可溶性予測装置および可溶性予測方法
【課題】大腸菌またはコムギ胚芽を用いて発現させたタンパク質の可溶性を予測する新しい装置を提供する。
【解決手段】可溶性予測装置１は、タンパク質の発現実験の結果を、（１）タンパク質のアミノ酸配列に含まれる所定のアミノ酸の数、（２）所定の物理的特徴または化学的特徴を有するアミノ酸の数、（３）所定のアミノ酸が連続する連続数、（４）所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（５）膜貫通領域の数、（６）表面残基中の所定のアミノ酸の数、（７）タンパク質に含まれるディスオーダー領域の割合をパラメータとして機械学習して生成したタンパク質が可溶性判定のための統計モデル記憶部１８と、ＤＮＡ配列を入力するＤＮＡ配列入力部１０と（１）〜（７）の各パラメータの値を求めるパラメータ値算出部１２と、パラメータの値を統計モデルに当てはめてタンパク質の可溶性を判定する可溶性判定部１６を備える。
【解決手段】可溶性予測装置１は、タンパク質の発現実験の結果を、（１）タンパク質のアミノ酸配列に含まれる所定のアミノ酸の数、（２）所定の物理的特徴または化学的特徴を有するアミノ酸の数、（３）所定のアミノ酸が連続する連続数、（４）所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（５）膜貫通領域の数、（６）表面残基中の所定のアミノ酸の数、（７）タンパク質に含まれるディスオーダー領域の割合をパラメータとして機械学習して生成したタンパク質が可溶性判定のための統計モデル記憶部１８と、ＤＮＡ配列を入力するＤＮＡ配列入力部１０と（１）〜（７）の各パラメータの値を求めるパラメータ値算出部１２と、パラメータの値を統計モデルに当てはめてタンパク質の可溶性を判定する可溶性判定部１６を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、遺伝子から発現するタンパク質の可溶性を予測する装置および方法に関する。
【背景技術】
【０００２】
タンパク質の機能解析や立体構造解析などの研究や、有用なタンパク質の工業的な利用には、大量の純粋なタンパク質が必要である。タンパク質を大量に調整するために、組換え法によりタンパク質を発現する発現系としては、大腸菌が一般的に用いられる。大腸菌の他にも、酵母や、コムギ等の無細胞発現系や、昆虫細胞、動物細胞なども用いられる。
【０００３】
タンパク質の研究を行うためには、発現したタンパク質は可溶性であることが望ましいが、発現したすべてのタンパク質が可溶性であるとは限らない。発現するタンパク質が可溶性であるか否かをあらかじめ予測できれば、無駄な実験の回数を減らすことができる。
【０００４】
非特許文献１，２では、タンパク質が可溶性か否かを予測する方法が提案されている。非特許文献１では、８１個のタンパク質を統計的に分析し、電荷の平均値、ターンを形成しやすい残基（Ｑ，Ｐ，Ｇ，Ｓ）の割合が、封入体（不溶性）との相関が強いパラメータであるとしている。非特許文献２は、構造の類似性や疎水性などにより分類されるアミノ酸のグループ、長さや疎水性インデックス、脂肪族インデックス等の物理化学的特徴、個々のアミノ酸の組成、およびジペプジドの組成をパラメータとして、タンパク質が可溶性か予測している。
【先行技術文献】
【非特許文献】
【０００５】
【非特許文献１】David L.Wilkinson and Roger G. Harrison "PREDICTING THE SOLUBILITY OF RECOMBINANT PROTEINS IN ESCHERICHIA COLI" Biotechnology 1991;9(5), p443-p448
【非特許文献２】Susan Idicula-Thomas et al. "A support vector machine-based method for predicting the propensity of a protein to be soluble or to form inclusion body on overexpression in Escherichia coli" BIOINFORMATICS (2006)22(3), p278-p284
【発明の概要】
【発明が解決しようとする課題】
【０００６】
本発明は、大腸菌またはコムギ胚芽を用いて発現させたタンパク質の可溶性を予測する新しい装置および方法を提供することを目的とする。
【課題を解決するための手段】
【０００７】
大腸菌発現系またはコムギ胚芽発現系で発現するタンパク質の可溶性を予測する本発明の可溶性予測装置は、タンパク質が可溶性か否かを判定するための統計モデルであって、（１）遺伝子のＤＮＡ配列から発現するタンパク質に含まれる所定のアミノ酸の数、（２）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数、（３）前記タンパク質のアミノ酸配列において所定のアミノ酸が連続する連続数、（４）前記タンパク質のアミノ酸配列において所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（５）前記タンパク質の表面残基中のアミノ酸の数、（６）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして、ＤＮＡ配列から発現したタンパク質が可溶性か否かの実験結果を機械学習して生成した統計モデルを記憶した記憶部と、ＤＮＡ配列を入力する入力部と、入力されたＤＮＡ配列から、前記統計モデルの生成に用いられた各パラメータの値を求めるパラメータ値算出部と、前記パラメータの値を前記統計モデルに当てはめて、前記ＤＮＡ配列から発現するタンパク質が可溶性か否かを判定する判定部と、判定結果を出力する出力部とを備える。
【発明の効果】
【０００８】
本発明は、上記した（１）〜（５）のパラメータを用いた機械学習により生成した統計モデルに、予測対象のＤＮＡ配列のパラメータ値を当てはめることにより、ＤＮＡ配列から発現したタンパク質が可溶性か否かを精度良く予測できる。
【図面の簡単な説明】
【０００９】
【図１】第１の実施の形態の可溶性予測装置の構成を示す図である。
【図２】第１の実施の形態の可溶性予測装置の動作を示す図である。
【図３】第３の実施の形態の可溶性予測装置の構成を示す図である。
【図４】第３の実施の形態の可溶性予測装置の動作を示す図である。
【図５】実施例１の評価結果を示す図である。
【図６】実施例２の評価結果を示す図である。
【図７】実施例３の評価結果を示す図である。
【発明を実施するための形態】
【００１０】
（第１の実施の形態）
図１は、本発明の第１の実施の形態の可溶性予測装置１の構成を示す図である。可溶性予測装置１は、発現するタンパク質の可溶性を調べたいＤＮＡ配列を入力するＤＮＡ配列入力部１０と、入力されたＤＮＡ配列の所定のパラメータの値を算出するパラメータ値算出部１２と、ＤＮＡ配列の所定のパラメータ値を統計モデルに当てはめて可溶性を判定する可溶性判定部１６と、可溶性の結果を出力する結果出力部２０とを有している。
【００１１】
パラメータ値算出部１２には、タンパク質構造計算部１４が接続されている。タンパク質構造計算部１４は、タンパク質の二次構造、ディスオーダ領域、膜貫通領域、表面残基中のアミノ酸等の構造情報を計算によって求める機能を有する。タンパク質構造計算部１４は、公知のプログラムを用いて実現してもよい。例えば、ファルマデザイン社製の「ＰＯＯＤＥ−Ｌ」は、ディスオーダ領域を予測するプログラムである。ディスオーダ領域（ｄｉｓｏｒｄｅｒ領域）とは、タンパク質の立体構造のうち、決まった構造をとらない領域を意味する。「ＲＶＰｎｅｔ」は表面残基中のアミノ酸を予測するプログラムである。例えば、これらのプログラムを用いることにより、ＤＮＡ配列から発現するタンパク質の構造情報を計算できる。
【００１２】
パラメータ値算出部１２は、ＤＮＡ配列からアミノ酸配列を求め、アミノ酸配列中のアミノ酸組成に関するパラメータ値を算出すると共に、タンパク質構造計算部１４での計算結果に基づいて、構造情報に関するパラメータ値を算出する。
【００１３】
下記に示す表１は、パラメータ値算出部１２にて値を算出するパラメータを示す一覧表である。
【表１】
【００１４】
上記表１に示されているパラメータは、発現により得られたタンパク質が可溶性か否かの実験結果に基づいて求めたものである。発明者らは、複数回の実験により発現したタンパク質が可溶か不溶かを確かめた１８９個のＤＮＡ配列を、発現したタンパク質が可溶のＤＮＡ配列と不溶のＤＮＡ配列に分類し、それぞれのグループに有意なパラメータを求めた。具体的には、ＤＮＡ配列および発現するタンパク質の組成や構造のパラメータが有意であるか否かを、パラメータ毎にｔ検定を行って検証した。有意水準は、０．０５とした。
【００１５】
表１において、パラメータに付した（＋）は、可溶性のタンパク質において値の分布が高くなるパラメータ、（−）は不溶のタンパク質において値の分布が高くなるパラメータであることを示す。全長とは、ＤＮＡ配列またはＤＮＡ配列から発現するタンパク質の全長を意味する。Ｎ末端領域とは、Ｎ末端から６０ヌクレオチドの領域、またはこれに対応するタンパク質の領域（すなわち、Ｎ末端から２０アミノ酸の領域）であり、Ｃ末端領域とは、Ｃ末端から６０ヌクレオチドの領域、またはこれに対応するタンパク質の領域（すなわち、Ｃ末端から２０アミノ酸の領域）である。
【００１６】
同一グループのアミノ酸の数とは、化学的特徴または物理的性質が同じグループに含まれるアミノ酸の数である。また、同一グループのアミノ酸連続数とは、化学的特徴または物理的性質が同じグループに含まれるアミノ酸が連続する数である。ここで、化学的特徴が同じ、あるいは物理的性質が同じであるとして同じグループに分類されるアミノ酸を表２に示す。
【表２】
【００１７】
なお、表１に示すすべてのパラメータを用いる必要はなく、示されたパラメータのうちの一部を用いて可溶性の予測を行うことも可能である。
【００１８】
また、全長のディスオーダ領域の割合とは、ディスオーダ領域の長さ／タンパク質の全長である。
【００１９】
図１に戻って、可溶性予測装置１について説明する。可溶性判定部１６は、表１のパラメータ値を統計モデルに当てはめることによって発現するタンパク質が可溶性か不溶性かを判定する。統計モデル記憶部１８には、表１のパラメータによって可溶性か不溶性かを判定するための統計モデルが記憶されている。統計モデルは、前述した１８９個のＤＮＡ配列の発現実験結果を事前データとして機械学習を行うことにより生成したものである。機械学習の方法としては、Random Forest、adaBoost、Support Vector Machine（SVM）等を用いることができるが、これらに限定されるものではない。結果出力部２０は、発現可溶性判定部１６にて判定された可溶性予測結果を出力する。
【００２０】
なお、本実施の形態では、実験データを機械学習した結果である統計モデルを記憶しておく例について説明しているが、実験結果のデータ自体を記憶しておいてもよい。可溶性判定を行う際に機械学習を行って統計モデルを生成して一時的にメモリ等に記憶し、生成した統計モデルを用いて可溶性判定を行ってもよい。このような構成によれば、新たに得られた実験結果を逐次追加して、統計モデルを生成することができる。
【００２１】
図２は、実施の形態の可溶性予測装置１の動作を示す図である。可溶性予測装置１は、まず、可溶性を予測したい対象のＤＮＡ配列を入力する（Ｓ１０）。次に、可溶性予測装置１は、ＤＮＡ配列から発現するタンパク質の構造計算を行う（Ｓ１２）。可溶性予測装置１は、ＤＮＡ配列とタンパク質構造の計算結果から、表１に示すパラメータの値を算出する（Ｓ１４）。次に、可溶性予測装置１は、統計モデルに表１のパラメータ値をあてはめて可溶性の判定を行う（Ｓ１６）。可溶性予測装置１は、可溶性の判定結果を結果出力部２０から出力する（Ｓ１８）。
【００２２】
（第２の実施の形態）
次に、第２の実施の形態の可溶性予測装置について説明する。第２の実施の形態の可溶性予測装置は、コムギ胚芽発現系で発現するタンパク質が可溶性であるかどうかを予測する装置であり、基本的な構成は第１の実施の形態の可溶性予測装置１と同じである（図１参照）。また、第２の実施の形態の可溶性予測装置の動作は、第１の実施の形態の可溶性予測装置１の動作と同じである（図２参照）。
【００２３】
第２の実施の形態の可溶性予測装置が第１の実施の形態の可溶性予測装置１と異なる点は、統計モデルを生成するために用いたパラメータ、パラメータ値算出部で値を求めるパラメータ、および可溶性判定に用いるパラメータである。下記の表３は、第２の実施の形態の可溶性予測装置にて用いるパラメータの一覧表である。
【表３】
【００２４】
（第３の実施の形態）
図３は、第３の実施の形態の可溶性予測装置３の構成を示す図である。第３の実施の形態の可溶性予測装置３は、大腸菌発現系において発現するタンパク質が可溶性か否かの予測に加え、タンパク質が発現するか否かを予測する装置である。可溶性予測装置３は、第１の実施の形態の可溶性判定部１６に代えて、発現と可溶性の両方を判定する発現可溶性判定部２２を有している。
【００２５】
第３の実施の形態の可溶性予測装置３では、パラメータ値算出部１２は、ＤＮＡ配列から、上記した表１のパラメータに加えて、下記の表４に示すパラメータを算出する。
【表４】
【００２６】
上記表４に示されているパラメータは、実験により得られた発現の結果に基づいて求めたものである。発明者らは、複数回の実験により発現するか否かを確かめた１２１個のＤＮＡ配列を、発現したＤＮＡ配列と発現しなかったＤＮＡ配列とに分類し、それぞれのグループに有意なパラメータを求めた。具体的には、ＤＮＡ配列および発現するタンパク質の組成や構造のパラメータが有意であるか否かを、パラメータ毎にｔ検定を行って検証した。有意水準は、０．０５とした。
【００２７】
図３に戻って、可溶性予測装置３について説明する。統計モデル記憶部２４には、表１のパラメータによって可溶性を判定する統計モデルに加え、表４のパラメータによってタンパク質が発現するか否かを判定するための統計モデル（説明の便宜上、「第２の統計モデル」という。）を記憶している。第２の統計モデルは、前述した１３６個のＤＮＡ配列の発現実験結果を事前データとして機械学習を行うことにより生成したものである。機械学習には、Random Forest、adaBoost、Support Vector Machine（SVM）等を用いることができるが、これらに限定されるものではない。
【００２８】
発現可溶性判定部２２は、表１のパラメータ値を統計モデルに当てはめることによって発現するタンパク質が可溶性か不溶性かを判定すると共に、表４のパラメータの値を第２の統計モデルに当てはめることによって、ＤＮＡ配列が発現するか否かを判定する。結果出力部２０は、発現可溶性判定部２２にて判定された発現予測結果および可溶性予測結果を出力する。
【００２９】
図４は、可溶性予測装置３の動作を示す図である。可溶性予測装置３は、まず、発現可能性および可溶性を予測したい対象のＤＮＡ配列を入力する（Ｓ１０）。次に、可溶性予測装置３は、ＤＮＡ配列から発現するタンパク質の構造計算を行う（Ｓ１２）。可溶性予測装置３は、ＤＮＡ配列とタンパク質構造の計算結果から、表１および表４に示すパラメータ値を算出する（Ｓ１５）。次に、可溶性予測装置３は、統計モデルに表１のパラメータ値をあてはめて可溶性の判定を行うと共に、第２の統計モデルに表４のパラメータ値をあてはめて発現可能性の判定を行う（Ｓ１７）。可溶性予測装置３は、発現および可溶性の判定結果を結果出力部２０から出力する（Ｓ１８）。
【実施例】
【００３０】
本発明の可溶性予測装置による可溶性予測と実験による発現結果とを比較し、可溶性予測装置の予測精度を評価した。
【００３１】
（実施例１）大腸菌発現系により発現するタンパク質の可溶性予測
［評価方法］
上記の表１に記載したパラメータを用いて、大腸菌発現系で発現するタンパク質の可溶性予測を行った。
（複数回実験のテストデータ）
複数回の実験を行った１８９個の配列のうちの１５２個を事前データとして用いて機械学習を行い、統計モデルを生成した。機械学習の方法は、Random Forest、adaBoost、Support Vector Machineを用い、各方法により生成した統計モデルを用いて可溶性予測を行った。１８９配列のうちの残りの３７配列をテストデータとし、可溶性予測装置による可溶性予測を行い、実験結果と比較して予測精度を求めた。
（１回実験のテストデータ）
上記の１８９個のＤＮＡ配列のすべてを事前データとして用いて機械学習を行い、統計モデルを作成した。そして、１回だけ実験を行ったＤＮＡ配列をテストデータとし、可溶性予測装置による可溶性予測を行い、実験結果と比較して予測精度を求めた。
（比較例）
下記式（１）に示すWilkinson and Harrisonモデルを用いて、上記４７個のＤＮＡ配列のテストデータについて可溶性予測を行い、実験結果と比較して従来手法による予測精度を求めた。
【数１】
【００３２】
［予測精度の計算方法］
可溶性予測装置による発現結果と実験による発現結果に基づいて、予測結果を下記表５に示す４つのカテゴリに分ける。
【表５】
【００３３】
全可溶数に対する正解数の割合Ｒｅｃａｌｌ、可溶すると予測した数に対する正解数の割合Ｐｒｅｃｉｓｉｏｎ、全体の予測精度ＡＣＣを下記の式により求める。
Ｒｅｃａｌｌ＝ＴＰ／（ＴＰ＋ＦＮ）
Ｐｒｅｃｉｓｉｏｎ＝ＴＰ／（ＴＰ＋ＦＰ）
ＡＣＣ＝（ＴＰ＋ＴＮ）／（ＴＰ＋ＴＮ＋ＦＰ＋ＦＮ）
【００３４】
［評価結果］
図５は、可溶性予測の評価結果を示す図である。図５に示すように、複数回実験のテストデータでは、７０％以上の高精度で可溶性を予測できることを確認できた。また、従来のモデルに比べて予測精度が１０％以上向上することを確認できた。１回実験のテストデータにおいても、従来手法に比べて精度が向上することを確認できた。
【００３５】
（実施例２）コムギ胚芽発現系により発現するタンパク質の可溶性予測
［評価方法］
上記の表３に記載したパラメータを用いて、コムギ胚芽発現系で発現するタンパク質の可溶性予測を行った。
（複数回実験のテストデータ）
複数回の実験を行った１３６個のＤＮＡ配列のうちの１０９個を事前データとして用いて機械学習を行い、統計モデルを生成した。機械学習の方法は、Random Forest、adaBoost、Support Vector Machineを用い、各方法により生成した統計モデルを用いて可溶性予測を行った。１３６個のＤＮＡ配列のうちの残りの２７個をテストデータとし、可溶性予測装置による可溶性予測を行い、実験結果と比較して予測精度を求めた。
（１回実験のテストデータ）
上記の１３６個のＤＮＡ配列のすべてを事前データとして用いて機械学習を行い、統計モデルを作成した。そして、１回だけ実験を行ったＤＮＡ配列をテストデータとし、可溶性予測装置による可溶性予測を行い、実験結果と比較して予測精度を求めた。
（比較例）
Wilkinson and Harrisonモデルを用いて、上記２７配列のテストデータの可溶性予測を行い、実験結果と比較して従来手法による予測精度を求めた。
【００３６】
［予測精度の計算方法］
大腸菌発現系の場合と同様に、予測精度の計算を行った。
【００３７】
［評価結果］
図６は、可溶性予測の評価結果を示す図である。図６に示すように、複数回実験のテストデータでは、約６５％の高精度で可溶性を予測できることを確認できた。また、従来のモデルに比べて予測精度が１５％以上向上することを確認できた。１回実験のテストデータにおいても、従来手法に比べて精度が向上することを確認できた。
【００３８】
（実施例３）大腸菌発現系での発現予測
［評価方法］
上記の表４に記載したパラメータを用いて、大腸菌発現系での発現予測を行った。
（複数回実験のテストデータ）
複数回の実験を行った１８７個のＤＮＡ配列のうちの１４７個を事前データとして用いて機械学習を行い、統計モデルを生成した。機械学習の方法は、Random Forest、adaBoost、Support Vector Machineを用い、各方法により生成した統計モデルを用いて発現予測を行った。１８７個のＤＮＡ配列のうちの残りの３０個をテストデータとし、可溶性予測装置による発現予測を行い、実験結果と比較して予測精度を求めた。
（１回実験のテストデータ）
上記の１８７個のＤＮＡ配列のすべてを事前データとして用いて機械学習を行い、統計モデルを作成した。そして、１回だけ実験を行ったＤＮＡ配列をテストデータとし、可溶性予測装置による発現予測を行い、実験結果と比較して予測精度を求めた。
【００３９】
［予測精度の計算方法］
可溶性予測装置による発現結果と実験による発現結果の一致／不一致に基づいて、結果を下記表６に示す４つのカテゴリに分ける。
【表６】
【００４０】
全発現数に対する正解数の割合Ｒｅｃａｌｌ、発現すると予測した数に対する正解数の割合Ｐｒｅｃｉｓｉｏｎ、全体の予測精度ＡＣＣを下記の式により求める。
Ｒｅｃａｌｌ＝ＴＰ／（ＴＰ＋ＦＮ）
Ｐｒｅｃｉｓｉｏｎ＝ＴＰ／（ＴＰ＋ＦＰ）
ＡＣＣ＝（ＴＰ＋ＴＮ）／（ＴＰ＋ＴＮ＋ＦＰ＋ＦＮ）
【００４１】
［評価結果］
図７は、発現予測の評価結果を示す図である。図７に示すように、複数回実験のテストデータでは、約８０％の高精度で発現予測できることを確認できた。１回実験のテストデータは、複数回の実験を行った場合に比べ信頼性が低いが、約７０％の精度で発現予測できることを確認できた。
【産業上の利用可能性】
【００４２】
本発明は、ＤＮＡ配列から発現するタンパク質の可溶性を予測する装置として有用である。
【符号の説明】
【００４３】
１，３ 可溶性予測装置
１０ ＤＮＡ配列入力部
１２ パラメータ値算出部
１４ タンパク質構造計算部
１６ 可溶性判定部
１８ 統計モデル記憶部
２０ 結果出力部
２２ 発現可溶性判定部
２４ 統計モデル記憶部
【技術分野】
【０００１】
本発明は、遺伝子から発現するタンパク質の可溶性を予測する装置および方法に関する。
【背景技術】
【０００２】
タンパク質の機能解析や立体構造解析などの研究や、有用なタンパク質の工業的な利用には、大量の純粋なタンパク質が必要である。タンパク質を大量に調整するために、組換え法によりタンパク質を発現する発現系としては、大腸菌が一般的に用いられる。大腸菌の他にも、酵母や、コムギ等の無細胞発現系や、昆虫細胞、動物細胞なども用いられる。
【０００３】
タンパク質の研究を行うためには、発現したタンパク質は可溶性であることが望ましいが、発現したすべてのタンパク質が可溶性であるとは限らない。発現するタンパク質が可溶性であるか否かをあらかじめ予測できれば、無駄な実験の回数を減らすことができる。
【０００４】
非特許文献１，２では、タンパク質が可溶性か否かを予測する方法が提案されている。非特許文献１では、８１個のタンパク質を統計的に分析し、電荷の平均値、ターンを形成しやすい残基（Ｑ，Ｐ，Ｇ，Ｓ）の割合が、封入体（不溶性）との相関が強いパラメータであるとしている。非特許文献２は、構造の類似性や疎水性などにより分類されるアミノ酸のグループ、長さや疎水性インデックス、脂肪族インデックス等の物理化学的特徴、個々のアミノ酸の組成、およびジペプジドの組成をパラメータとして、タンパク質が可溶性か予測している。
【先行技術文献】
【非特許文献】
【０００５】
【非特許文献１】David L.Wilkinson and Roger G. Harrison "PREDICTING THE SOLUBILITY OF RECOMBINANT PROTEINS IN ESCHERICHIA COLI" Biotechnology 1991;9(5), p443-p448
【非特許文献２】Susan Idicula-Thomas et al. "A support vector machine-based method for predicting the propensity of a protein to be soluble or to form inclusion body on overexpression in Escherichia coli" BIOINFORMATICS (2006)22(3), p278-p284
【発明の概要】
【発明が解決しようとする課題】
【０００６】
本発明は、大腸菌またはコムギ胚芽を用いて発現させたタンパク質の可溶性を予測する新しい装置および方法を提供することを目的とする。
【課題を解決するための手段】
【０００７】
大腸菌発現系またはコムギ胚芽発現系で発現するタンパク質の可溶性を予測する本発明の可溶性予測装置は、タンパク質が可溶性か否かを判定するための統計モデルであって、（１）遺伝子のＤＮＡ配列から発現するタンパク質に含まれる所定のアミノ酸の数、（２）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数、（３）前記タンパク質のアミノ酸配列において所定のアミノ酸が連続する連続数、（４）前記タンパク質のアミノ酸配列において所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（５）前記タンパク質の表面残基中のアミノ酸の数、（６）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして、ＤＮＡ配列から発現したタンパク質が可溶性か否かの実験結果を機械学習して生成した統計モデルを記憶した記憶部と、ＤＮＡ配列を入力する入力部と、入力されたＤＮＡ配列から、前記統計モデルの生成に用いられた各パラメータの値を求めるパラメータ値算出部と、前記パラメータの値を前記統計モデルに当てはめて、前記ＤＮＡ配列から発現するタンパク質が可溶性か否かを判定する判定部と、判定結果を出力する出力部とを備える。
【発明の効果】
【０００８】
本発明は、上記した（１）〜（５）のパラメータを用いた機械学習により生成した統計モデルに、予測対象のＤＮＡ配列のパラメータ値を当てはめることにより、ＤＮＡ配列から発現したタンパク質が可溶性か否かを精度良く予測できる。
【図面の簡単な説明】
【０００９】
【図１】第１の実施の形態の可溶性予測装置の構成を示す図である。
【図２】第１の実施の形態の可溶性予測装置の動作を示す図である。
【図３】第３の実施の形態の可溶性予測装置の構成を示す図である。
【図４】第３の実施の形態の可溶性予測装置の動作を示す図である。
【図５】実施例１の評価結果を示す図である。
【図６】実施例２の評価結果を示す図である。
【図７】実施例３の評価結果を示す図である。
【発明を実施するための形態】
【００１０】
（第１の実施の形態）
図１は、本発明の第１の実施の形態の可溶性予測装置１の構成を示す図である。可溶性予測装置１は、発現するタンパク質の可溶性を調べたいＤＮＡ配列を入力するＤＮＡ配列入力部１０と、入力されたＤＮＡ配列の所定のパラメータの値を算出するパラメータ値算出部１２と、ＤＮＡ配列の所定のパラメータ値を統計モデルに当てはめて可溶性を判定する可溶性判定部１６と、可溶性の結果を出力する結果出力部２０とを有している。
【００１１】
パラメータ値算出部１２には、タンパク質構造計算部１４が接続されている。タンパク質構造計算部１４は、タンパク質の二次構造、ディスオーダ領域、膜貫通領域、表面残基中のアミノ酸等の構造情報を計算によって求める機能を有する。タンパク質構造計算部１４は、公知のプログラムを用いて実現してもよい。例えば、ファルマデザイン社製の「ＰＯＯＤＥ−Ｌ」は、ディスオーダ領域を予測するプログラムである。ディスオーダ領域（ｄｉｓｏｒｄｅｒ領域）とは、タンパク質の立体構造のうち、決まった構造をとらない領域を意味する。「ＲＶＰｎｅｔ」は表面残基中のアミノ酸を予測するプログラムである。例えば、これらのプログラムを用いることにより、ＤＮＡ配列から発現するタンパク質の構造情報を計算できる。
【００１２】
パラメータ値算出部１２は、ＤＮＡ配列からアミノ酸配列を求め、アミノ酸配列中のアミノ酸組成に関するパラメータ値を算出すると共に、タンパク質構造計算部１４での計算結果に基づいて、構造情報に関するパラメータ値を算出する。
【００１３】
下記に示す表１は、パラメータ値算出部１２にて値を算出するパラメータを示す一覧表である。
【表１】
【００１４】
上記表１に示されているパラメータは、発現により得られたタンパク質が可溶性か否かの実験結果に基づいて求めたものである。発明者らは、複数回の実験により発現したタンパク質が可溶か不溶かを確かめた１８９個のＤＮＡ配列を、発現したタンパク質が可溶のＤＮＡ配列と不溶のＤＮＡ配列に分類し、それぞれのグループに有意なパラメータを求めた。具体的には、ＤＮＡ配列および発現するタンパク質の組成や構造のパラメータが有意であるか否かを、パラメータ毎にｔ検定を行って検証した。有意水準は、０．０５とした。
【００１５】
表１において、パラメータに付した（＋）は、可溶性のタンパク質において値の分布が高くなるパラメータ、（−）は不溶のタンパク質において値の分布が高くなるパラメータであることを示す。全長とは、ＤＮＡ配列またはＤＮＡ配列から発現するタンパク質の全長を意味する。Ｎ末端領域とは、Ｎ末端から６０ヌクレオチドの領域、またはこれに対応するタンパク質の領域（すなわち、Ｎ末端から２０アミノ酸の領域）であり、Ｃ末端領域とは、Ｃ末端から６０ヌクレオチドの領域、またはこれに対応するタンパク質の領域（すなわち、Ｃ末端から２０アミノ酸の領域）である。
【００１６】
同一グループのアミノ酸の数とは、化学的特徴または物理的性質が同じグループに含まれるアミノ酸の数である。また、同一グループのアミノ酸連続数とは、化学的特徴または物理的性質が同じグループに含まれるアミノ酸が連続する数である。ここで、化学的特徴が同じ、あるいは物理的性質が同じであるとして同じグループに分類されるアミノ酸を表２に示す。
【表２】
【００１７】
なお、表１に示すすべてのパラメータを用いる必要はなく、示されたパラメータのうちの一部を用いて可溶性の予測を行うことも可能である。
【００１８】
また、全長のディスオーダ領域の割合とは、ディスオーダ領域の長さ／タンパク質の全長である。
【００１９】
図１に戻って、可溶性予測装置１について説明する。可溶性判定部１６は、表１のパラメータ値を統計モデルに当てはめることによって発現するタンパク質が可溶性か不溶性かを判定する。統計モデル記憶部１８には、表１のパラメータによって可溶性か不溶性かを判定するための統計モデルが記憶されている。統計モデルは、前述した１８９個のＤＮＡ配列の発現実験結果を事前データとして機械学習を行うことにより生成したものである。機械学習の方法としては、Random Forest、adaBoost、Support Vector Machine（SVM）等を用いることができるが、これらに限定されるものではない。結果出力部２０は、発現可溶性判定部１６にて判定された可溶性予測結果を出力する。
【００２０】
なお、本実施の形態では、実験データを機械学習した結果である統計モデルを記憶しておく例について説明しているが、実験結果のデータ自体を記憶しておいてもよい。可溶性判定を行う際に機械学習を行って統計モデルを生成して一時的にメモリ等に記憶し、生成した統計モデルを用いて可溶性判定を行ってもよい。このような構成によれば、新たに得られた実験結果を逐次追加して、統計モデルを生成することができる。
【００２１】
図２は、実施の形態の可溶性予測装置１の動作を示す図である。可溶性予測装置１は、まず、可溶性を予測したい対象のＤＮＡ配列を入力する（Ｓ１０）。次に、可溶性予測装置１は、ＤＮＡ配列から発現するタンパク質の構造計算を行う（Ｓ１２）。可溶性予測装置１は、ＤＮＡ配列とタンパク質構造の計算結果から、表１に示すパラメータの値を算出する（Ｓ１４）。次に、可溶性予測装置１は、統計モデルに表１のパラメータ値をあてはめて可溶性の判定を行う（Ｓ１６）。可溶性予測装置１は、可溶性の判定結果を結果出力部２０から出力する（Ｓ１８）。
【００２２】
（第２の実施の形態）
次に、第２の実施の形態の可溶性予測装置について説明する。第２の実施の形態の可溶性予測装置は、コムギ胚芽発現系で発現するタンパク質が可溶性であるかどうかを予測する装置であり、基本的な構成は第１の実施の形態の可溶性予測装置１と同じである（図１参照）。また、第２の実施の形態の可溶性予測装置の動作は、第１の実施の形態の可溶性予測装置１の動作と同じである（図２参照）。
【００２３】
第２の実施の形態の可溶性予測装置が第１の実施の形態の可溶性予測装置１と異なる点は、統計モデルを生成するために用いたパラメータ、パラメータ値算出部で値を求めるパラメータ、および可溶性判定に用いるパラメータである。下記の表３は、第２の実施の形態の可溶性予測装置にて用いるパラメータの一覧表である。
【表３】
【００２４】
（第３の実施の形態）
図３は、第３の実施の形態の可溶性予測装置３の構成を示す図である。第３の実施の形態の可溶性予測装置３は、大腸菌発現系において発現するタンパク質が可溶性か否かの予測に加え、タンパク質が発現するか否かを予測する装置である。可溶性予測装置３は、第１の実施の形態の可溶性判定部１６に代えて、発現と可溶性の両方を判定する発現可溶性判定部２２を有している。
【００２５】
第３の実施の形態の可溶性予測装置３では、パラメータ値算出部１２は、ＤＮＡ配列から、上記した表１のパラメータに加えて、下記の表４に示すパラメータを算出する。
【表４】
【００２６】
上記表４に示されているパラメータは、実験により得られた発現の結果に基づいて求めたものである。発明者らは、複数回の実験により発現するか否かを確かめた１２１個のＤＮＡ配列を、発現したＤＮＡ配列と発現しなかったＤＮＡ配列とに分類し、それぞれのグループに有意なパラメータを求めた。具体的には、ＤＮＡ配列および発現するタンパク質の組成や構造のパラメータが有意であるか否かを、パラメータ毎にｔ検定を行って検証した。有意水準は、０．０５とした。
【００２７】
図３に戻って、可溶性予測装置３について説明する。統計モデル記憶部２４には、表１のパラメータによって可溶性を判定する統計モデルに加え、表４のパラメータによってタンパク質が発現するか否かを判定するための統計モデル（説明の便宜上、「第２の統計モデル」という。）を記憶している。第２の統計モデルは、前述した１３６個のＤＮＡ配列の発現実験結果を事前データとして機械学習を行うことにより生成したものである。機械学習には、Random Forest、adaBoost、Support Vector Machine（SVM）等を用いることができるが、これらに限定されるものではない。
【００２８】
発現可溶性判定部２２は、表１のパラメータ値を統計モデルに当てはめることによって発現するタンパク質が可溶性か不溶性かを判定すると共に、表４のパラメータの値を第２の統計モデルに当てはめることによって、ＤＮＡ配列が発現するか否かを判定する。結果出力部２０は、発現可溶性判定部２２にて判定された発現予測結果および可溶性予測結果を出力する。
【００２９】
図４は、可溶性予測装置３の動作を示す図である。可溶性予測装置３は、まず、発現可能性および可溶性を予測したい対象のＤＮＡ配列を入力する（Ｓ１０）。次に、可溶性予測装置３は、ＤＮＡ配列から発現するタンパク質の構造計算を行う（Ｓ１２）。可溶性予測装置３は、ＤＮＡ配列とタンパク質構造の計算結果から、表１および表４に示すパラメータ値を算出する（Ｓ１５）。次に、可溶性予測装置３は、統計モデルに表１のパラメータ値をあてはめて可溶性の判定を行うと共に、第２の統計モデルに表４のパラメータ値をあてはめて発現可能性の判定を行う（Ｓ１７）。可溶性予測装置３は、発現および可溶性の判定結果を結果出力部２０から出力する（Ｓ１８）。
【実施例】
【００３０】
本発明の可溶性予測装置による可溶性予測と実験による発現結果とを比較し、可溶性予測装置の予測精度を評価した。
【００３１】
（実施例１）大腸菌発現系により発現するタンパク質の可溶性予測
［評価方法］
上記の表１に記載したパラメータを用いて、大腸菌発現系で発現するタンパク質の可溶性予測を行った。
（複数回実験のテストデータ）
複数回の実験を行った１８９個の配列のうちの１５２個を事前データとして用いて機械学習を行い、統計モデルを生成した。機械学習の方法は、Random Forest、adaBoost、Support Vector Machineを用い、各方法により生成した統計モデルを用いて可溶性予測を行った。１８９配列のうちの残りの３７配列をテストデータとし、可溶性予測装置による可溶性予測を行い、実験結果と比較して予測精度を求めた。
（１回実験のテストデータ）
上記の１８９個のＤＮＡ配列のすべてを事前データとして用いて機械学習を行い、統計モデルを作成した。そして、１回だけ実験を行ったＤＮＡ配列をテストデータとし、可溶性予測装置による可溶性予測を行い、実験結果と比較して予測精度を求めた。
（比較例）
下記式（１）に示すWilkinson and Harrisonモデルを用いて、上記４７個のＤＮＡ配列のテストデータについて可溶性予測を行い、実験結果と比較して従来手法による予測精度を求めた。
【数１】
【００３２】
［予測精度の計算方法］
可溶性予測装置による発現結果と実験による発現結果に基づいて、予測結果を下記表５に示す４つのカテゴリに分ける。
【表５】
【００３３】
全可溶数に対する正解数の割合Ｒｅｃａｌｌ、可溶すると予測した数に対する正解数の割合Ｐｒｅｃｉｓｉｏｎ、全体の予測精度ＡＣＣを下記の式により求める。
Ｒｅｃａｌｌ＝ＴＰ／（ＴＰ＋ＦＮ）
Ｐｒｅｃｉｓｉｏｎ＝ＴＰ／（ＴＰ＋ＦＰ）
ＡＣＣ＝（ＴＰ＋ＴＮ）／（ＴＰ＋ＴＮ＋ＦＰ＋ＦＮ）
【００３４】
［評価結果］
図５は、可溶性予測の評価結果を示す図である。図５に示すように、複数回実験のテストデータでは、７０％以上の高精度で可溶性を予測できることを確認できた。また、従来のモデルに比べて予測精度が１０％以上向上することを確認できた。１回実験のテストデータにおいても、従来手法に比べて精度が向上することを確認できた。
【００３５】
（実施例２）コムギ胚芽発現系により発現するタンパク質の可溶性予測
［評価方法］
上記の表３に記載したパラメータを用いて、コムギ胚芽発現系で発現するタンパク質の可溶性予測を行った。
（複数回実験のテストデータ）
複数回の実験を行った１３６個のＤＮＡ配列のうちの１０９個を事前データとして用いて機械学習を行い、統計モデルを生成した。機械学習の方法は、Random Forest、adaBoost、Support Vector Machineを用い、各方法により生成した統計モデルを用いて可溶性予測を行った。１３６個のＤＮＡ配列のうちの残りの２７個をテストデータとし、可溶性予測装置による可溶性予測を行い、実験結果と比較して予測精度を求めた。
（１回実験のテストデータ）
上記の１３６個のＤＮＡ配列のすべてを事前データとして用いて機械学習を行い、統計モデルを作成した。そして、１回だけ実験を行ったＤＮＡ配列をテストデータとし、可溶性予測装置による可溶性予測を行い、実験結果と比較して予測精度を求めた。
（比較例）
Wilkinson and Harrisonモデルを用いて、上記２７配列のテストデータの可溶性予測を行い、実験結果と比較して従来手法による予測精度を求めた。
【００３６】
［予測精度の計算方法］
大腸菌発現系の場合と同様に、予測精度の計算を行った。
【００３７】
［評価結果］
図６は、可溶性予測の評価結果を示す図である。図６に示すように、複数回実験のテストデータでは、約６５％の高精度で可溶性を予測できることを確認できた。また、従来のモデルに比べて予測精度が１５％以上向上することを確認できた。１回実験のテストデータにおいても、従来手法に比べて精度が向上することを確認できた。
【００３８】
（実施例３）大腸菌発現系での発現予測
［評価方法］
上記の表４に記載したパラメータを用いて、大腸菌発現系での発現予測を行った。
（複数回実験のテストデータ）
複数回の実験を行った１８７個のＤＮＡ配列のうちの１４７個を事前データとして用いて機械学習を行い、統計モデルを生成した。機械学習の方法は、Random Forest、adaBoost、Support Vector Machineを用い、各方法により生成した統計モデルを用いて発現予測を行った。１８７個のＤＮＡ配列のうちの残りの３０個をテストデータとし、可溶性予測装置による発現予測を行い、実験結果と比較して予測精度を求めた。
（１回実験のテストデータ）
上記の１８７個のＤＮＡ配列のすべてを事前データとして用いて機械学習を行い、統計モデルを作成した。そして、１回だけ実験を行ったＤＮＡ配列をテストデータとし、可溶性予測装置による発現予測を行い、実験結果と比較して予測精度を求めた。
【００３９】
［予測精度の計算方法］
可溶性予測装置による発現結果と実験による発現結果の一致／不一致に基づいて、結果を下記表６に示す４つのカテゴリに分ける。
【表６】
【００４０】
全発現数に対する正解数の割合Ｒｅｃａｌｌ、発現すると予測した数に対する正解数の割合Ｐｒｅｃｉｓｉｏｎ、全体の予測精度ＡＣＣを下記の式により求める。
Ｒｅｃａｌｌ＝ＴＰ／（ＴＰ＋ＦＮ）
Ｐｒｅｃｉｓｉｏｎ＝ＴＰ／（ＴＰ＋ＦＰ）
ＡＣＣ＝（ＴＰ＋ＴＮ）／（ＴＰ＋ＴＮ＋ＦＰ＋ＦＮ）
【００４１】
［評価結果］
図７は、発現予測の評価結果を示す図である。図７に示すように、複数回実験のテストデータでは、約８０％の高精度で発現予測できることを確認できた。１回実験のテストデータは、複数回の実験を行った場合に比べ信頼性が低いが、約７０％の精度で発現予測できることを確認できた。
【産業上の利用可能性】
【００４２】
本発明は、ＤＮＡ配列から発現するタンパク質の可溶性を予測する装置として有用である。
【符号の説明】
【００４３】
１，３ 可溶性予測装置
１０ ＤＮＡ配列入力部
１２ パラメータ値算出部
１４ タンパク質構造計算部
１６ 可溶性判定部
１８ 統計モデル記憶部
２０ 結果出力部
２２ 発現可溶性判定部
２４ 統計モデル記憶部
【特許請求の範囲】
【請求項１】
大腸菌発現系で発現するタンパク質の可溶性を予測する装置であって、
タンパク質が可溶性か否かを判定するための統計モデルであって、（１）遺伝子のＤＮＡ配列から発現するタンパク質のアミノ酸配列に含まれる所定のアミノ酸の数、（２）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数、（３）前記タンパク質のアミノ酸配列において所定のアミノ酸が連続する連続数、（４）前記タンパク質のアミノ酸配列において所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（５）前記タンパク質の表面残基中の所定のアミノ酸の数、（６）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして用いて、ＤＮＡ配列から発現したタンパク質が可溶性か否かの実験結果を機械学習して生成した統計モデルを記憶した記憶部と、
ＤＮＡ配列を入力する入力部と、
入力されたＤＮＡ配列から、前記統計モデルの生成に用いられた各パラメータの値を求めるパラメータ値算出部と、
前記パラメータの値を前記統計モデルに当てはめて、前記ＤＮＡ配列から発現するタンパク質が可溶性か否かを判定する判定部と、
判定結果を出力する出力部と、
を備える可溶性予測装置。
【請求項２】
前記統計モデルは、さらに（７）前記タンパク質に含まれる１０残基長以上のヘリックスの数をパラメータとして用いて生成した統計モデルである請求項１に記載の可溶性予測装置。
【請求項３】
前記統計モデルは、さらに（８）前記タンパク質に含まれるディスオーダ領域の割合をパラメータとして用いて生成した統計モデルである請求項１または２に記載の可溶性予測装置。
【請求項４】
（１）前記タンパク質のアミノ酸配列に含まれる所定のアミノ酸の数のパラメータとして、前記タンパク質の全長に含まれるアスバラギン酸（Ａｓｐ）、グルタミン酸（Ｇｌｕ）、グリシン（Ｇｌｙ）、リシン（Ｌｙｓ）、ロイシン（Ｌｅｕ）、メチオニン（Ｍｅｔ）、トリプトファン（Ｔｒｐ）、チロシン（Ｔｙｒ）のうちの少なくとも１種類のアミノ酸の数を用いる請求項１〜３のいずれかに記載の可溶性予測装置。
【請求項５】
（１）前記タンパク質のアミノ酸配列に含まれる所定のアミノ酸の数のパラメータとして、前記ＤＮＡ配列のＣ末端から２０アミノ酸の領域に含まれるアラニン（Ａｌａ）、システイン（Ｃｙｓ）、アスバラギン酸（Ａｓｐ）、フェニルアラニン（Ｐｈｅ）、リシン（Ｌｙｓ）、チロシン（Ｔｙｒ）のうちの少なくとも１種類のアミノ酸の数を用いる請求項１〜４のいずれかに記載の可溶性予測装置。
【請求項６】
（２）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数のパラメータとして、前記タンパク質の全長に含まれる脂肪族、芳香環、酸性、塩基性、含硫、非極性の少なくとも１種類のグループのアミノ酸の数を用いる請求項１〜５のいずれかに記載の可溶性予測装置。
【請求項７】
（２）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数のパラメータとして、前記ＤＮＡ配列のＣ末端から２０アミノ酸の領域に含まれる芳香環、酸性、塩基性、含硫の少なくとも１種類のグループのアミノ酸の数を用いる請求項１〜６のいずれかに記載の可溶性予測装置。
【請求項８】
（３）前記タンパク質のアミノ酸配列における所定のアミノ酸の連続数のパラメータとして、前記タンパク質の全長に存在するロイシン（Ｌｅｕ）の連続数を用いる請求項１〜７のいずれかに記載の可溶性予測装置。
【請求項９】
（３）前記タンパク質のアミノ酸配列における所定のアミノ酸の連続数のパラメータとして、前記ＤＮＡ配列のＣ末端から２０アミノ酸の領域に存在するシステイン（Ｃｙｓ）、フェニルアラニン（Ｐｈｅ）、リシン（Ｌｙｓ）、バリン（Ｖａｌ）のうちの少なくとも１種類のアミノ酸の連続数を求める請求項１〜８のいずれかに記載の可溶性予測装置。
【請求項１０】
（４）前記タンパク質のアミノ酸配列における所定の物理的特徴または化学的特徴を有するアミノ酸の連続数のパラメータとして、前記タンパク質の全長に存在する含硫のアミノ酸の連続数を用いる請求項１〜９のいずれかに記載の可溶性予測装置。
【請求項１１】
（４）前記タンパク質のアミノ酸配列における所定の物理的特徴または化学的特徴を有するアミノ酸の連続数のパラメータとして、前記ＤＮＡ配列のＣ末端から２０アミノ酸の領域に存在する芳香環、酸性、含硫のうちの少なくとも１種類のグループのアミノ酸の連続数を用いる請求項１〜１０のいずれかに記載の可溶性予測装置。
【請求項１２】
（５）前記タンパク質の表面残基中の所定のアミノ酸の数のパラメータとして、リシン（Ｌｙｓ）またはグルタミン（Ｇｌｎ）の数を用いる請求項１〜１１のいずれかに記載の可溶性予測装置。
【請求項１３】
（５）前記タンパク質の表面残基中の所定のアミノ酸の数のパラメータとして、塩基性のアミノ酸の数を用いる請求項１〜１２のいずれかに記載の可溶性予測装置。
【請求項１４】
（８）前記タンパク質に含まれるディスオーダ領域の割合のパラメータとして、前記タンパク質の全長に含まれるディスオーダ領域の割合を用いる請求項１〜１３のいずれかに記載の可溶性予測装置。
【請求項１５】
コムギ胚芽系で発現するタンパク質の可溶性を予測する装置であって、
タンパク質が可溶性か否かを判定するための統計モデルであって、（９）ＤＮＡ配列から発現するタンパク質のアミノ酸配列に含まれる所定のアミノ酸の数、（１０）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数、（１１）前記タンパク質のアミノ酸配列において所定のアミノ酸が連続する連続数、（１２）前記タンパク質のアミノ酸配列において所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（１３）前記タンパク質の表面残基中の所定のアミノ酸の数、（１４）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして、ＤＮＡ配列から発現したタンパク質が可溶性か否かの実験結果を機械学習して生成した統計モデルを記憶した記憶部と、
ＤＮＡ配列を入力する入力部と、
入力されたＤＮＡ配列から、前記統計モデルの生成に用いられた各パラメータの値を求めるパラメータ値算出部と、
前記パラメータの値を前記統計モデルに当てはめて、前記ＤＮＡ配列から発現するタンパク質が可溶性か否かを判定する判定部と、
判定結果を出力する出力部と、
を備える可溶性予測装置。
【請求項１６】
前記統計モデルは、さらに（１５）前記タンパク質に含まれるディスオーダ領域の割合をパラメータとして用いて生成した統計モデルである請求項１５に記載の可溶性予測装置。
【請求項１７】
（９）前記タンパク質のアミノ酸配列に含まれる所定のアミノ酸の数のパラメータとして、前記タンパク質の全長に含まれるアラニン（Ａｌａ）、ロイシン（Ｌｅｕ）、トレオニン（Ｔｈｒ）、チロシン（Ｔｙｒ）のいずれかの数を用いる請求項１５または１６に記載の可溶性予測装置。
【請求項１８】
（９）前記タンパク質のアミノ酸配列に含まれる所定のアミノ酸の数のパラメータとして、前記ＤＮＡ配列のＮ末端から２０アミノ酸の領域に含まれるセリン（Ｓｅｒ）の数を用いる請求項１５〜１７のいずれかに記載の可溶性予測装置。
【請求項１９】
（１０）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数のパラメータとして、前記タンパク質の全長に含まれる塩基性、芳香環または非極性のアミノ酸の数を用いる請求項１５〜１８のいずれかに記載の可溶性予測装置。
【請求項２０】
（１０）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数のパラメータとして、前記ＤＮＡ配列のＮ末端から２０アミノ酸の領域に含まれる水酸基のアミノ酸の数を用いる請求項１５〜１９のいずれかに記載の可溶性予測装置。
【請求項２１】
（１１）前記タンパク質のアミノ酸配列における所定のアミノ酸の連続数のパラメータとして、前記タンパク質の全長に存在するフェニルアラニン（Ｐｈｅ）、リシン（Ｌｙｓ）、トレオニン（Ｔｈｒ）、バリン（Ｖａｌ）、メチオニン（Ｍｅｔ）、トリプトファン（Ｔｒｐ）の少なくとも１種類のアミノ酸の連続数を用いる請求項１５〜２０のいずれかに記載の可溶性予測装置。
【請求項２２】
（１２）前記タンパク質のアミノ酸配列における所定の物理的特徴または化学的特徴を有するアミノ酸の連続数のパラメータとして、前記タンパク質の全長に存在する芳香環または塩基性のアミノ酸の連続数を用いる請求項１５〜２１のいずれかに記載の可溶性予測装置。
【請求項２３】
（１３）前記タンパク質の表面残基中のアミノ酸の数のパラメータとして、ヒスチジン（Ｈｉｓ）、リシン（Ｌｙｓ）のうちの少なくとも１種類のアミノ酸の数を用いる請求項１５〜２２のいずれかに記載の可溶性予測装置。
【請求項２４】
（１３）前記タンパク質の表面残基中の所定のアミノ酸の数のパラメータとして、塩基性のアミノ酸の数を用いる請求項１５〜２３のいずれかに記載の可溶性予測装置。
【請求項２５】
（１４）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして、前記タンパク質の全長に含まれるディスオーダー領域の割合を用いる請求項１５〜２４のいずれかに記載の可溶性予測装置。
【請求項２６】
大腸菌発現系で発現するタンパク質の可溶性を予測する方法であって、
タンパク質が可溶性か否かを判定するための統計モデルであって、（１）遺伝子のＤＮＡ配列から発現するタンパク質に含まれる所定のアミノ酸の数、（２）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数、（３）前記タンパク質のアミノ酸配列において所定のアミノ酸が連続する連続数、（４）前記タンパク質のアミノ酸配列において所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（５）前記タンパク質の表面残基中のアミノ酸の数、（６）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして、ＤＮＡ配列から発現したタンパク質が可溶性か否かの実験結果を機械学習して生成した統計モデルを記憶部に記憶するステップと、
ＤＮＡ配列を入力するステップと、
入力されたＤＮＡ配列から、前記統計モデルの生成に用いられた各パラメータの値を求めるステップと、
前記パラメータの値を前記統計モデルに当てはめて、前記ＤＮＡ配列から発現するタンパク質が可溶性か否かを判定するステップと、
判定結果を出力するステップと、
を備える可溶性予測方法。
【請求項２７】
コムギ胚芽系で発現するタンパク質の可溶性を予測する方法であって、
タンパク質が可溶性か否かを判定するための統計モデルであって、（１０）遺伝子のＤＮＡ配列から発現するタンパク質に含まれる所定のアミノ酸の数、（１１）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数、（１２）前記タンパク質のアミノ酸配列において所定のアミノ酸が連続する連続数、（１３）前記タンパク質のアミノ酸配列において所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（１４）前記タンパク質の表面残基中の所定のアミノ酸の数、（１５）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして、ＤＮＡ配列から発現したタンパク質が可溶性か否かの実験結果を機械学習して生成した統計モデルを記憶部に記憶するステップと、
ＤＮＡ配列を入力するステップと、
入力されたＤＮＡ配列から、前記統計モデルの生成に用いられた各パラメータの値を求めるステップと、
前記パラメータの値を前記統計モデルに当てはめて、前記ＤＮＡ配列から発現するタンパク質が可溶性か否かを判定するステップと、
判定結果を出力するステップと、
を備える可溶性予測方法。
【請求項１】
大腸菌発現系で発現するタンパク質の可溶性を予測する装置であって、
タンパク質が可溶性か否かを判定するための統計モデルであって、（１）遺伝子のＤＮＡ配列から発現するタンパク質のアミノ酸配列に含まれる所定のアミノ酸の数、（２）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数、（３）前記タンパク質のアミノ酸配列において所定のアミノ酸が連続する連続数、（４）前記タンパク質のアミノ酸配列において所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（５）前記タンパク質の表面残基中の所定のアミノ酸の数、（６）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして用いて、ＤＮＡ配列から発現したタンパク質が可溶性か否かの実験結果を機械学習して生成した統計モデルを記憶した記憶部と、
ＤＮＡ配列を入力する入力部と、
入力されたＤＮＡ配列から、前記統計モデルの生成に用いられた各パラメータの値を求めるパラメータ値算出部と、
前記パラメータの値を前記統計モデルに当てはめて、前記ＤＮＡ配列から発現するタンパク質が可溶性か否かを判定する判定部と、
判定結果を出力する出力部と、
を備える可溶性予測装置。
【請求項２】
前記統計モデルは、さらに（７）前記タンパク質に含まれる１０残基長以上のヘリックスの数をパラメータとして用いて生成した統計モデルである請求項１に記載の可溶性予測装置。
【請求項３】
前記統計モデルは、さらに（８）前記タンパク質に含まれるディスオーダ領域の割合をパラメータとして用いて生成した統計モデルである請求項１または２に記載の可溶性予測装置。
【請求項４】
（１）前記タンパク質のアミノ酸配列に含まれる所定のアミノ酸の数のパラメータとして、前記タンパク質の全長に含まれるアスバラギン酸（Ａｓｐ）、グルタミン酸（Ｇｌｕ）、グリシン（Ｇｌｙ）、リシン（Ｌｙｓ）、ロイシン（Ｌｅｕ）、メチオニン（Ｍｅｔ）、トリプトファン（Ｔｒｐ）、チロシン（Ｔｙｒ）のうちの少なくとも１種類のアミノ酸の数を用いる請求項１〜３のいずれかに記載の可溶性予測装置。
【請求項５】
（１）前記タンパク質のアミノ酸配列に含まれる所定のアミノ酸の数のパラメータとして、前記ＤＮＡ配列のＣ末端から２０アミノ酸の領域に含まれるアラニン（Ａｌａ）、システイン（Ｃｙｓ）、アスバラギン酸（Ａｓｐ）、フェニルアラニン（Ｐｈｅ）、リシン（Ｌｙｓ）、チロシン（Ｔｙｒ）のうちの少なくとも１種類のアミノ酸の数を用いる請求項１〜４のいずれかに記載の可溶性予測装置。
【請求項６】
（２）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数のパラメータとして、前記タンパク質の全長に含まれる脂肪族、芳香環、酸性、塩基性、含硫、非極性の少なくとも１種類のグループのアミノ酸の数を用いる請求項１〜５のいずれかに記載の可溶性予測装置。
【請求項７】
（２）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数のパラメータとして、前記ＤＮＡ配列のＣ末端から２０アミノ酸の領域に含まれる芳香環、酸性、塩基性、含硫の少なくとも１種類のグループのアミノ酸の数を用いる請求項１〜６のいずれかに記載の可溶性予測装置。
【請求項８】
（３）前記タンパク質のアミノ酸配列における所定のアミノ酸の連続数のパラメータとして、前記タンパク質の全長に存在するロイシン（Ｌｅｕ）の連続数を用いる請求項１〜７のいずれかに記載の可溶性予測装置。
【請求項９】
（３）前記タンパク質のアミノ酸配列における所定のアミノ酸の連続数のパラメータとして、前記ＤＮＡ配列のＣ末端から２０アミノ酸の領域に存在するシステイン（Ｃｙｓ）、フェニルアラニン（Ｐｈｅ）、リシン（Ｌｙｓ）、バリン（Ｖａｌ）のうちの少なくとも１種類のアミノ酸の連続数を求める請求項１〜８のいずれかに記載の可溶性予測装置。
【請求項１０】
（４）前記タンパク質のアミノ酸配列における所定の物理的特徴または化学的特徴を有するアミノ酸の連続数のパラメータとして、前記タンパク質の全長に存在する含硫のアミノ酸の連続数を用いる請求項１〜９のいずれかに記載の可溶性予測装置。
【請求項１１】
（４）前記タンパク質のアミノ酸配列における所定の物理的特徴または化学的特徴を有するアミノ酸の連続数のパラメータとして、前記ＤＮＡ配列のＣ末端から２０アミノ酸の領域に存在する芳香環、酸性、含硫のうちの少なくとも１種類のグループのアミノ酸の連続数を用いる請求項１〜１０のいずれかに記載の可溶性予測装置。
【請求項１２】
（５）前記タンパク質の表面残基中の所定のアミノ酸の数のパラメータとして、リシン（Ｌｙｓ）またはグルタミン（Ｇｌｎ）の数を用いる請求項１〜１１のいずれかに記載の可溶性予測装置。
【請求項１３】
（５）前記タンパク質の表面残基中の所定のアミノ酸の数のパラメータとして、塩基性のアミノ酸の数を用いる請求項１〜１２のいずれかに記載の可溶性予測装置。
【請求項１４】
（８）前記タンパク質に含まれるディスオーダ領域の割合のパラメータとして、前記タンパク質の全長に含まれるディスオーダ領域の割合を用いる請求項１〜１３のいずれかに記載の可溶性予測装置。
【請求項１５】
コムギ胚芽系で発現するタンパク質の可溶性を予測する装置であって、
タンパク質が可溶性か否かを判定するための統計モデルであって、（９）ＤＮＡ配列から発現するタンパク質のアミノ酸配列に含まれる所定のアミノ酸の数、（１０）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数、（１１）前記タンパク質のアミノ酸配列において所定のアミノ酸が連続する連続数、（１２）前記タンパク質のアミノ酸配列において所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（１３）前記タンパク質の表面残基中の所定のアミノ酸の数、（１４）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして、ＤＮＡ配列から発現したタンパク質が可溶性か否かの実験結果を機械学習して生成した統計モデルを記憶した記憶部と、
ＤＮＡ配列を入力する入力部と、
入力されたＤＮＡ配列から、前記統計モデルの生成に用いられた各パラメータの値を求めるパラメータ値算出部と、
前記パラメータの値を前記統計モデルに当てはめて、前記ＤＮＡ配列から発現するタンパク質が可溶性か否かを判定する判定部と、
判定結果を出力する出力部と、
を備える可溶性予測装置。
【請求項１６】
前記統計モデルは、さらに（１５）前記タンパク質に含まれるディスオーダ領域の割合をパラメータとして用いて生成した統計モデルである請求項１５に記載の可溶性予測装置。
【請求項１７】
（９）前記タンパク質のアミノ酸配列に含まれる所定のアミノ酸の数のパラメータとして、前記タンパク質の全長に含まれるアラニン（Ａｌａ）、ロイシン（Ｌｅｕ）、トレオニン（Ｔｈｒ）、チロシン（Ｔｙｒ）のいずれかの数を用いる請求項１５または１６に記載の可溶性予測装置。
【請求項１８】
（９）前記タンパク質のアミノ酸配列に含まれる所定のアミノ酸の数のパラメータとして、前記ＤＮＡ配列のＮ末端から２０アミノ酸の領域に含まれるセリン（Ｓｅｒ）の数を用いる請求項１５〜１７のいずれかに記載の可溶性予測装置。
【請求項１９】
（１０）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数のパラメータとして、前記タンパク質の全長に含まれる塩基性、芳香環または非極性のアミノ酸の数を用いる請求項１５〜１８のいずれかに記載の可溶性予測装置。
【請求項２０】
（１０）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数のパラメータとして、前記ＤＮＡ配列のＮ末端から２０アミノ酸の領域に含まれる水酸基のアミノ酸の数を用いる請求項１５〜１９のいずれかに記載の可溶性予測装置。
【請求項２１】
（１１）前記タンパク質のアミノ酸配列における所定のアミノ酸の連続数のパラメータとして、前記タンパク質の全長に存在するフェニルアラニン（Ｐｈｅ）、リシン（Ｌｙｓ）、トレオニン（Ｔｈｒ）、バリン（Ｖａｌ）、メチオニン（Ｍｅｔ）、トリプトファン（Ｔｒｐ）の少なくとも１種類のアミノ酸の連続数を用いる請求項１５〜２０のいずれかに記載の可溶性予測装置。
【請求項２２】
（１２）前記タンパク質のアミノ酸配列における所定の物理的特徴または化学的特徴を有するアミノ酸の連続数のパラメータとして、前記タンパク質の全長に存在する芳香環または塩基性のアミノ酸の連続数を用いる請求項１５〜２１のいずれかに記載の可溶性予測装置。
【請求項２３】
（１３）前記タンパク質の表面残基中のアミノ酸の数のパラメータとして、ヒスチジン（Ｈｉｓ）、リシン（Ｌｙｓ）のうちの少なくとも１種類のアミノ酸の数を用いる請求項１５〜２２のいずれかに記載の可溶性予測装置。
【請求項２４】
（１３）前記タンパク質の表面残基中の所定のアミノ酸の数のパラメータとして、塩基性のアミノ酸の数を用いる請求項１５〜２３のいずれかに記載の可溶性予測装置。
【請求項２５】
（１４）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして、前記タンパク質の全長に含まれるディスオーダー領域の割合を用いる請求項１５〜２４のいずれかに記載の可溶性予測装置。
【請求項２６】
大腸菌発現系で発現するタンパク質の可溶性を予測する方法であって、
タンパク質が可溶性か否かを判定するための統計モデルであって、（１）遺伝子のＤＮＡ配列から発現するタンパク質に含まれる所定のアミノ酸の数、（２）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数、（３）前記タンパク質のアミノ酸配列において所定のアミノ酸が連続する連続数、（４）前記タンパク質のアミノ酸配列において所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（５）前記タンパク質の表面残基中のアミノ酸の数、（６）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして、ＤＮＡ配列から発現したタンパク質が可溶性か否かの実験結果を機械学習して生成した統計モデルを記憶部に記憶するステップと、
ＤＮＡ配列を入力するステップと、
入力されたＤＮＡ配列から、前記統計モデルの生成に用いられた各パラメータの値を求めるステップと、
前記パラメータの値を前記統計モデルに当てはめて、前記ＤＮＡ配列から発現するタンパク質が可溶性か否かを判定するステップと、
判定結果を出力するステップと、
を備える可溶性予測方法。
【請求項２７】
コムギ胚芽系で発現するタンパク質の可溶性を予測する方法であって、
タンパク質が可溶性か否かを判定するための統計モデルであって、（１０）遺伝子のＤＮＡ配列から発現するタンパク質に含まれる所定のアミノ酸の数、（１１）前記タンパク質のアミノ酸配列に含まれる所定の物理的特徴または化学的特徴を有するアミノ酸の数、（１２）前記タンパク質のアミノ酸配列において所定のアミノ酸が連続する連続数、（１３）前記タンパク質のアミノ酸配列において所定の物理的特徴または化学的特徴を有するアミノ酸が連続する連続数、（１４）前記タンパク質の表面残基中の所定のアミノ酸の数、（１５）前記タンパク質に含まれるディスオーダー領域の割合をパラメータとして、ＤＮＡ配列から発現したタンパク質が可溶性か否かの実験結果を機械学習して生成した統計モデルを記憶部に記憶するステップと、
ＤＮＡ配列を入力するステップと、
入力されたＤＮＡ配列から、前記統計モデルの生成に用いられた各パラメータの値を求めるステップと、
前記パラメータの値を前記統計モデルに当てはめて、前記ＤＮＡ配列から発現するタンパク質が可溶性か否かを判定するステップと、
判定結果を出力するステップと、
を備える可溶性予測方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【公開番号】特開２０１１−１３３９６２（Ｐ２０１１−１３３９６２Ａ）
【公開日】平成２３年７月７日（２０１１．７．７）
【国際特許分類】
【出願番号】特願２００９−２９０５１９（Ｐ２００９−２９０５１９）
【出願日】平成２１年１２月２２日（２００９．１２．２２）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２１年度、独立行政法人新エネルギー・産業技術総合開発機構「化合物等を活用した生物システム制御基盤技術開発」委託研究、産業技術力強化法第１９条の適用を受ける特許出願
【出願人】（３０１０２１５３３）独立行政法人産業技術総合研究所 (6,529)
【出願人】（５００５３５３０１）社団法人バイオ産業情報化コンソーシアム (22)
【出願人】（５０４１３２８８１）国立大学法人東京農工大学 (595)
【Ｆターム（参考）】
【公開日】平成２３年７月７日（２０１１．７．７）
【国際特許分類】
【出願日】平成２１年１２月２２日（２００９．１２．２２）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２１年度、独立行政法人新エネルギー・産業技術総合開発機構「化合物等を活用した生物システム制御基盤技術開発」委託研究、産業技術力強化法第１９条の適用を受ける特許出願
【出願人】（３０１０２１５３３）独立行政法人産業技術総合研究所 (6,529)
【出願人】（５００５３５３０１）社団法人バイオ産業情報化コンソーシアム (22)
【出願人】（５０４１３２８８１）国立大学法人東京農工大学 (595)
【Ｆターム（参考）】
[ Back to top ]