WEKO3
アイテム
角度情報を考慮したタンパク質間相互作用に関する研究
https://ipsj.ixsq.nii.ac.jp/records/234848
https://ipsj.ixsq.nii.ac.jp/records/234848e3f211a4-fb86-47af-a72c-93734d69aad6
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-BIO24078021.pdf (1.6 MB)
2026年6月13日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, BIO:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-06-13 | |||||||||
| タイトル | ||||||||||
| タイトル | 角度情報を考慮したタンパク質間相互作用に関する研究 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Research on Protein-Protein Interactions Considering Angle Information | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | バイオ情報学1 | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 東京工業大学情報理工学院情報工学系 | ||||||||||
| 著者所属 | ||||||||||
| 東京工業大学情報理工学院情報工学系 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Department of Computer Science, School of Computing, Tokyo Institute of Technology | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Department of Computer Science, School of Computing, Tokyo Institute of Technology | ||||||||||
| 著者名 |
松野, 征昇
× 松野, 征昇
× 関嶋, 政和
|
|||||||||
| 著者名(英) |
Yukinobu, Matsuno
× Yukinobu, Matsuno
× Masakazu, Sekijima
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 多くのタンパク質は他のタンパク質との相互作用 (Protein-Protein Interaction) によって細胞の機能を制御することが知られている．そのためタンパク質複合体がどのような構造をとるかは構造ベースの創薬上において有用な情報となる．X 線結晶構造解析などの実験的な手法があるが，複合体構造を決定するために莫大なコストや費用を必要とする．そのため計算機を用いて複合体構造の予測をするドッキング手法が開発された．ドッキングによって得られた構造の評価はドッキングのスコア関数のみでは精度が低く，ドッキング構造を再評価するリランキングという手法がある．リランキング手法としてグラフ構造を用いた GNN (GraphNeuralNetwork) でタンパク質間相互作用を学習する手法が開発されている．既存のリランキングにおける GNN ではエッジの角度に関する情報が考慮されていないため立体的な構造特徴を捉えきれていないという問題点があった．本研究では角度情報を考慮したアーキテクチャを用いることで予測精度の向上を目指した．その結果角度情報ありのモデルの方が角度情報なしのモデルより高い精度を出すことに成功した． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | Many proteins are known to control cellular functions through protein-protein interactions (PPIs). Therefore, understanding the structure of protein complexes is valuable information for structure-based drug discovery. Although experimental methods such as X-ray crystallography exist, determining the structure of protein complexes requires enormous costs and expenses. As a result, computational methods called docking have been developed to predict the structure of protein complexes. Evaluating the structures obtained by docking using only the docking score function has low accuracy, so a method called reranking is used to re-evaluate the docked structures. As a reranking method, a technique has been developed that uses graph neural networks (GNN) to learn about protein-protein interactions using graph structures. However, existing GNNs for reranking have a problem in that they do not fully capture three-dimensional structural features because they do not consider information about edge angles. In this study, we aimed to improve the prediction accuracy by using an architecture that considers angle information. As a result, we succeeded in achieving higher accuracy with the model that included angle information compared to the model without angle information. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA12055912 | |||||||||
| 書誌情報 |
研究報告バイオ情報学（BIO） 巻 2024-BIO-78, 号 21, p. 1-5, 発行日 2024-06-13 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8590 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
