東北大学 研究シーズ集

LANGUAGE
ENGLISH

人工知能を用いたタンパク質の機能設計：酵素・診断・医薬の設計アシスト

更新：2022-09-02
 
 
前の画像
次の画像

特徴・独自性

2018年にノーベル化学賞となった進化分子工学の発展により、設計せずとも、目的機能をもつタンパク質を創りだすことが可能になってきた。しかし、アミノ酸配列が取りえる組み合わせ数(配列空間)の中から目的タンパク質を見つけだす確率は満足のいくものでない。我々は、機械学習を進化分子工学に利用することで、進化分子工学がもつ最も深刻な「配列空間問題」を解決し、確実に目的の機能へたどり着く技術を開発した。

産学連携の可能性 （想定される用途・業界）

酵素や抗体などのタンパク質の機能・特性を改善したいタンパク質をもっている製薬・診断・食品企業などの企業。特に、複数の特性を同時に向上させいタンパク質を持っている企業。

研究者

工学研究科バイオ工学専攻

梅津 光央 教授 
博士（工学）

UMETSU Mitsuo, Professor

研究室ウェブサイト
researchmap

キーワード

関連情報

1. Yutaka Saito, Misaki Oikawa, Takumi Sato, Hikaru Nakazawa, Tomoyuki Ito, Tomoshi Kameda, Koji Tsuda,* and Mitsuo Umetsu,* "Machine-learning-guided library design cycle for directed evolution of enzymes: the effects of training data composition on sequence space exploration", ACS Catalysis, 11(23), 14615–14624 (2021). DOI: org/10.1021/acscatal.1c03753.

2. Yutaka Saito, Misaki Oikawa, Hikaru Nakazawa, Teppei Niide, Tomoshi Kameda, Koji Tsuda,* and Mitsuo Umetsu*, “Machine-Learning-Guided Mutagenesis for Directed Evolution of Fluorescent Proteins”, ACS Synthetic Biology, 7(9), 2014–2022 (2018). DOI: 10.1021/acssynbio.8b00155

3. 梅津 光央, 齋藤 裕, 亀田 倫史, 津田 宏治, “機械学習が道先案内するタンパク質の進化分子工学”, バイオインダストリー, 36(12), 55-63 (2019)
一覧へ