遺伝的交叉を用いた 並列シミュレーテッドアニーリングによる タンパク質立体構造予測

Presentation on theme: "遺伝的交叉を用いた 並列シミュレーテッドアニーリングによる タンパク質立体構造予測"— Presentation transcript:

1 遺伝的交叉を用いた 並列シミュレーテッドアニーリングによる タンパク質立体構造予測
November 3, 2002 第15回計算力学講演会 遺伝的交叉を用いた 並列シミュレーテッドアニーリングによる タンパク質立体構造予測 Protein Tertiary Structure Predictions by Parallel Simulated Annealing using Genetic Crossover ○小掠真貴（日本電気）　 　三木光範（同志社大学） 　 廣安知之（同志社大学）　岡本祐幸（岡崎国立共同研究機構） 　 青井桂子（同志社大院）　小椋信弥（同志社大院）

2 研究背景 タンパク質の立体構造の研究 タンパク質の立体構造 生物学的機能と密接な関係 新薬の開発 病理の発現機構の解明
自然なタンパク質はエネルギーの最も低い状態で存在 20種類のアミノ酸の並びがタンパク質を構成 アミノ酸配列は最小エネルギー構造に折りたたまれる

3 研究背景 タンパク質の立体構造 最小エネルギー構造に 折りたたまれる Amino acid sequence Tertiary
Energy function of protein Amino acid sequence Tertiary structure

4 研究背景 並列SAにGAオペレーションを用いたアルゴリズムの提案 遺伝的交叉を用いた並列シミュレーテッドアニーリング 局所的に無数の極小値，
大域的にもいくつかの 極小値を持つため， 現在用いられているSA では予測が困難 Energy function of protein 局所探索に優れたSAと大域探索に優れたGAのオペレーションとの ハイブリッドアルゴリズム 遺伝的交叉を用いた並列シミュレーテッドアニーリング (Parallel Simulated Annealing using Genetic Crossover : PSA/GAc)

5 研究の目的 遺伝的交叉を用いた並列SA(PSA/GAc)を タンパク質立体構造予測に適用し， 現在用いられているSAよりも高い性能を得る
アミノ酸配列からのタンパク質立体構造予測に 有効な手法であることの証明

6 遺伝的交叉を用いた並列SA (PSA/GAc)
PSAの解の伝達に遺伝的交叉(Crossover)を用いる手法 d d:Crossover interval SA Crossover End d Crossover Temperature High Low

7 遺伝的交叉を用いた並列SA (PSA/GAc)
遺伝的交叉の処理 e.g. 3設計変数の連続関数最小化問題 Energy -1.3 -1.8 Parent1 Parent2 Next searching points -1.1 -2.0 Child1 Child2 Crossover

8 PSA/GAcによるタンパク質立体構造予測
タンパク質立体構造予測のモデル化 設計変数：主鎖と側鎖にある二面角 e.g. 5つのアミノ酸残基を持つMet-enkephalin Main chain Side

9 PSA/GAcによるタンパク質立体構造予測
タンパク質立体構造予測のモデル化 設計変数：主鎖と側鎖にある二面角 e.g. 5つのアミノ酸残基を持つMet-enkephalin A B D C Dihedral angle

10 PSA/GAcによるタンパク質立体構造予測
タンパク質立体構造予測のモデル化 設計変数：主鎖と側鎖にある二面角 e.g. 5つのアミノ酸残基を持つMet-enkephalin Main chain Side すべての二面角について，生成処理，受理判定を行い，一巡すればクーリングを行う． この一巡の処理をMCsweepということとする．

11 PSA/GAcによるタンパク質立体構造予測
立体構造予測の対象としたタンパク質 5つのアミノ酸からなるMet-enkephalin 最小エネルギー値が既知 34個のアミノ酸からなる ヒト副甲状腺ホルモンのフラグメント PTH(1-34) 最小エネルギー値が未知

12 Met-enkephalinの立体構造予測
最小エネルギー値が既知のタンパク質 5つのアミノ酸からなるMet-enkephalin 設計変数 19個の二面角 Met-enkephalin 1MCsweepごとに 19回の生成処理，受理判定 最小エネルギー構造 E < -11 kcal/mol

13 Met-enkephalinの立体構造予測
立体構造予測の成功率 PSA/GAc SSA Success rate 0.90 0.50 Number of evaluations 96,158 × 19 100,000 × 19 SSAは現在構造予測に用いられている逐次SA． Success rateは10試行中エネルギー値が-11kcal/mol以下の構造が得られた確率． 評価計算回数を同等にして比較．

14 PTH(1-34)の立体構造予測 最小エネルギー値が未知のタンパク質 34個のアミノ酸からなる
設計変数 178個の二面角 1MCsweepごとに178回の生成処理，受理判定 NMR実験と逐次SA探索によって2個のα-helixが確認

15 PTH(1-34)の立体構造予測 立体構造予測の結果 -240.0kcal/mol -210.0kcal/mol 199,955 × 178
PSA/GAc SSA Lowest-energy -240.0kcal/mol -210.0kcal/mol Number of evaluations 199,955 × 178 200,000 × 178 Lowest-energy conformation of PTH(1-34) gained by PSA/GAc

16 結論 遺伝的交叉を用いた並列シミュレーテッドアニーリング(PSA/GAc)をタンパク質立体構造予測に適用
最小エネルギー値が既知のMet-enkephalin： 　　従来のSAよりも高い確率で最小エネルギー構造を得た 最小エネルギー値が未知のPTH(1-34)： 　　従来のSAよりも低いエネルギー値を持つ構造を得た タンパク質立体構造予測において，PSA/GAcは 従来立体構造予測に用いられていた逐次SAよりも 高い解探索能力を示すことが明らかとなった

17