Rank-ordering of known enzymes as starting points for re-engineering novel substrate activity using a convolutional neural network

Rank-ordering of known enzymes as starting points for re-engineering novel substrate activity using a convolutional neural network

1. 本研究の学術的背景、研究課題の核心をなす学術的「問い」は何ですか？
現在、従来の酵素に限定されず、新たな生産ルートを発見し、新規の有用物質合成を目指す観点から逆合成アプローチがあります。しかし、これまで開発されてきた手法では、新規の酵素とその活性仕様を指定して、新規合成方法を検討することができませんでした。そこで、新規の有用物質合成を目指し、酵素とその活性のデータを組み合わせた予測手法を開発することが問題となります。

2. 本研究の目的及び学術的独自性と創造性は何ですか？
本研究では、予測モデルを構築することで、従来の酵素から活性を指定した新規合成方法をより合理的に把握できるようにすることを目的としています。この予測手法は、畳み込みニューラルネットワークを用い、従来の方法に比べ、より高速で正確な結果を出せることが期待されます。

3. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは何ですか？
本研究は、新規化合物合成の手段として、既存の酵素変異化や機能発現系ファージ・セレクションなどに代わり、「予測のアルゴリズム」による手法を提案しています。この方法は、「機械学習」と呼ばれる技術を使って、活性が事前にわかっている酵素に対してどのような新しい実験的条件を設定すべきかを予測することによって、新規合成に適した条件を絞り込むことができます。

4. 本研究で何をどのように、どこまで明らかにした？
本研究では、「Tanimoto類似スコア」を用いて、酵素の活性予測モデルを開発しました。その結果、酵素から特定の物質を選択とする新しい条件を予測することができました。

5. 本研究の有効性はどのように検証した？
本研究では、Tanimoto類似スコアに基づく畳み込みニューラルネットワークを用いて、酵素の活性予測精度と制御の適応性を検証しました。その結果、酵素選択・改修事業の有用性が高いことを示しました。