文献

J-GLOBAL ID：202002240666904269   整理番号：20A0006493

Eversock Bai:蛋白質-蛋白質複合体構造の機械学習誘導選択【JST・京大機械翻訳】

evERdock BAI: Machine-learning-guided selection of protein-protein complex structure

著者 (5件)： Terayama Kei (RIKEN Center for Advanced Intelligence Project, 1-4-1 Nihonbashi, Chuo-ku, Tokyo 103-0027, Japan) ,  Shinobu Ai (School of Life Sciences and Technology, Tokyo Institute of Technology, 2-12-1, Ookayama, Meguro-ku, Tokyo 152-8550, Japan) ,  Tsuda Koji (RIKEN Center for Advanced Intelligence Project, 1-4-1 Nihonbashi, Chuo-ku, Tokyo 103-0027, Japan) ,  Takemura Kazuhiro (School of Life Sciences and Technology, Tokyo Institute of Technology, 2-12-1, Ookayama, Meguro-ku, Tokyo 152-8550, Japan) ,  Kitao Akio (School of Life Sciences and Technology, Tokyo Institute of Technology, 2-12-1, Ookayama, Meguro-ku, Tokyo 152-8550, Japan)
資料名： Journal of Chemical Physics  (Journal of Chemical Physics)
巻： 151  号： 21  ページ： 215104-215104-10  発行年： 2019年 
JST資料番号： C0275A  ISSN： 0021-9606  CODEN： JCPSA6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 蛋白質-蛋白質複合体構造の正確で効率的な予測のための計算技術は,生物学的システムにおいて重要な役割を果たす蛋白質-蛋白質相互作用の解明に広く用いられている。最近,生成した構造候補(デコイ)の間の天然構造に類似した構造を選択することが,明示的溶媒を用いた全原子分子動力学(MD)シミュレーションとエネルギー表現における溶液理論に基づくデコイの結合自由エネルギーの計算により可能であることが報告されている。最近のバージョンのevERdockは,MD緩和と多重MDシミュレーション/エネルギー計算を導入することにより,より高精度のデコイ選択を達成した。しかし,膨大な計算コストが必要である。本論文では,強化学習の技術の一つである,evERdockと最良のアーム同定(BAI)フレームワークを用いた効率的なデコイ選択法を提案した。BAIフレームワークは,非有望なデコイに対する計算を抑制し,有望なものに対して優先的に計算することにより,効率的な選択を実現する。3つの蛋白質-蛋白質複合系のデコイ選択問題に対する提案方法の性能を評価した。その結果,計算コストは,精度を犠牲にすることなく,標準デコイ選択アプローチと比較して,4.05(最良ケースで)の因子により成功裏に低減されることを示した。Copyright 2020 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 強化学習 ,  溶液論 ,  *タンパク質複合体 ,  選択問題 ,  エネルギー計算 ,  アーム ,  *機械学習 ,  計算機シミュレーション ,  分子動力学 ,  緩和現象 ,  生体系 ,  シミュレーション ,  *タンパク質 ,  複合系 ,  多重化
準シソーラス用語： 計算コスト , 【Automatic Indexing@JST】

分類 (3件)： 分子構造  (EB03020Y) ,  蛋白質・ペプチド一般  (EB03010N) ,  高分子の立体構造  (CG02031G)

タイトルに関連する用語 (4件)： 蛋白質 ,  蛋白質複合体 ,  機械学習 ,  誘導