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。
New コ ロ ナ ウ イ ル ス が evolution す る こ と で, ヒ ト に on the cell surface す る by the capacity of body protein and sugar び lock へ の combined with strong を め を る possibility research す る た め に, protein complex の binding force between を high-speed に see product も る gimmick を open 発 し た. Specific に は, protein, protein between ま た は に outside force between protein, compound を plus え た is の molecular dynamics シ ミ ュ レ ー シ ョ ン を be し, そ の dissociation time か ら binding force を see product も る gimmick を open 発 し た. This technique を different な る 3 complex に し, high-speed か つ high-precision に binding force を see product も る こ と が で き る こ と を confirm し た. This technique に に て て て and papers を are accepted for submission at された. Parallel し て, others 々 な material に す seaborne る new コ ロ ナ ウ イ ル ス の origin protein binding energy を in vitro determination of で す る department を build し た. Youdaoplaceholder0, novel コロナウ させる ス ス derived protein を insect cell line で occurrence させる occurrence システムを construction た た Time に, ら れ た コ ロ ナ ウ イ ル ス origin protein と protein, sugar lock と の binding force を isothermal titration カ ロ リ メ ト リ ー (ITC) で determination す る be 験 department を build し た. Department を measure to construct し た い て, new コ ロ ナ ウ イ ル ス origin ス パ イ ク protein (S1 タ ン パ ク qualitative) と ヒ ト (ACE2) by the capacity of body protein complex に applicable し, determination of both reported の numerical と equally の numerical を must る こ と が で き た. さ ら に parallel し て, evolution し た new コ ロ ナ ウ イ ル ス の infections can を, cultivating cells を using い て determination す る is の line build も っ た. Specific 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 に new コ ロ ナ ウ イ ル ス origin ス パ イ ク protein (S1, 2)) を 293 t cells で raised colonization さ せ た に, Vero cell に infection after さ せ, infection can measure を す る department を build し た. The department を with い て type, natural type (wuhan) and び others 々 な - variants (ア ル フ ァ, オ ミ ク ロ ン plant origin な ど) を group み 込 ん だ シ ュ ー ド ウ イ ル ス の infection can measure を し, both reported の デ ー タ を reappearance す る こ と に successful し た.

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

肝臓内酸素動態を含む透析低血圧発症予知モデルの構築:統計・機械学習分析による解析
构建预测透析低血压发作(包括肝内氧动态)的模型:使用统计和机器学习分析进行分析
  • 批准号:
    24K15796
  • 财政年份:
    2024
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
臨床情報による高精度分娩進行予測モデルの開発: 機械学習の活用
利用临床信息开发高精度的分娩进展预测模型:利用机器学习
  • 批准号:
    24K13948
  • 财政年份:
    2024
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
新興感染症のシステマティック・レビューを機械学習を用いて簡易に実施するための研究
利用机器学习轻松对新发传染病进行系统评价的研究
  • 批准号:
    24K13518
  • 财政年份:
    2024
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
独立成分分析を活用した信頼性の高い機械学習手法の構築
使用独立成分分析构建可靠的机器学习方法
  • 批准号:
    24K15093
  • 财政年份:
    2024
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
学習過程情報に基づき理由を説明可能な高速論理型機械学習器の開発の提案
开发可根据学习过程信息解释原因的高速逻辑机器学习装置的提案
  • 批准号:
    24K15095
  • 财政年份:
    2024
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
多次元イベント時間データ解析の推測理論と方法・機械学習の開発
多维事件时间数据分析的推理理论和方法/机器学习的发展
  • 批准号:
    24K14853
  • 财政年份:
    2024
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
速度ポテンシャルエネルギー整形法と機械学習を用いた宇宙機制御理論の開発
利用速度势能整形方法和机器学习发展航天器控制理论
  • 批准号:
    23K20946
  • 财政年份:
    2024
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
ユビキタス機械学習社会におけるプライバシ保護基盤
无处不在的机器学习社会中的隐私保护基础设施
  • 批准号:
    23K21695
  • 财政年份:
    2024
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
正則化機能強化による超ロバスト推定法の開拓と一般化:信号処理・機械学習への応用
通过加强正则化功能开发和推广超鲁棒估计方法:在信号处理和机器学习中的应用
  • 批准号:
    23K22762
  • 财政年份:
    2024
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
攻撃に耐性を持つ機械学習モデルによる設計工程ハードウェアトロイ検知
使用抗攻击的机器学习模型在设计过程中检测硬件木马
  • 批准号:
    23K24816
  • 财政年份:
    2024
  • 资助金额:
    $ 27.04万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了