機械学習による進化分子工学の加速：抗体分子の機能創出を目指して

利用机器学习加速进化分子工程：旨在在抗体分子中创造功能

• 批准号: 22KJ0218
• 负责人: 河田 早矢
• 金额: $ 1.09万
• 依托单位: Tohoku University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2023
• 资助国家: 日本
• 起止时间: 2023-03-08 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ0218/
• 关键词: 進化分子工学; タンパク質; 抗体; ファージ提示法; 機械学習

本研究では、実験的に作製できる限られた数の変異タンパク質集団のデータを手がかりに、理論上存在し得る膨大な種類の変異体(配列空間)の機能指向を機械学習により予測することで、分子標的薬として利用可能な結合機能をもつ抗体タンパク質を確実に創出できる進化分子工学プロセスの開発を目標としている。本年度は、(1)次世代シーケンサー(NGS)解析を活用した機械学習データの作成、(2)機械学習によるアミノ酸配列空間の機能指向予測を行い、本研究プロセスの有効性を検証した。(1)NGS解析を活用した機械学習データの作成：結合機能陽性抗体のアミノ酸配列予測に向け、配列と機能情報を紐づけた学習データの構築を試みた。まず、相補性決定領域(CDR)にランダム変異導入した抗体断片提示M13ファージライブラリーを作製し、標的分子に対する結合選択操作を行った。次に、結合選択操作過程における変異体群のNGS解析を行い、各変異体の占有率変化を評価した結果、結合陽性な変異体と結合陰性な変異体では占有率の上昇度合いに違いがあることを見出した。この結果から、NGS解析を活用し、結合選択操作過程における占有率上昇度合いを結合機能として紐づけることで、配列空間の機能指向予測に向けた機械学習データを作成できた。(2)機械学習によるアミノ酸配列空間の機能指向予測：NGS解析により作成した学習データを機械学習に提供し、アミノ酸配列空間の機能指向を予測した結果、CDRの特定の残基位置の配列が結合機能に重要であることが示唆された。そこで、機械学習が提案した有望アミノ酸配列から成る変異体を実際に作製し結合活性評価を行ったところ、従来法により発見した変異体よりも10倍程度結合力の高い変異体を取得できた。以上の結果から、結合選択操作過程における変異体の占有率情報を基にした機械学習により、結合力の高い抗体を取得できる可能性が示された。

In this study, we investigated the mechanism of molecular target selection and molecular engineering for the development of molecular target selection. This year, the following aspects were discussed: (1) the creation of mechanical learning model by using NGS analysis;(2) the prediction of functional orientation of mechanical learning model by using acid arrangement space; and (3) the demonstration of the effectiveness of this model in this study. (1)NGS analysis is used to create a mechanical learning model: binding function positive antibody allocation prediction, allocation function information and learning model construction. The complementary domain (CDR) of the antibody fragment is introduced into the target molecule. NGS analysis of different species is carried out in the process of combination selection, and the occupancy rate of different species is evaluated. The result is that NGS analysis is used, combined with the selection operation process, the occupancy rate is increased, and the function is combined with the allocation space. (2)Machine learning function orientation prediction of acid alignment space: NGS analysis, preparation, machine learning, function orientation prediction of acid alignment space, results, alignment of specific residue positions of CDR, important for binding function In addition, it is expected that the proposed method will be effective in combination with the activity evaluation method, and the proposed method will be effective in combination with the 10-fold binding force. The above results show the possibility of obtaining high binding power antibodies based on machine learning and foreign occupancy information in the process of binding selection.

项目成果

機械学習を組み入れたファージライブラリー法の開発：パニング情報からのリード分子の成熟化操作.

结合机器学习的噬菌体库方法的开发：通过淘选信息对先导分子进行成熟操作。

• 发表时间: 2022
• 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.

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：抗体断片の機能創出を目指して

结合大规模序列分析和机器学习的噬菌体展示方法：旨在创造抗体片段的功能

• 发表时间: 2022
• 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

Machine-learning application for in vitro selection of antibody fragments from a phage display library.

用于从噬菌体展示库中体外选择抗体片段的机器学习应用。

• 发表时间: 2022
• 作者: Sakiya Kawada;Yoichi Kurumida;Tomoyuki Ito;Thuy Duong Nguyen;Hikaru Nakazawa;Hafumi Nishi;Yutaka Saito;Tomoshi Kameda;Koji Tsuda;Mitsuo Umetsu.
• 通讯作者: Mitsuo Umetsu.