タンパク質構造予測とがん研究を進展させる共進化シグナルの分離による新規タンパク質構造予測

科学分野:

• 構造生物学
• 計算生物学
• バイオインフォマティクス

背景:

• 多状態タンパク質構造の特性評価は、タンパク質機能の理解と標的療法の開発に不可欠です。
• 相同配列からの共進化制約は、タンパク質構造と機能に関する洞察を提供します。
• MSA Transformerは、アテンションメカニズムを使用して共進化シグナルを効果的に捉えます。

研究 の 目的:

• 異なるタンパク質構造に関連する共進化シグナルを分離するためのEvoSplitメソッドを開発すること。
• これらのシグナルを活用してタンパク質構造予測を改善すること。
• 特にがんに関連する、潜在的な構造的多様性を持つタンパク質を特定すること。

主な方法:

• MSA Transformerによって捉えられた多構造共進化シグナルの利用。
• 構造固有の共進化情報を分離するためのEvoSplitの適用。
• AF-Clusterなどの既存手法に対するEvoSplitのパフォーマンスの評価。
• 構造予測ツールのトレーニングセットを超えたタンパク質の構造予測。
• タンパク質間相互作用の分析と分子動力学シミュレーションの実行。

主要な成果:

• EvoSplitは85の構造スイッチタンパク質においてAF-Clusterを上回るパフォーマンスを示しました。
• この手法は、AlphaFold2のトレーニングデータに含まれていないタンパク質の構造をモデル化することに成功しました。
• がんに関連する可能性のある潜在的な構造的多様性を持つ54の候補ヒトタンパク質が特定されました。
• EvoSplitは5つのGTPアーゼに対して一貫して2つの構造を予測しましたが、そのうち1つは新規の発見でした。
• タンパク質間相互作用分析を通じて、新規HRAS機能関連構造が明らかになりました。

結論:

• EvoSplitは、共進化シグナルを効果的に分離して、異なるタンパク質構造を予測します。
• このアプローチは、特に動的なタンパク質において、タンパク質構造予測の精度を向上させます。
• がん関連タンパク質における新規構造の特定は、新しい治療戦略への道を開きます。
• 進化分析と分子動力学シミュレーションによるさらなる検証が、結果を裏付けています。