Discovery Sagaサイレントキーワード俯瞰

分子動力学 / 機械学習 / シミュレーション / 分子動力学シミュレーション / 古典力学 / データベース / 分子ダイナミクス / ２次元カオス系 / 深層学習 / タンパク質 / タンパク質-タンパク質相互作用

機械学習技術の発展により、人工知能は画像認識やチェスや囲碁などの分野において人間の知能を凌駕するようになってきた。近年、AlphaFoldのような先進的なタンパク質構造予測技術においても、機械学習が中心的な役割を担っている。本研究では、こうした機械学習技術を分子科学に導入することによって、タンパク質間に見られる重要なダイナミクス現象を解き明かしていくことを目指している。
これまでの研究で、基本的な機械学習プログラムとデータベースのプロトタイプを作り、2次元ハミルトン系ダイナミクスの学習データベースを用いて、カオス性予測に取り組んだ。このテストにおいては9割程度の正答率まで上げることができるようになった。また、NaイオンとClイオンの会合・解離の予測をする機械学習にも取り組んできた。予測の正答率を75％程度まで向上することに成功している。
今年度は、機械学習モデルによるNaイオンとClイオンの会合・解離の予測精度が正答率これ以上改善することが困難になる要因について、解析をおこなった。機械学習手法・データ数・ハイパーパラメータなど色々な可能性を探ったが、本質的な正答率の改善はできなかった。そこで、系自体に、学習困難な要因がある可能性を調べた。その結果、不正解であった初期条件のトラジェクトリーはカオス性が高いものが多いことが分かった。さらに、タンパク質界面環境への応用として、卵白リゾチーム（HEL）とその抗体(HyHEL-10)の複合体にある塩橋の形成・崩壊のダイナミクスについてデータベース化をおこなった。さらに、簡略的な機械学習もおこなった。

分子動力学シミュレーション / 分子生物学 / 数理科学 / 計算幾何学 / 時系列解析 / 分子シミュレーション / ダイナミクス変化 / 分子動力学 / タンパク質 / 分子ダイナミクス / 生体分子 / 分子設計 / エントロピー / 計算幾何 / 構造解析 / タンパク質-リガンド相互作用 / 解析理論

計算機が進歩したことで、近年、生体分子の分子動力学シミュレーションを大規模におこなうことができるようになった。本研究では、分子動力学シミュレーションから数理科学的手法でダイナミクスの様々な特徴を抽出する手法を考案した。例えば、skeletal coreの概念を使うことで、解析の中で見かけの運動が現れてしまう効果を抑えることができるようになった。また、特異スペクトル変換法をおこなうことで運動の変化を簡単に自動検知できるようになった。

本研究は、最近の発展が目覚ましい分子動力学シミュレーションと数理科学的解析との融合を狙ったものである。実際に、skeletal coreや特異スペクトル変換の技術はこれまで検知できなかった生体分子の特徴を取り出すことに成功している。数理科学的手法で新たに解析できるようになった生体分子の特徴は、今後、生体分子の機能を解析したり医薬品を設計したりする基盤として役立つと考えられる。

【研究分担者】
児玉大樹	東京大学	大学院数理科学研究科	特任准教授	(Kakenデータベース)