研究分野の概略

統計的手法、機械学習、分子シミュレーションなどを用いて、生命現象の解明をめざす研究を行っています。主な研究内容として、タンパク質の構造および機能の予測・解析、ゲノム情報解析、遺伝子発現情報解析などがあります。

研究内容の紹介

タンパク質の相互作用予測・機能予測

タンパク質とタンパク質、DNA、RNA、糖、脂質、金属、低分子化合物、その他さまざまな分子との相互作用について、

  • 相互作用予測: 与えられたタンパク質が他の分子と相互作用するかどうかを予測
  • 相互作用部位予測: 与えられたタンパク質の中で他分子と結合する残基はどれか、タンパク質の構造が得られている場合は結合部位がどこかを予測
  • ドッキング予測: 複合体の構造を予測

の3つのアプローチから研究を行っており、これらを統合した予測システムの開発にも取り組んでいます。統計的手法、機械学習、タンパク質構造比較、エネルギー最小化など、目的に応じて多様な手法を用いており、また、分子シミュレーションを用いて、物理的な相互作用を詳細に予測・解析する研究も行っています。そのほか、翻訳後修飾予測、tail anchorタンパク質予測、脂質結合タンパク質の機能分類予測、不棟タンパク質予測などの機能予測の手法も開発しています。2018年度は、とくに、タンパク質とタンパク質、DNA、RNA、脂質、金属との相互作用部位予測の手法を開発し、世界最高レベルの予測精度を達成しました。

タンパク質とタンパク質、DNA、RNA、糖、脂質、金属、低分子化合物、その他さまざまな分子との相互作用を総合的に予測するシステムを開発しています。

論文一覧

  1. K. Shimizu, W. Cao, G. Saad, M. Shoji, and T. Terada: Comparative analysis of membrane protein structure databases, BBA - Biomembranes, 1860, 1077-1091 (2018). (K.S. and W.C. are equal contribution.)
  2. C. Fang, Y. Moriwaki, A. Tian, C. Li, and K. Shimizu: Identifying short disorder-to-order binding regions in disordered proteins with a deep convolutional neural network method, Journal of Bioinformatics and Computational Biology, doi: 10.1142/s0219720019500045 (2018).
  3. S. Zhao, J. Sun, K. Shimizu, and K. Kadota: Silhouette scores for arbitrary defined groups in gene expression data and insights into differential expression results, Biological Procedures Online, 20, 5 (2018).
  4. X. Fu, J. Sun, E. Tan, K. Shimizu, Md. S. Reza, S. Watabe, and S. Asakawa: High-throughput sequencing of the expressed torafugu (Takifugu rubripes) antibody sequences distinguishes IgM and IgT repertoires and reveals evidence of convergent evolution, Frontiers in Immunology, 9, 251 (2018).
  5. C. Fang, A. Tian, and K. Shimizu: Identifying MoRFs in Disordered Protein Using Enlarged Conserved Features, 2018 6th International Conference on Bioinformatics and Computational Biology, 2351-2366 (2018).
清水　謙多郎　教授
Kentaro Shimizu
理学博士
農学生命科学研究科・応用生命工学専攻、情報理工学系研究科・コンピュータ科学専攻、情報学環・学際情報学府・総合分析情報学コース