G5-1 タンパク質の高次構造情報を利用した創薬等研究加速に向けたバイオインフォマティクス研究

バイオインフォマティクス技術を駆使したタンパク質立体構造・相互作用・リガンド結合部位予測とこれに基づくタンパク質機能解明

[1] 支援担当者

所属		①産業技術総合研究所 人工知能研究センター
氏名		①富井 健太郎、土屋 裕子、山守 優、池田 修己
AMED 事業	ユニット／領域名 課題名	インシリコユニット タンパク質の高次構造情報を利用した創薬等研究加速に向けたバイオインフォマティクス研究
	代表機関 代表者	産業技術総合研究所 富井 健太郎
支援技術のキーワード		タンパク質類似性検索、タンパク質構造および相互作用部位予測、リガンド結合部位の類似性検索、 リガンド結合部位予測、クライオ電顕データに基づく原子モデル構築

[2] 支援技術の概要

当グループでは、これまでに開発したタンパク質の立体構造予測や機能推定のための手法（1、2）およびリガンド結合部位の類似性比較のためのデータベース（3、4）等を利用したタンパク質立体構造・相互作用予測を実施し、これらを通してタンパク質機能解析の支援を行う。

1. プロファイル比較による高感度・高精度なタンパク質の配列類似性検索法（FORTE／DELTA-FORTE）
2. 遠縁タンパク質検索に適した高感度アミノ酸置換行列（MIQS）と、これを実装した配列比較法（Ssearch with MIQS）
3. タンパク質リガンド結合部位の類似性比較および検索データベース（PoSSuM）
4. 既存の低分子医薬品に特化した結合部位の類似性比較データベース（PoSSuMds）

上記に加え、下記支援を行う。
5. クライオ電子顕微鏡あるいはSAXSデータに基づくタンパク質全原子モデル構築
6. アポトーシス実行因子Caspase-3の基質タンパク質と切断部位の予測（ScreenCap3）
7. ミトコンドリアターゲティング配列と切断部位の予測（MitoFates）
8. タンパク質結晶における生物学的単位推定（Piaco）
9. 表面残基置換による結晶改善提案

[3] 支援技術の利用例

当グループでは下記に示す例のように、タンパク質の立体構造情報に基づく様々な解析を通してタンパク質機能の解明を目指す。

1. タンパク質の配列類似性検索法FORTE／DELTA-FORTEを用いた構造既知のタンパク質との網羅的な類似性検索と、これに基づくタンパク質のドメイン推定、タンパク質単体および複合体構造予測
2. リガンド結合部位データベースPoSSuMによる、既知タンパク質構造やFORTE等による予測モデル上の潜在的リガンド結合部位の同定、さらにその潜在的結合部位や、テンプレートであるリガンド結合タンパク質の機能およびリガンド情報等に基づくクエリータンパク質の機能推定
3. 分子動力学シミュレーションおよびドッキングシミュレーションから得られるタンパク質間相互作用の情報や、タンパク質表面物性等に基づく、タンパク質結合実験における変異アミノ酸の提案、およびタンパク質結合部位の予測
4. モデル生物以外のタンパク質の構造モデル構築と、モデルから得られる洞察に基づく、タンパク質の相互作用や機能発現の可能性の推定
5. （特に低解像度）クライオ電子顕微鏡あるいはSAXSデータに基づくタンパク質全原子モデル構築
6. 種々のバイオインフォマティクス技術による配列・構造・機能・進化等一連の解析を利用した研究推進
7. バイオインフォマティクス技術を用いたタンパク質結晶改善

[4] 支援担当者の研究概要

タンパク質の配列情報や立体構造情報等に関する大規模データを利用した、立体構造および複合体構造予測法、タンパク質間相互作用（部位）予測法、リガンド結合部位予測法、cleavage site予測法等の開発と提供を行っている。近年、技術の発展に伴い、配列情報や立体構造情報、発現情報等は急増の一途をたどっている。こうした大規模データを効果的に取り扱い、そこから生物学的知識を発見・抽出するための計算科学的手法の開発を行う一方、開発手法をはじめとするバイオインフォマティクス技術を応用した、実際の生物学的課題の解決に役立てている。これまでに開発した高感度タンパク質類似性検索技術FORTE（図1）を用いて、従来の配列類似性検索手法では検出できなかったII型酵素ペルオキシソーム因子PEX1のN末端ドメイン（図2）や赤痢アメーバにユニークな酵素輸送受容体CPBFを構成するPPC様ドメイン等の同定および構造予測を行った。またクライオ電子顕微鏡データに基づいて、FORTEを使ったモデリングと分子動力学を使ったフレキシブルフィッティングによる構造解析を行い、ミトコンドリア外膜のトランスロケータータンパク質複合体が基質となるタンパク質を取り込む機構を明らかにする等の成果に貢献した（図3）。この他にも大規模データを利用したリガンド結合（候補）部位類似性検索のためのデータベース（http://possum.cbrc.jp/PoSSuM/、図4）、タンパク質−化合物間相互作用予測のための深層学習用データセット計算システム、抗体−抗原相互作用に特化したデータベース（パラトープ／エピトープ候補部位類似性検索）の構築を行っている。