[2P-26] 液-液相分離のシミュレーションに向けた粗視化分子モデルパラメータの開発
近年、細胞内ではタンパク質は様々な相互作用によって互いに引き寄せあい、液滴様の集合体を可逆的に形成することが明らかになっている。この現象を液-液相分離(Liquid-Liquid Phase Separation, LLPS)と呼ぶ。その物理メカニズムを解析する方法の一つとして、粗視化分子動力学シミュレーション（粗視化molecular dynamics; MD）があり、とりわけDignonらは独自のポテンシャルを用いて様々な系のLLPSについて報告してきた。しかし、Dignonらの提唱したポテンシャルがどこまで適用可能かよくわかっておらず、その検証およびポテンシャルの高度化が必要だと考えられる。よって本研究では全原子MDのデータを使用することでパラメータの検証ならびに最適化を行い、より全原子の結果を再現する粗視化MDのシミュレーションモデルを構築することを目指した。まずアミロイドβタンパク質のうち最後の８残基のペプチド2分子を含む系において拡張アンサンブル法による全原子MDを行い、得られたアンサンブルをもとに機械学習を行い、パラメータの最適化を行った。また最適化した粗視化MDの重心間距離と慣性半径分布等を全原子MDの結果と比較することで、全原子MDの再現度を評価した。その結果、最適化後の粗視化MDは全原子MDの結果を重心間距離と慣性半径分布の観点において、より再現するシミュレーションモデルを作成できた。