[3P-1] Poster 3 (3P-01ー3P-47)

[3P-41] Prediction of the hydration of proteins using a hybrid of a deep learning and the solvation theory

Kousuke Kawama¹, Yusaku Fukushima¹, ^○Takashi Yoshidome¹, Mitsunori Ikeguchi^2,3, Masateru Ohta³ (1.Dept. of Appl. Phys., Tohoku Univ., 2.Grad. Sch. of Med. Life Sci., Yokohama City Univ., 3.RIKEN)

水和は、タンパク質折り畳みやリガンド結合など様々なプロセスにおいて重要な役割を果たす。これは、水の酸素原子や水素原子の分布関数（水和分布）で特徴づけることができる。本研究では酸素原子の分布関数g_O(r)に着目する。g_O(r)は、分子動力学(MD)シミュレーションや溶液理論（3D-RISM理論）を用いて得ることが出来る。これらの手法では、g_O(r)を得るのに数時間程度の計算が必要であるため、膨大な量の立体構造の水和を解析するには向かない。 本研究では、深層学習と溶液理論をハイブリッドすることで、g_O(r)を10秒程度で得る手法を提案する。MDと溶液理論の約1000分の1の計算時間で、溶液理論の結果と同程度の結果を得ることが出来る。よって、膨大な量の立体構造の水和を簡単に解析することが可能になった。