本文へ移動
図書

クライオ電顕画像から蛋白質の動的構造を描写するための新規計算科学手法の確立と応用

図書を表すアイコン

クライオ電顕画像から蛋白質の動的構造を描写するための新規計算科学手法の確立と応用

資料種別
図書
著者
中迫, 雅由
出版者
-
出版年
2023
資料形態
デジタル
ページ数・大きさ等
-
NDC
-
詳細を見る

資料に関する注記

一般注記:

出版タイプ: VoRtype:textクライオ電顕により酵素-補酵素複合体の構造解析を行い、補酵素結合に適した構造と補酵素結合経路を明らかにした。 酵素-補酵素-基質複合体についても、初期状態で四、定常状態で七の準安定構造を解明し、構造に基づいた反応サイクルを描き出した。また、点変異酵素の構造解析か...

関連資料・改題前後資料

科研費研究者番号 : 30227764

書店で探す

全国の図書館の所蔵

国立国会図書館以外の全国の図書館の所蔵状況を表示します。

所蔵のある図書館から取寄せることが可能かなど、資料の利用方法は、ご自身が利用されるお近くの図書館へご相談ください

その他

  • 慶應義塾大学学術情報リポジトリ

    デジタル
    連携先のサイトで、学術機関リポジトリデータベース(IRDB)(機関リポジトリ)が連携している機関・データベースの所蔵状況を確認できます。

書誌情報

この資料の詳細や典拠(同じ主題の資料を指すキーワード、著者名)等を確認できます。

デジタル

資料種別
図書
著者・編者
中迫, 雅由
著者標目
出版年月日等
2023
出版年(W3CDTF)
2023
並列タイトル等
クライオ デンケン ガゾウ カラ タンパクシツ ノ ドウテキ コウゾウ オ ビョウシャスル タメ ノ シンキ ケイサン カガク シュホウ ノ カクリツ ト オウヨウ
Kuraio denken gazō kara tanpakushitsu no dōteki kōzō o byōshasuru tame no shinki keisan kagaku shuhō no kakuritsu to ōyō
Development and application of computational methods to illustrate the structural dynamics of proteins using cryoEM
タイトル(掲載誌)
科学研究費補助金研究成果報告書
本文の言語コード
jpn
対象利用者
一般
一般注記
出版タイプ: VoR
type:text
クライオ電顕により酵素-補酵素複合体の構造解析を行い、補酵素結合に適した構造と補酵素結合経路を明らかにした。 酵素-補酵素-基質複合体についても、初期状態で四、定常状態で七の準安定構造を解明し、構造に基づいた反応サイクルを描き出した。また、点変異酵素の構造解析から、構造変化に不可欠な相互作用を同定した。 機械学習水和構造予測法を開発し、クライオ電顕で困難な水和構造予測を実用化した。予測精度向上のために学習を高度化し、経験的水和構造予測との融合による膜蛋白質水和構造予測を可能にした。 電顕画像解析に関連し、X線回折で開発した構造解析達成指標の原理的重要性と応用に関して原理の構築と応用研究を実施した。 The structure analyses for enzyme-cofactor and enzyme-cofactor-ligand complexes were conducted using cryoEM. From the structures of enzyme-cofactor complex, we identified structures suitable for cofactor-binding and the pathway of cofactor to approach the final finding-site. We visualized the four and seven structures of the ternary complex in the initial and steady stages of the reaction and proposed structure-based reaction cycle. In addition, structure analysis for the ternary complex of a point-mutated enzyme revealed the interactions necessary for the structural changes. We developed a neural-network to predict the hydration structures of proteins. The machine learning process was optimized, and the combinational use of the neural-network and empirical hydration prediction method enabled us to predict the hydration structures of membrane proteins. In addition, for image processing, we proposed a metric used in X-ray diffraction imaging and applied to structure analyses.
研究種目 : 基盤研究 (B) (一般) 研究期間 : 2021~2023 課題番号 : 21H01050 研究分野 : 生物物理
関連情報
科研費研究者番号 : 30227764
連携機関・データベース
国立情報学研究所 : 学術機関リポジトリデータベース(IRDB)(機関リポジトリ)
提供元機関・データベース
慶應義塾大学 : 慶應義塾大学学術情報リポジトリ