分子動力学シミュレーション・機械学習を組み合わせた新型コロナウイルス進化予測

结合分子动力学模拟和机器学习预测新冠病毒的进化

基本信息

项目摘要

新型コロナウイルスが進化することで、ヒト細胞表面に存在する受容体蛋白質及び糖鎖への結合を強める可能性を研究するために、蛋白質複合体間の結合力を高速に見積もる手法を開発した。具体的には、蛋白質・蛋白質間または蛋白質・化合物間に外力を加えた系の分子動力学シミュレーションを実施し、その解離時間から結合力を見積もる手法を開発した。本手法を異なる3複合体に適用し、高速かつ高精度に結合力を見積もることができることを確認した。本手法について、論文を投稿し受理された。並行して、様々な物質に対する新型コロナウイルス由来蛋白質の結合能をin vitroで測定する系を構築した。まず、新型コロナウイルス由来蛋白質を昆虫細胞系で発現させる発言システムを構築した。次に、得られたコロナウイルス由来蛋白質と蛋白質・糖鎖との結合力を等温滴定カロリメトリー(ITC)で測定する実験系を構築した。構築した測定系を用いて、新型コロナウイルス由来スパイク蛋白質(S1タンパク質)とヒト受容体蛋白質(ACE2)複合体に適用し、既報の測定値と同等の測定値を得ることができた。さらに並行して、進化した新型コロナウイルスの感染能を、培養細胞を用いて測定する系の構築も行った。具体的には、レンチウイルスまたはレトロウイルスをベースとしたシュードウイルス上に新型コロナウイルス由来スパイク蛋白質(S1,2))を293T細胞で増殖させた後に、Vero細胞に感染させ、感染能を測定する系を構築した。本系を用いて、天然型(武漢型)及び様々な変異体(アルファ、オミクロン株由来など)を組み込んだシュードウイルスの感染能を測定し、既報のデータを再現することに成功した。
A new type of protein complex has been developed for the study of the possibility of binding between receptor proteins and glycoproteins existing on the surface of cells. Specific protein/protein interaction, protein/compound interaction, molecular dynamics interaction, dissociation time, binding force, etc. This technique is suitable for high speed, high precision and high binding force. This method is used to submit papers. A new type of protein binding system was constructed for the determination of protein binding energy in vitro A new type of protein was developed in insect cell lines. In addition, the determination of protein binding capacity by isothermal titration (ITC) was carried out. Construction of a new type of protein (S1 protein) and receptor protein (ACE2) complex for use in the assay system. In the meantime, we have evolved new types of cell culture, and we have been able to measure the infection rate and construct new cell culture systems. Specifically, a new type of protein (S1,2) was constructed for 293T cell proliferation, Vero cell infection, and infectivity assay. The infection ability of this system was successfully determined by combining the natural type (Wuhan type) and the variant type (Guangzhou type).

项目成果

期刊论文数量(8)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Non-equilibrium Molecular Dynamics Simulation under Constant Force Revisited
重温恒力下的非平衡分子动力学模拟
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Shinji Iida;Tomoshi Kameda
  • 通讯作者:
    Tomoshi Kameda
Dissociation Rate Calculation via Constant-Force Steered Molecular Dynamics Simulation
EvoOpt: an MSA-guided, fully unsupervised sequence optimization pipeline for protein design. Machine Learning in Structural Biology Workshop
EvoOpt:MSA 引导、完全无监督的蛋白质设计序列优化流程。
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Hideki Yamaguchi;Yutaka Saito
  • 通讯作者:
    Yutaka Saito
NanoLucをベースとした新規プロテアーゼセンサーの開発と新型コロナウイルス感染細胞検出への応用
基于NanoLuc的新型蛋白酶传感器的研制及其在新型冠状病毒感染细胞检测中的应用
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    荒川将志;柏原秋穂;岡村真弥;蝦名博貴;森田英嗣
  • 通讯作者:
    森田英嗣
深層学習によるタンパク質の機能予測と設計
使用深度学习的蛋白质功能预测和设计
  • DOI:
    10.34565/seibutsukogaku.100.11_589
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Park Heewon;Imoto Seiya;Miyano Satoru;齋藤 裕
  • 通讯作者:
    齋藤 裕
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

亀田 倫史其他文献

AIが導くタンパク質の進化:指向性が強い変異体は必要か?
人工智能引导的蛋白质进化:我们需要高度定向的突变体吗?
  • DOI:
  • 发表时间:
    2019
  • 期刊:
  • 影响因子:
    0
  • 作者:
    及川 未早来;齋藤 裕;亀田 倫史;中澤 光;二井手 哲平;津田 宏治;梅津 光央.
  • 通讯作者:
    梅津 光央.
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:抗体断片の親和性成熟を目指して.
结合大规模序列分析和机器学习的噬菌体展示方法:旨在抗体片段的亲和力成熟。
  • DOI:
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0
  • 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.
機械学習支援なタンパク質進化における学習データが影響を与える指向性.
机器学习辅助蛋白质进化中学习数据影响方向性。
  • DOI:
  • 发表时间:
    2021
  • 期刊:
  • 影响因子:
    0
  • 作者:
    伊藤 智之;齋藤 裕;及川 未早来;亀田 倫史;中澤 光;津田 宏治;梅津 光央.
  • 通讯作者:
    梅津 光央.
共有結合型グルタチオン S-転移酵素阻害剤の開発
共价谷胱甘肽S-转移酶抑制剂的开发
  • DOI:
  • 发表时间:
    2018
  • 期刊:
  • 影响因子:
    0
  • 作者:
    宍戸 裕子;藤川 遥加;木村 康明;友池 史明;桑田 啓子;福井 健二;村上 優子;亀田 倫史;周東 智;阿部 洋
  • 通讯作者:
    阿部 洋
二配位ホウ素カチオンの創製:超ルイス酸分子化学の開拓へ向けて
双配位硼阳离子的产生:迈向超级路易斯酸分子化学的发展
  • DOI:
  • 发表时间:
    2014
  • 期刊:
  • 影响因子:
    0
  • 作者:
    平野 篤;岩下 和輝;白木 賢太郎;桜庭 俊;亀田 倫史;石井 梨恵子;田中 丈士;庄子良晃
  • 通讯作者:
    庄子良晃

亀田 倫史的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

相似海外基金

分子動力学シミュレーションと機械学習に立脚した有機結晶の高精度結晶構造予測
基于分子动力学模拟和机器学习的有机晶体高精度晶体结构预测
  • 批准号:
    24KJ1922
  • 财政年份:
    2024
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for JSPS Fellows
An autonomous machine learning-based molecular dynamics method that utilizes first-principles atomic energy calculation
一种基于自主机器学习的分子动力学方法,利用第一原理原子能计算
  • 批准号:
    23H03415
  • 财政年份:
    2023
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
Molecular Dynamics and Machine Learning for the Design of Peptide Probes for Biosensing
用于生物传感肽探针设计的分子动力学和机器学习
  • 批准号:
    2313269
  • 财政年份:
    2023
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Standard Grant
Machine-Learning Molecular Dynamics for Nuclear Fuel Materials
核燃料材料的机器学习分子动力学
  • 批准号:
    23K04637
  • 财政年份:
    2023
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
Basic research for an extension of space-scale in classical molecular dynamics calculations by introducing machine-learning potential
通过引入机器学习潜力来扩展经典分子动力学计算中的空间尺度的基础研究
  • 批准号:
    22K12065
  • 财政年份:
    2022
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
Calculation of Thermal Conductivity of Silver Chalcogenides by Machine Learning based on First-principles Molecular Dynamics
基于第一性原理分子动力学的机器学习计算银硫族化物的热导率
  • 批准号:
    21J10836
  • 财政年份:
    2021
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for JSPS Fellows
Molecular dynamics study of non-equilibrium materials based on first-principles calculation and machine learning
基于第一性原理计算和机器学习的非平衡材料分子动力学研究
  • 批准号:
    20K14378
  • 财政年份:
    2020
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
Enabling high throughput molecular dynamics with automation and machine learning for development of advanced engineering polymers
通过自动化和机器学习实现高通量分子动力学,以开发先进的工程聚合物
  • 批准号:
    2270926
  • 财政年份:
    2019
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Studentship
Combining Machine Learning, Molecular Dynamics and Membrane Biophysics to identify new therapeutics for the treatment of Tuberculosis
结合机器学习、分子动力学和膜生物物理学来确定治疗结核病的新疗法
  • 批准号:
    2277910
  • 财政年份:
    2019
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Studentship
Development of automatic potential construction for reaction molecular dynamics based on machine learning
基于机器学习的反应分子动力学自动势构建方法研究进展
  • 批准号:
    18K18801
  • 财政年份:
    2018
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Challenging Research (Exploratory)
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了