JP6995990B2 - タンパク質相互作用解析装置及び解析方法 - Google Patents
タンパク質相互作用解析装置及び解析方法 Download PDFInfo
- Publication number
- JP6995990B2 JP6995990B2 JP2020523173A JP2020523173A JP6995990B2 JP 6995990 B2 JP6995990 B2 JP 6995990B2 JP 2020523173 A JP2020523173 A JP 2020523173A JP 2020523173 A JP2020523173 A JP 2020523173A JP 6995990 B2 JP6995990 B2 JP 6995990B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- protein
- ligand
- binding site
- ligand binding
- 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.)
- Active
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M1/00—Apparatus for enzymology or microbiology
- C12M1/34—Measuring or testing with condition measuring or sensing means, e.g. colony counters
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
-
- 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
- G16B15/30—Drug targeting using structural data; Docking or binding prediction
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biotechnology (AREA)
- Organic Chemistry (AREA)
- Zoology (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Wood Science & Technology (AREA)
- Microbiology (AREA)
- Biochemistry (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- General Engineering & Computer Science (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Genetics & Genomics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Hematology (AREA)
- Urology & Nephrology (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Pharmacology & Pharmacy (AREA)
- Food Science & Technology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Cell Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Sustainable Development (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Description
(1) 解析対象に関する情報を入力するデータ入力部と、
外部記憶部に格納されたタンパク質のアミノ酸配列データ及び立体構造データと当該タンパク質に対して特異的に相互作用するリガントの立体構造データとに基づいて生成した、所定のタンパク質に関するリガンド結合部位の表面形状データと当該リガンド結合部位の静電ポテンシャル分布データと当該リガンド結合部位に対して相互作用するリガンドに関する立体構造データとを関連づけて記憶するデータ記憶部と、
上記データ記憶部に記憶された、所定のリガンド結合部位の表面形状データと当該リガンド結合部位の静電ポテンシャル分布データと当該リガンド結合部位に対して相互作用するリガンドに関する立体構造データとを教師データとした機械学習により、上記データ入力部で入力された解析対象に関連する、タンパク質相互作用に関するデータを生成する計算処理部とを備える、タンパク質相互作用解析装置。
上記計算処理部は、当該リガンドに相互作用するタンパク質又はリガンド結合部位に関するデータを生成することを特徴とする(1)記載のタンパク質相互作用解析装置。
上記計算処理部は、当該タンパク質又はリガンド結合部位に相互作用する化合物又はリガンドに関するデータを生成することを特徴とする(1)記載のタンパク質相互作用解析装置。
演算装置が、外部記憶部に格納されたタンパク質のアミノ酸配列データ及び立体構造データと当該タンパク質に対して特異的に相互作用するリガントの立体構造データとに基づいて、所定のタンパク質に関するリガンド結合部位の表面形状データと当該リガンド結合部位の静電ポテンシャル分布データと当該リガンド結合部位に対して相互作用するリガンドに関する立体構造データとを生成し、これら表面形状データと静電ポテンシャル分布データとリガンドに関する立体構造データとを関連づけて記憶装置に記憶する工程と、
演算装置が、上記記憶装置に記憶された、所定のリガンド結合部位の表面形状データと当該リガンド結合部位の静電ポテンシャル分布データと当該リガンド結合部位に対して相互作用するリガンドに関する立体構造データとを教師データとした機械学習により、上記入力装置が入力した解析対象に関連する、タンパク質相互作用に関するデータを生成する工程とを有する、タンパク質相互作用解析方法。
上記演算装置は、当該リガンドに相互作用するタンパク質又はリガンド結合部位に関するデータを生成することを特徴とする(11)記載のタンパク質相互作用解析方法。
上記演算装置は、当該タンパク質又はリガンド結合部位に相互作用する化合物又はリガンドに関するデータを生成することを特徴とする(11)記載のタンパク質相互作用解析方法。
Claims (16)
- 解析対象に関する情報としてリガンドの構造に関する情報若しくはタンパク質又はリガンド結合部位の構造に関する情報を入力するデータ入力部と、
外部記憶部に格納されたタンパク質のアミノ酸配列データ及び立体構造データと当該タンパク質に対して特異的に相互作用するリガンドの立体構造データとに基づいて生成した、所定のタンパク質に関するリガンド結合部位の表面形状データと当該リガンド結合部位の静電ポテンシャル分布データと当該リガンド結合部位に対して相互作用するリガンドに関する立体構造データとを関連づけて記憶するデータ記憶部と、
上記データ記憶部に記憶された、所定のリガンド結合部位の表面形状データと当該リガンド結合部位の静電ポテンシャル分布データと当該リガンド結合部位に対して相互作用するリガンドに関する立体構造データとを教師データとした機械学習により、上記データ入力部で解析対象に関する情報としてリガンドの構造に関する情報が入力された場合には当該リガンドに相互作用するタンパク質又はリガンド結合部位に関するデータを生成し、上記データ入力部で解析対象に関する情報としてタンパク質又はリガンド結合部位の構造に関する情報が入力された場合には当該タンパク質又はリガンド結合部位に相互作用する化合物又はリガンドに関するデータを生成する計算処理部とを備える、タンパク質相互作用解析装置。 - 上記計算処理部は、機械学習により生成したタンパク質相互作用に関するデータについて、上記データ入力部で入力した解析対象と、生成したデータに含まれる解析対象との類似性を示す評価値を算出する評価値算出部を備えることを特徴とする請求項1記載のタンパク質相互作用解析装置。
- 上記計算処理部は、機械学習により生成したタンパク質相互作用に関するデータについて、上記データ入力部で入力した解析対象が相互作用したときの結合安定性を定量的に示す適合性スコアを算出するタンパク質-リガンド適合性スコア算出部を備えることを特徴とする請求項1記載のタンパク質相互作用解析装置。
- 上記データ記憶部は、リガンド結合部位を構成する原子の原子座標に基づいてリガンド結合部位の中心座標を算出し、当該中心座標から所定の距離内にある原子を含む三次元グリッド空間を設定し、当該三次元グリッド空間に基づいて生成された表面形状データを記憶することを特徴とする請求項1記載のタンパク質相互作用解析装置。
- 上記三次元グリッド空間は、所定の間隔で設定されたグリッドにより複数の格子点を有し、上記中心座標から所定の距離内にある各原子について最も近接する格子点に特定の文字を与え、当該特定の文字が与えられなかった格子点に他の文字を与えられたデータであることを特徴とする請求項4記載のタンパク質相互作用解析装置。
- 上記中心座標から所定の距離内にある各原子は、複数の非水素原子種であることを特徴とする請求項4記載のタンパク質相互作用解析装置。
- 上記データ記憶部は、上記三次元グリッド空間の格子点について算出された静電ポテンシャル分布データを記憶することを特徴とする請求項4記載のタンパク質相互作用解析装置。
- 上記データ記憶部は、上記三次元グリッド空間の格子点について算出された正の値からなる正の静電ポテンシャル分布データと、上記三次元グリッド空間の格子点について算出された負の値からなる負の静電ポテンシャル分布データとを記憶することを特徴とする請求項4記載のタンパク質相互作用解析装置。
- 入力装置により解析対象に関する情報としてリガンドの構造に関する情報若しくはタンパク質又はリガンド結合部位の構造に関する情報を入力する工程と、
演算装置が、外部記憶部に格納されたタンパク質のアミノ酸配列データ及び立体構造データと当該タンパク質に対して特異的に相互作用するリガンドの立体構造データとに基づいて、所定のタンパク質に関するリガンド結合部位の表面形状データと当該リガンド結合部位の静電ポテンシャル分布データと当該リガンド結合部位に対して相互作用するリガンドに関する立体構造データとを生成し、これら表面形状データと静電ポテンシャル分布データとリガンドに関する立体構造データとを関連づけて記憶装置に記憶する工程と、
演算装置が、上記記憶装置に記憶された、所定のリガンド結合部位の表面形状データと当該リガンド結合部位の静電ポテンシャル分布データと当該リガンド結合部位に対して相互作用するリガンドに関する立体構造データとを教師データとした機械学習により、上記入力装置が解析対象に関する情報としてリガンドの構造に関する情報を入力した場合には当該リガンドに相互作用するタンパク質又はリガンド結合部位に関するデータを生成し、上記入力装置が解析対象に関する情報としてタンパク質又はリガンド結合部位の構造に関する情報を入力した場合には当該タンパク質又はリガンド結合部位に相互作用する化合物又はリガンドに関するデータを生成する工程とを有する、タンパク質相互作用解析方法。 - 上記演算装置が、機械学習により生成したタンパク質相互作用に関するデータについて、上記入力装置が入力した解析対象と、生成したデータに含まれる解析対象との類似性を示す評価値を算出する工程を有することを特徴とする請求項9記載のタンパク質相互作用解析方法。
- 上記演算装置が、機械学習により生成したタンパク質相互作用に関するデータについて、上記入力装置が入力した解析対象が相互作用したときの結合安定性を定量的に示す適合性スコアを算出する工程を有することを特徴とする請求項9記載のタンパク質相互作用解析方法。
- 上記演算装置は、リガンド結合部位を構成する原子の原子座標に基づいてリガンド結合部位の中心座標を算出し、当該中心座標から所定の距離内にある原子を含む三次元グリッド空間を設定し、当該三次元グリッド空間に基づいて生成された表面形状データを上記データ記憶部に記憶することを特徴とする請求項9記載のタンパク質相互作用解析方法。
- 上記三次元グリッド空間は、所定の間隔で設定されたグリッドにより複数の格子点を有し、上記中心座標から所定の距離内にある各原子について最も近接する格子点に特定の文字を与え、当該特定の文字が与えられなかった格子点に他の文字を与えられたデータであることを特徴とする請求項12記載のタンパク質相互作用解析方法。
- 上記中心座標から所定の距離内にある各原子は、複数の非水素原子種であることを特徴とする請求項12記載のタンパク質相互作用解析方法。
- 上記演算装置は、上記三次元グリッド空間の格子点について算出された静電ポテンシャル分布データを上記データ記憶部に記憶することを特徴とする請求項12記載のタンパク質相互作用解析方法。
- 上記演算装置は、上記三次元グリッド空間の格子点について算出された正の値からなる正の静電ポテンシャル分布データと、上記三次元グリッド空間の格子点について算出された負の値からなる負の静電ポテンシャル分布データとを上記データ記憶部に記憶することを特徴とする請求項12記載のタンパク質相互作用解析方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018108362 | 2018-06-06 | ||
JP2018108362 | 2018-06-06 | ||
PCT/JP2019/022528 WO2019235567A1 (ja) | 2018-06-06 | 2019-06-06 | タンパク質相互作用解析装置及び解析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019235567A1 JPWO2019235567A1 (ja) | 2021-07-01 |
JP6995990B2 true JP6995990B2 (ja) | 2022-02-04 |
Family
ID=68770412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020523173A Active JP6995990B2 (ja) | 2018-06-06 | 2019-06-06 | タンパク質相互作用解析装置及び解析方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6995990B2 (ja) |
WO (1) | WO2019235567A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102576033B1 (ko) * | 2020-07-17 | 2023-09-11 | 주식회사 아론티어 | 3d-컨벌루션 뉴럴 네트워크의 앙상블을 이용한 단백질-리간드 결합 친화도 예측 방법 및 이를 위한 시스템 |
JP2022188603A (ja) | 2021-06-09 | 2022-12-21 | 富士通株式会社 | 安定構造探索システム、安定構造探索方法及び安定構造探索プログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002057954A1 (fr) | 2001-01-19 | 2002-07-25 | Mitsubishi Chemical Corporation | Procede pour realiser une structure tridimensionnelle de proteine avec ajustement induit et son utilisation |
US20040148265A1 (en) | 1998-06-19 | 2004-07-29 | Schwartz Steven D. | Neural network methods to predict enzyme inhibitor or receptor ligand potency |
JP2009151406A (ja) | 2007-12-19 | 2009-07-09 | National Institute Of Advanced Industrial & Technology | タンパク質機能識別装置 |
US20110066384A1 (en) | 2002-08-06 | 2011-03-17 | Zauhar Randy J | Computer Aided Ligand-Based and Receptor-Based Drug Design Utilizing Molecular Shape and Electrostatic Complementarity |
-
2019
- 2019-06-06 JP JP2020523173A patent/JP6995990B2/ja active Active
- 2019-06-06 WO PCT/JP2019/022528 patent/WO2019235567A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040148265A1 (en) | 1998-06-19 | 2004-07-29 | Schwartz Steven D. | Neural network methods to predict enzyme inhibitor or receptor ligand potency |
WO2002057954A1 (fr) | 2001-01-19 | 2002-07-25 | Mitsubishi Chemical Corporation | Procede pour realiser une structure tridimensionnelle de proteine avec ajustement induit et son utilisation |
US20110066384A1 (en) | 2002-08-06 | 2011-03-17 | Zauhar Randy J | Computer Aided Ligand-Based and Receptor-Based Drug Design Utilizing Molecular Shape and Electrostatic Complementarity |
JP2009151406A (ja) | 2007-12-19 | 2009-07-09 | National Institute Of Advanced Industrial & Technology | タンパク質機能識別装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2019235567A1 (ja) | 2019-12-12 |
JPWO2019235567A1 (ja) | 2021-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Predicting changes in protein thermodynamic stability upon point mutation with deep 3D convolutional neural networks | |
Derevyanko et al. | Deep convolutional networks for quality assessment of protein folds | |
Zhong et al. | Improved K-means clustering algorithm for exploring local protein sequence motifs representing common structural property | |
Janin et al. | Protein–protein interaction and quaternary structure | |
Kahraman et al. | Cross-link guided molecular modeling with ROSETTA | |
Pietal et al. | GDFuzz3D: a method for protein 3D structure reconstruction from contact maps, based on a non-Euclidean distance function | |
Dodd et al. | Simulation-based methods for model building and refinement in cryoelectron microscopy | |
JP6995990B2 (ja) | タンパク質相互作用解析装置及び解析方法 | |
Pan et al. | Introduction to protein structure prediction: methods and algorithms | |
Zhu et al. | SCL: a lattice-based approach to infer 3D chromosome structures from single-cell Hi-C data | |
Li | Conformational sampling in template-free protein loop structure modeling: An overview | |
Singh et al. | Bioinformatics: methods and applications | |
Dorn et al. | A hybrid genetic algorithm for the 3-d protein structure prediction problem using a path-relinking strategy | |
Chowdhury et al. | A bi-objective function optimization approach for multiple sequence alignment using genetic algorithm | |
Rudnev et al. | Current approaches in supersecondary structures investigation | |
Rocha et al. | Inserting co-evolution information from contact maps into a multiobjective genetic algorithm for protein structure prediction | |
Leelananda et al. | Statistical contact potentials in protein coarse-grained modeling: from pair to multi-body potentials | |
Poluri et al. | Prediction, analysis, visualization, and storage of protein–protein interactions using computational approaches | |
Furnham et al. | Comparative modelling by restraint-based conformational sampling | |
Launay et al. | Modeling protein complexes and molecular assemblies using computational methods | |
Gajda et al. | Protein structure prediction: From recognition of matches with known structures to recombination of fragments | |
Altun et al. | A feature selection algorithm based on graph theory and random forests for protein secondary structure prediction | |
Gress | Integration of protein three-dimensional structure into the workflow of interpretation of genetic variants | |
Wang | Searching for the origin of protein conformational changes: Protein responses to specific forces in simulations | |
Hong et al. | Protein Structure Prediction Using A New Optimization-Based Evolutionary and Explainable Artificial Intelligence Approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201109 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210928 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211112 |
|
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: 20211130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6995990 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |