＴＶ網や、ＩＭＴ２０００方
式、ＧＳＭ方式またはＰＤＣ／ＰＤＣ―Ｐ方式等の携帯
回線交換網／携帯パケット交換網や、無線呼出網や、Ｂ
ｌｕｅｔｏｏｔｈ等の局所無線網や、ＰＨＳ網や、Ｃ
Ｓ、ＢＳまたはＩＳＤＢ等の衛星通信網等のうちいずれ
かを含んでもよい。すなわち、本システムは、有線・無
線を問わず任意のネットワークを介して、各種データを
送受信することができる。
【００９３】記憶部１０６に格納される各種のデータベ
ース等（蛋白質構造データベース１０６ａ〜確信度マト
リックス１０６ｄ）は、ＲＡＭ、ＲＯＭ等のメモリ装
置、ハードディスク等の固定ディスク装置、フレキシブ
ルディスク、光ディスク等のストレージ手段であり、各
種処理やウェブサイト提供に用いる各種のプログラムや
テーブルやファイルやデータベースやウェブページ用フ
ァイル等を格納する。
ース等（蛋白質構造データベース１０６ａ〜確信度マト
リックス１０６ｄ）は、ＲＡＭ、ＲＯＭ等のメモリ装
置、ハードディスク等の固定ディスク装置、フレキシブ
ルディスク、光ディスク等のストレージ手段であり、各
種処理やウェブサイト提供に用いる各種のプログラムや
テーブルやファイルやデータベースやウェブページ用フ
ァイル等を格納する。
【００９４】また、蛋白質構造予測装置１００は、既知
のパーソナルコンピュータ、ワークステーション等の情
報処理端末等の情報処理装置にプリンタやモニタやイメ
ージスキャナ等の周辺装置を接続し、該情報処理装置に
本発明の方法を実現させるソフトウェア（プログラム、
データ等を含む）を実装することにより実現してもよ
い。
のパーソナルコンピュータ、ワークステーション等の情
報処理端末等の情報処理装置にプリンタやモニタやイメ
ージスキャナ等の周辺装置を接続し、該情報処理装置に
本発明の方法を実現させるソフトウェア（プログラム、
データ等を含む）を実装することにより実現してもよ
い。
【００９５】さらに、蛋白質構造予測装置１００の分散
・統合の具体的形態は図示のものに限られず、その全部
または一部を、各種の負荷等に応じた任意の単位で、機
能的または物理的に分散・統合して構成することができ
る。例えば、各データベースを独立したデータベース装
置として独立に構成してもよく、また、処理の一部をＣ
ＧＩ（Ｃｏｍｍｏｎ Ｇａｔｅｗａｙ Ｉｎｔｅｒｆａ
ｃｅ）を用いて実現してもよい。
・統合の具体的形態は図示のものに限られず、その全部
または一部を、各種の負荷等に応じた任意の単位で、機
能的または物理的に分散・統合して構成することができ
る。例えば、各データベースを独立したデータベース装
置として独立に構成してもよく、また、処理の一部をＣ
ＧＩ（Ｃｏｍｍｏｎ Ｇａｔｅｗａｙ Ｉｎｔｅｒｆａ
ｃｅ）を用いて実現してもよい。
【００９６】
【発明の効果】以上詳細に説明したように、本発明によ
れば、蛋白質の配列情報および立体構造情報に基づい
て、配列情報を所定の長さに分割した断片配列とそれに
対応する断片構造とを作成し、当該断片構造の類似度に
基づいて断片構造クラスターを作成し、断片配列につい
て配列空間上における周囲の断片配列と配列類似性検索
を行い、断片配列の類似配列が断片構造クラスターに属
する確率である確信度を、断片配列と構造クラスターと
の行列で表示する確信度マトリックスを作成する。そし
て、利用者に問合せ配列を入力させ、入力された問合せ
配列を所定の長さに分割して問合せ断片配列を作成し、
作成された問合せ断片配列について、断片配列と配列類
似性検索を行い、作成した確信度マトリックスと検索結
果とに基づいて、問合せ断片配列が断片構造クラスター
に属する確率を計算し、計算された確率に基づいて、問
合せ配列の断片構造を予測するので、相関の複雑な多様
体や相関の確信度をも表現可能なように、部分配列から
部分構造の相関を計算し、その部分構造を予測すること
ができるようになる。すなわち、本発明は、構造を計算
する際、相関の度合に応じて複数の構造候補の確率（確
信度）を与えて持たせておく（確信度の関数を構造変化
の確率として用いる）ことができる蛋白質構造予測装
置、蛋白質構造予測方法、プログラム、および、記録媒
体を提供することができる。
れば、蛋白質の配列情報および立体構造情報に基づい
て、配列情報を所定の長さに分割した断片配列とそれに
対応する断片構造とを作成し、当該断片構造の類似度に
基づいて断片構造クラスターを作成し、断片配列につい
て配列空間上における周囲の断片配列と配列類似性検索
を行い、断片配列の類似配列が断片構造クラスターに属
する確率である確信度を、断片配列と構造クラスターと
の行列で表示する確信度マトリックスを作成する。そし
て、利用者に問合せ配列を入力させ、入力された問合せ
配列を所定の長さに分割して問合せ断片配列を作成し、
作成された問合せ断片配列について、断片配列と配列類
似性検索を行い、作成した確信度マトリックスと検索結
果とに基づいて、問合せ断片配列が断片構造クラスター
に属する確率を計算し、計算された確率に基づいて、問
合せ配列の断片構造を予測するので、相関の複雑な多様
体や相関の確信度をも表現可能なように、部分配列から
部分構造の相関を計算し、その部分構造を予測すること
ができるようになる。すなわち、本発明は、構造を計算
する際、相関の度合に応じて複数の構造候補の確率（確
信度）を与えて持たせておく（確信度の関数を構造変化
の確率として用いる）ことができる蛋白質構造予測装
置、蛋白質構造予測方法、プログラム、および、記録媒
体を提供することができる。
【００９７】また、蛋白質立体構造を相関の大きな部分
構造のブロックとして考える手法は以前からあるが、本
装置ではまず部分構造のクラスターを作り、構造配列相
関多様体の複雑な形を考慮して、問合せ（ｑｕｅｒｙ）
配列が与えられた後に動的に配列相関クラスターを作る
ことができる蛋白質構造予測装置、蛋白質構造予測方
法、プログラム、および、記録媒体を提供することがで
きる。
構造のブロックとして考える手法は以前からあるが、本
装置ではまず部分構造のクラスターを作り、構造配列相
関多様体の複雑な形を考慮して、問合せ（ｑｕｅｒｙ）
配列が与えられた後に動的に配列相関クラスターを作る
ことができる蛋白質構造予測装置、蛋白質構造予測方
法、プログラム、および、記録媒体を提供することがで
きる。
【００９８】また、本発明によれば、構造クラスターを
違う観点から（例えば、断片配列の長さ、断片構造の解
像度、構造クラスターの大きさ、相関の度合い等）いく
つも作り、それぞれのデータセットからの構造予測結果
を統合して構造を計算することができる蛋白質構造予測
装置、蛋白質構造予測方法、プログラム、および、記録
媒体を提供することができる。
違う観点から（例えば、断片配列の長さ、断片構造の解
像度、構造クラスターの大きさ、相関の度合い等）いく
つも作り、それぞれのデータセットからの構造予測結果
を統合して構造を計算することができる蛋白質構造予測
装置、蛋白質構造予測方法、プログラム、および、記録
媒体を提供することができる。
【００９９】また、本発明によれば、断片配列に関して
類似性検索をした結果を、断片配列の行列で表示した類
似性マトリックスを作成する類似性マトリックス作成手
段と、断片配列がどの断片構造クラスターに属している
かを示す構造クラスター情報を、断片配列と構造クラス
ターの行列で表示した構造クラスター情報マトリックス
を作成し、作成した類似性マトリックスと構造クラスタ
ー情報マトリックスとに基づいて、確信度マトリックス
を作成するので、行列演算手法を用いて類似性検索結果
に基づいて簡易かつ精緻に確信度を計算することができ
る蛋白質構造予測装置、蛋白質構造予測方法、プログラ
ム、および、記録媒体を提供することができる。
類似性検索をした結果を、断片配列の行列で表示した類
似性マトリックスを作成する類似性マトリックス作成手
段と、断片配列がどの断片構造クラスターに属している
かを示す構造クラスター情報を、断片配列と構造クラス
ターの行列で表示した構造クラスター情報マトリックス
を作成し、作成した類似性マトリックスと構造クラスタ
ー情報マトリックスとに基づいて、確信度マトリックス
を作成するので、行列演算手法を用いて類似性検索結果
に基づいて簡易かつ精緻に確信度を計算することができ
る蛋白質構造予測装置、蛋白質構造予測方法、プログラ
ム、および、記録媒体を提供することができる。
【０１００】さらに、本発明によれば、最大の確信度を
持つ断片構造にて決定された初期全体構造について所定
の最適化を行うので、まず、初期構造を作成する際に様
々な可能な断片配列に分割しそれらの最適な予測結果を
統合することができるようになる。また、初期構造をさ
らに最適化を行うことにより、全体構造予測の精度をさ
らに上げることができる蛋白質構造予測装置、蛋白質構
造予測方法、プログラム、および、記録媒体を提供する
ことができる。
持つ断片構造にて決定された初期全体構造について所定
の最適化を行うので、まず、初期構造を作成する際に様
々な可能な断片配列に分割しそれらの最適な予測結果を
統合することができるようになる。また、初期構造をさ
らに最適化を行うことにより、全体構造予測の精度をさ
らに上げることができる蛋白質構造予測装置、蛋白質構
造予測方法、プログラム、および、記録媒体を提供する
ことができる。
【図１】従来技術により配列をプロファイルで表現した
場合の一例を示す図である。
場合の一例を示す図である。
【図２】従来技術による構造クラスター作成イメージを
示す図である。
示す図である。
【図３】本発明の基本原理を示す概念図である。
【図４】本発明が適用される本システムの構成の一例を
示すブロック図である。
示すブロック図である。
【図５】本実施形態における本システムの断片構造予測
処理の一例を示すフローチャートである。
処理の一例を示すフローチャートである。
【図６】断片構造クラスター作成部１０２ａが蛋白質構
造データベース１０６ａから断片配列とそれに対応する
断片構造とを取得する場合の一例を示す概念図である。
造データベース１０６ａから断片配列とそれに対応する
断片構造とを取得する場合の一例を示す概念図である。
【図７】断片構造クラスター作成部１０２ａが作成する
断片配列の断片構造クラスターの一例を示す図である。
断片配列の断片構造クラスターの一例を示す図である。
【図８】階層的クラスター手法を用いて断片構造クラス
ターを作成する場合の一例を示す図である。
ターを作成する場合の一例を示す図である。
【図９】断片配列Ａについて、その類似の断片配列
（Ｄ、Ｆ、Ｇ、Ｓ、Ｉ等）と、類似度スコア（５０、３
０、２８、２５、２０等）と、その断片配列が属する断
片構造クラスター（α、α、β、α、γ等）を検索した
場合を示す概念図である。
（Ｄ、Ｆ、Ｇ、Ｓ、Ｉ等）と、類似度スコア（５０、３
０、２８、２５、２０等）と、その断片配列が属する断
片構造クラスター（α、α、β、α、γ等）を検索した
場合を示す概念図である。
【図１０】類似性マトリックス１０６ｂに格納される情
報の一例を示す図である。
報の一例を示す図である。
【図１１】構造クラスター情報マトリックス１０６ｃに
格納される情報の一例を示す図である。
格納される情報の一例を示す図である。
【図１２】確信度マトリックス作成部１０２ｅが類似性
マトリックス１０６ｂおよび構造クラスター情報マトリ
ックス１０６ｃに基づいて確信度マトリックス１０６ｄ
を作成することを示す概念図である。
マトリックス１０６ｂおよび構造クラスター情報マトリ
ックス１０６ｃに基づいて確信度マトリックス１０６ｄ
を作成することを示す概念図である。
【図１３】問合せ配列（問合せ断片配列）Ｘについて類
似性検索を行い、その検索結果に確信度マトリックス１
０６ｄを掛け合わせて属する断片構造の確率を計算する
場合の一例を示す概念図である。
似性検索を行い、その検索結果に確信度マトリックス１
０６ｄを掛け合わせて属する断片構造の確率を計算する
場合の一例を示す概念図である。
【図１４】断片配列構造予測部１０２ｊによる断片構造
予測の一例を示す概念図である。
予測の一例を示す概念図である。
【図１５】本実施形態における本システムの全体構造予
測処理の一例を示すフローチャートである。
測処理の一例を示すフローチャートである。
１００ 蛋白質構造予測装置
１０２ 制御部
１０２ａ 断片構造クラスター作成部
１０２ｂ 断片配列類似性検索部
１０２ｃ 類似性マトリックス作成部
１０２ｄ 構造クラスター情報マトリックス作成部
１０２ｅ 確信度マトリックス作成部
１０２ｆ 問合せ配列入力部
１０２ｇ 問合せ断片配列作成部
１０２ｈ 問合せ断片配列類似性検索部
１０２ｉ 断片構造確率計算部
１０２ｊ 断片配列構造予測部
１０２ｋ 全体構造最適化部
１０４ 通信制御インターフェース部
１０６ 記憶部
１０６ａ 蛋白質構造データベース
１０６ｂ 類似性マトリックス
１０６ｃ 構造クラスター情報マトリックス
１０６ｄ 確信度マトリックス
１０８ 入出力制御インターフェース部
１１２ 入力装置
１１４ 出力装置
２００ 外部システム
３００ ネットワーク
Claims (10)
- 【請求項１】 蛋白質の配列情報および立体構造情報に
基づいて、配列情報を所定の長さに分割した断片配列と
それに対応する断片構造とを作成し、当該断片構造の類
似度に基づいて断片構造クラスターを作成する断片構造
クラスター作成手段と、 上記断片配列について配列空間上における周囲の上記断
片配列と配列類似性検索を行う断片配列類似性検索手段
と、 上記断片配列の類似配列が上記断片構造クラスターに属
する確率である確信度を、上記断片配列と上記構造クラ
スターとの行列で表示する確信度マトリックスを作成す
る確信度マトリックス作成手段と、 利用者に問合せ配列を入力させる問合せ配列入力手段
と、 上記問合せ配列入力手段にて入力された上記問合せ配列
を所定の長さに分割して問合せ断片配列を作成する問合
せ断片配列作成手段と、 上記問合せ断片配列作成手段にて作成された上記問合せ
断片配列について、上記断片配列と配列類似性検索を行
う問合せ断片配列類似性検索手段と、 上記確信度マトリックス作成手段にて作成した上記確信
度マトリックスと、上記問合せ断片配列類似性検索手段
の検索結果とに基づいて、上記問合せ断片配列が上記断
片構造クラスターに属する確率を計算する断片構造確率
計算手段と、 上記断片構造確率計算手段にて計算された上記確率に基
づいて、上記問合せ配列の上記断片構造を予測する断片
配列構造予測手段と、 を備えたことを特徴とする蛋白質構造予測装置。 - 【請求項２】 上記断片配列類似性検索手段により上記
断片配列に関して類似性検索をした結果を、断片配列の
行列で表示した類似性マトリックスを作成する類似性マ
トリックス作成手段と、 上記断片配列がどの上記断片構造クラスターに属してい
るかを示す構造クラスター情報を、上記断片配列と上記
構造クラスターの行列で表示した構造クラスター情報マ
トリックスを作成する構造クラスター情報マトリックス
作成手段と、 をさらに備え、 上記確信度マトリックス作成手段は、上記類似性マトリ
ックス作成手段にて作成した上記類似性マトリックス
と、上記構造クラスター情報マトリックス作成手段にて
作成した上記構造クラスター情報マトリックスとに基づ
いて、上記確信度マトリックスを作成する、 ことを特徴とする請求項１に記載の蛋白質構造予測装
置。 - 【請求項３】 最大の上記確信度を持つ上記断片構造に
て決定された初期全体構造について所定の最適化を行う
全体構造最適化手段、 をさらに備えたことを特徴とする請求項１または２に記
載の蛋白質構造予測装置。 - 【請求項４】 蛋白質の配列情報および立体構造情報に
基づいて、配列情報を所定の長さに分割した断片配列と
それに対応する断片構造とを作成し、当該断片構造の類
似度に基づいて断片構造クラスターを作成する断片構造
クラスター作成ステップと、 上記断片配列について配列空間上における周囲の上記断
片配列と配列類似性検索を行う断片配列類似性検索ステ
ップと、 上記断片配列の類似配列が上記断片構造クラスターに属
する確率である確信度を、上記断片配列と上記構造クラ
スターとの行列で表示する確信度マトリックスを作成す
る確信度マトリックス作成ステップと、 利用者に問合せ配列を入力させる問合せ配列入力ステッ
プと、 上記問合せ配列入力ステップにて入力された上記問合せ
配列を所定の長さに分割して問合せ断片配列を作成する
問合せ断片配列作成ステップと、 上記問合せ断片配列作成ステップにて作成された上記問
合せ断片配列について、上記断片配列と配列類似性検索
を行う問合せ断片配列類似性検索ステップと、 上記確信度マトリックス作成ステップにて作成した上記
確信度マトリックスと、上記問合せ断片配列類似性検索
ステップの検索結果とに基づいて、上記問合せ断片配列
が上記断片構造クラスターに属する確率を計算する断片
構造確率計算ステップと、 上記断片構造確率計算ステップにて計算された上記確率
に基づいて、上記問合せ配列の上記断片構造を予測する
断片配列構造予測ステップと、 を含むことを特徴とする蛋白質構造予測方法。 - 【請求項５】 上記断片配列類似性検索ステップにより
上記断片配列に関して類似性検索をした結果を、断片配
列の行列で表示した類似性マトリックスを作成する類似
性マトリックス作成ステップと、 上記断片配列がどの上記断片構造クラスターに属してい
るかを示す構造クラスター情報を、上記断片配列と上記
構造クラスターの行列で表示した構造クラスター情報マ
トリックスを作成する構造クラスター情報マトリックス
作成ステップと、 をさらに含み、 上記確信度マトリックス作成ステップは、上記類似性マ
トリックス作成ステップにて作成した上記類似性マトリ
ックスと、上記構造クラスター情報マトリックス作成ス
テップにて作成した上記構造クラスター情報マトリック
スとに基づいて、上記確信度マトリックスを作成する、 ことを特徴とする請求項４に記載の蛋白質構造予測方
法。 - 【請求項６】 最大の上記確信度を持つ上記断片構造に
て決定された初期全体構造について所定の最適化を行う
全体構造最適化ステップ、 をさらに含むことを特徴とする請求項４または５に記載
の蛋白質構造予測方法。 - 【請求項７】 蛋白質の配列情報および立体構造情報に
基づいて、配列情報を所定の長さに分割した断片配列と
それに対応する断片構造とを作成し、当該断片構造の類
似度に基づいて断片構造クラスターを作成する断片構造
クラスター作成ステップと、 上記断片配列について配列空間上における周囲の上記断
片配列と配列類似性検索を行う断片配列類似性検索ステ
ップと、 上記断片配列の類似配列が上記断片構造クラスターに属
する確率である確信度を、上記断片配列と上記構造クラ
スターとの行列で表示する確信度マトリックスを作成す
る確信度マトリックス作成ステップと、 利用者に問合せ配列を入力させる問合せ配列入力ステッ
プと、 上記問合せ配列入力ステップにて入力された上記問合せ
配列を所定の長さに分割して問合せ断片配列を作成する
問合せ断片配列作成ステップと、 上記問合せ断片配列作成ステップにて作成された上記問
合せ断片配列について、上記断片配列と配列類似性検索
を行う問合せ断片配列類似性検索ステップと、 上記確信度マトリックス作成ステップにて作成した上記
確信度マトリックスと、上記問合せ断片配列類似性検索
ステップの検索結果とに基づいて、上記問合せ断片配列
が上記断片構造クラスターに属する確率を計算する断片
構造確率計算ステップと、 上記断片構造確率計算ステップにて計算された上記確率
に基づいて、上記問合せ配列の上記断片構造を予測する
断片配列構造予測ステップと、 を含む蛋白質構造予測方法をコンピュータに実行させる
ことを特徴とするプログラム。 - 【請求項８】 上記断片配列類似性検索ステップにより
上記断片配列に関して類似性検索をした結果を、断片配
列の行列で表示した類似性マトリックスを作成する類似
性マトリックス作成ステップと、 上記断片配列がどの上記断片構造クラスターに属してい
るかを示す構造クラスター情報を、上記断片配列と上記
構造クラスターの行列で表示した構造クラスター情報マ
トリックスを作成する構造クラスター情報マトリックス
作成ステップと、 をさらに含み、 上記確信度マトリックス作成ステップは、上記類似性マ
トリックス作成ステップにて作成した上記類似性マトリ
ックスと、上記構造クラスター情報マトリックス作成ス
テップにて作成した上記構造クラスター情報マトリック
スとに基づいて、上記確信度マトリックスを作成する、 ことを特徴とする請求項７に記載のプログラム。 - 【請求項９】 最大の上記確信度を持つ上記断片構造に
て決定された初期全体構造について所定の最適化を行う
全体構造最適化ステップ、 をさらに含むことを特徴とする請求項７または８に記載
のプログラム。 - 【請求項１０】 上記請求項７から９のいずれか一つに
記載されたプログラムを記録したことを特徴とするコン
ピュータ読み取り可能な記録媒体。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001398569A JP4084040B2 (ja) | 2001-12-27 | 2001-12-27 | 蛋白質構造予測装置、蛋白質構造予測方法、プログラム、および、記録媒体 |
| EP02792060A EP1460559A4 (en) | 2001-12-27 | 2002-12-27 | DEVICE FOR PREDICTING A PROTEIN STRUCTURE, METHOD FOR PREDICTING A PROTEIN STRUCTURE, PROGRAM AND RECORDING MEDIUM |
| PCT/JP2002/013832 WO2003056461A1 (fr) | 2001-12-27 | 2002-12-27 | Dispositif de prediction de structure proteique, procede de prediction de structure proteique, programme et support d'enregistrement associes |
| US10/846,622 US20050026217A1 (en) | 2001-12-27 | 2004-05-17 | Protein structure prediction device, protein structure prediction method, program, and recording medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001398569A JP4084040B2 (ja) | 2001-12-27 | 2001-12-27 | 蛋白質構造予測装置、蛋白質構造予測方法、プログラム、および、記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003196575A true JP2003196575A (ja) | 2003-07-11 |
| JP4084040B2 JP4084040B2 (ja) | 2008-04-30 |
Family
ID=19189362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001398569A Expired - Fee Related JP4084040B2 (ja) | 2001-12-27 | 2001-12-27 | 蛋白質構造予測装置、蛋白質構造予測方法、プログラム、および、記録媒体 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20050026217A1 (ja) |
| EP (1) | EP1460559A4 (ja) |
| JP (1) | JP4084040B2 (ja) |
| WO (1) | WO2003056461A1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017037377A (ja) * | 2015-08-07 | 2017-02-16 | 富士通株式会社 | 情報処理装置、シミュレーション方法、およびシミュレーションプログラム |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1796009A3 (en) * | 2005-12-08 | 2007-08-22 | Electronics and Telecommunications Research Institute | System for and method of extracting and clustering information |
| EP2589653A1 (en) * | 2010-07-02 | 2013-05-08 | NEC Soft, Ltd. | Prediction device, prediction method, program, and recording medium |
| CN104200130B (zh) * | 2014-07-23 | 2017-08-11 | 浙江工业大学 | 一种基于树结构副本交换和片段组装的蛋白质结构预测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3012441B2 (ja) * | 1993-10-01 | 2000-02-21 | 日本電気株式会社 | タンパク質立体構造予測方法 |
| JP3585613B2 (ja) * | 1995-12-08 | 2004-11-04 | 富士通株式会社 | 蛋白質の二次構造予測方法及び装置 |
-
2001
- 2001-12-27 JP JP2001398569A patent/JP4084040B2/ja not_active Expired - Fee Related
-
2002
- 2002-12-27 WO PCT/JP2002/013832 patent/WO2003056461A1/ja not_active Application Discontinuation
- 2002-12-27 EP EP02792060A patent/EP1460559A4/en not_active Withdrawn
-
2004
- 2004-05-17 US US10/846,622 patent/US20050026217A1/en not_active Abandoned
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017037377A (ja) * | 2015-08-07 | 2017-02-16 | 富士通株式会社 | 情報処理装置、シミュレーション方法、およびシミュレーションプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2003056461A1 (fr) | 2003-07-10 |
| JP4084040B2 (ja) | 2008-04-30 |
| EP1460559A4 (en) | 2007-01-24 |
| US20050026217A1 (en) | 2005-02-03 |
| EP1460559A1 (en) | 2004-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Keller et al. | Experimental protein mixture for validating tandem mass spectral analysis | |
| de Brevern et al. | Extension of a local backbone description using a structural alphabet: a new approach to the sequence‐structure relationship | |
| Yang et al. | Accurate disulfide-bonding network predictions improve ab initio structure prediction of cysteine-rich proteins | |
| Selvitopi et al. | Distributed many-to-many protein sequence alignment using sparse matrices | |
| CA2942106A1 (en) | Aligning and clustering sequence patterns to reveal classificatory functionality of sequences | |
| Djeddi et al. | A novel computational approach for global alignment for multiple biological networks | |
| Zheng et al. | Protein structure prediction constrained by solution X-ray scattering data and structural homology identification | |
| Kandathil et al. | Toward a detailed understanding of search trajectories in fragment assembly approaches to protein structure prediction | |
| Nanni et al. | Set of approaches based on 3D structure and position specific-scoring matrix for predicting DNA-binding proteins | |
| Wong et al. | Fast de novo discovery of low‐energy protein loop conformations | |
| Peng et al. | Modeling protein loops with knowledge-based prediction of sequence-structure alignment | |
| Tao et al. | Docking cyclic peptides formed by a disulfide bond through a hierarchical strategy | |
| Xu et al. | Protein threading by PROSPECT: a prediction experiment in CASP3 | |
| JP2003196575A (ja) | 蛋白質構造予測装置、蛋白質構造予測方法、プログラム、および、記録媒体 | |
| Liu et al. | TM-search: An efficient and effective tool for protein structure database search | |
| Woo et al. | MONACO: accurate biological network alignment through optimal neighborhood matching between focal nodes | |
| Vesterstrøm et al. | Flexible secondary structure based protein structure comparison applied to the detection of circular permutation | |
| Moschopoulos et al. | GIBA: a clustering tool for detecting protein complexes | |
| He et al. | Protein complexes identification with family-wise error rate control | |
| CN115862742A (zh) | 基于自注意力机制的双向肽段测序方法及应用 | |
| Sillitoe et al. | Assessing strategies for improved superfamily recognition | |
| JP2003242154A (ja) | 遺伝子発現情報管理装置、遺伝子発現情報管理方法、プログラム、および、記録媒体 | |
| EP1460560A1 (en) | Apparatus for predicting interaction site, method of predicting interaction site, program and recording medium | |
| Can et al. | Automated protein classification using consensus decision | |
| JP2004295606A (ja) | 遺伝子機能推定装置、遺伝子機能推定方法、および、プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041213 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071023 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071221 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080122 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080214 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110222 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110222 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120222 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130222 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140222 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |