はてなブックマーク

本記事はタンパク質の情報（アミノ酸配列や立体構造）からその物性を予測するソフトウェアProtein-Solの使い方を紹介します。今回紹介するProtein-Solはwebブラウザ上からノーコードかつ個人情報の登録の必要が無く解析でき、本記事では実施例をお見せしながら、ご紹介します。 本記事は現役博士課程の後藤大和さん協力のもと執筆されました。ご協力誠にありがとうございます！

解析準備 GEOからカウントデータを取得 今回の解析に使うカウントデータを取得してください。 # GEOqueryパッケージを読み込む library(GEOquery) # GEOからカウントデータを取得 gse <- getGEO("GSE141413", GSEMatrix = FALSE) # カウントデータを含む補足ファイルをダウンロード supp_dir <- "data/geo_suppl" dir.create(supp_dir, recursive = TRUE, showWarnings = FALSE) count_file <- getGEOSuppFiles("GSE141413", baseDir = supp_dir, makeDirectory = FALSE) # ダウンロードしたカウントデータを読み込む counts_path <- file.path(

分子動力学シミュレーション（MDシミュレーション）は、分子の動きや相互作用を計算機上で再現する手法です。分子の構造と相互作用を記述する力場（potential function）を使用し、時間の経過とともに分子の運動を予測します。これにより、物質の性質や相互作用の理解、材料設計、生体分子の研究などに応用されます。 GROMACSは、MDシミュレーションを実行するためのソフトウェアの一つです。GROMACSは高性能な計算を行うための最適化が施されており、広く使われている信頼性の高いツールです。GROMACSを使うことで、分子のダイナミクスや相互作用をシミュレーションすることができます。 この記事では実際にGROMACSを使って、自分のパソコンでMD シミュレーションを行ない、タンパク質が安定化した構造をPDBファイルとして保存します。 GROMACSの環境構築（Homebrew) GROMA

GEOデータベースとは Gene Expression Omnibus(GEO)は、米国国立生物工学情報センター(NCBI)が運営する公共データベースであり、遺伝子発現データや関連する生物学的データの保存と提供を行っています。GEOは、マイクロアレイ、RNA-Seq、ChIP-Seqなど、さまざまな高スループット実験技術によって得られた遺伝子発現プロファイルを収集・保存しています。 GEOを使えばほしいRNA-seqデータを探すことができるのでやってみましょう。 ブラウザからGEOを使って好きなキーワードでRNA-seqデータを探す方法 GEOのトップページの右の検索バーに探したいキーワードで探します。今回は試しに「lung cancer」と打ち込んでください。 すると、検索バーのすぐ下にresultsが出てきます。GEO DataSets Databaseの方をつかいたいため、上の方の数

1. PLIPとは？ PLIPは、PDBフォーマットのタンパク質-リガンド複合体から相互作用を自動検出するツールです。以下のような相互作用を解析できます。 水素結合 (Hydrogen Bonding) 疎水性相互作用 (Hydrophobic Interactions) 塩橋 (Salt Bridges) π-スタッキング (π-Stacking) 金属配位結合 (Metal Coordination) ハロゲン結合 (Halogen Bonds) PLIPは Pythonベース で動作し、コマンドラインまたはWebインターフェースで利用可能です。ブラウザで簡単にやりたい方はこちら。 以下のような論文に実際に使われているツールですので、本記事で出てきた図をそのまま掲載することも可能です。 Identification of Novel Ribonucleotide Reductase I

Smina とは？ インシリコスクリーニングは、数千～数百万の化合物ライブラリを仮想的に試し、ターゲットタンパク質に最も強く結合する候補を探す手法です。代表的なツールとして AutoDock Vina がありますが、 Smina はその改良版です。 AutoDock Vina は 高速かつ使いやすい ドッキングツールで、スコアリング関数は固定ですが、並列処理により効率的なスクリーニングが可能です。一方、Smina は スコアリング関数を変更できる ため、AutoDock4（AD4）やカスタム関数を用いた評価が可能です。また、Smina では --score_only 機能により、ドッキングせずに 結合エネルギーを計算するだけ の処理ができ、大規模スクリーニングの高速化に適しています。さらに、--autobox_ligand を利用すると、リガンドサイズに基づいて自動的にグリッドボックスを設

BigQueryでのGIS活用 BigQueryでは、地理データを分析するために 空間関係関数（Spatial Predicate Functions） を提供しています。GEOGRAPHY型では通常の = 演算子による等価比較は定義されておらず、地理オブジェクト同士の関係を判定するために、専用の述語関数を使用します。 述語関数は、2つの地理オブジェクト間の空間的な関係（例えば、「包含しているか」「交差しているか」「一定距離以内にあるか」など）を評価し、TRUE または FALSE を返します。これらを WHERE 句や AND・OR 条件と組み合わせることで、柔軟な空間フィルタリングが可能になります。 また、地理データの操作・変換には 変換関数 が用いられます。これは述語関数が返す関係に対応する形で、新たなジオメトリを生成する機能を提供します。また、エリアの拡張（ST_BUFFER）、重

量子化学計算用のソフトウェア: PySCFとは 参考文献[1]から引用 PySCF（Python Simulations of Chemistry Framework）は、Pythonベースのオープンソースの量子化学計算フレームワークです。PySCFは、高度な電子構造計算をシンプルかつ効率的に実行するためのツールを提供し、研究者や学生が量子化学の計算を容易に行えるように設計されています。 PySCFの主な特徴は以下の通りです： モジュラー設計：PySCFは、計算の各ステップ（分子の構造定義、基底状態の計算、励起状態の計算など）をモジュールとして提供しており、必要な部分だけを組み合わせて使用することができます。 高性能計算：内部に高度なアルゴリズムを使用しており、大規模な計算でも高速に処理を行うことができます。 柔軟性: Pythonベースであるため、スクリプトを通じて簡単に操作や拡張が可能

Homology Modelingとは？ Homology modeling（ホモロジーモデリング） は、既存のタンパク質構造（テンプレート）を使って、類似したタンパク質の3D構造を予測する方法 です。 手順は以下の通りになります。今回は4まで行います。 ターゲットタンパク質のアミノ酸配列を用意 既存の構造データ（PDBなど）から類似したテンプレートを探す テンプレートを基に3Dモデルを作成 モデルの品質を評価（GMQE, QMEANなど） 必要に応じて修正や最適化（エネルギー最小化やMDシミュレーション） SWISS-MODELとは？ SWISS-MODEL は、ホモロジーモデリングを自動で行うオンラインツール です。 アミノ酸配列を入力するだけで、最適なテンプレートを選び、3Dモデルを生成してくれる ため、初心者でも使いやすいのが特徴です。 以下のリンクにあるタンパク質BRAFを参照し

Network Pharmacologyとは ネットワーク薬理学は、システムバイオロジーと計算科学を活用し、薬物が生体内の複数の標的や経路にどう作用するかを解析する分野です。従来の「1薬1標的」モデルではなく、「1薬多標的」アプローチを採用し、薬の効果や副作用を包括的に理解します。疾患関連遺伝子ネットワーク、薬物標的ネットワーク、シグナル伝達経路解析などを組み合わせ、副作用の予測やドラッグリポジショニング（既存薬の新たな適応症探索）を支援します。個別化医療にも応用され、患者ごとの遺伝子情報に基づいた最適な治療法の開発にも貢献しています。 Drug–Gene Interaction Network（薬物–遺伝子相互作用ネットワーク）とは？ Drug–Gene Interaction Networkは、薬物と標的遺伝子の相互作用を解析し、薬の作用機序や副作用の予測に活用するネットワークモデルで

比較のポイント 商業的化合物を探したい場合 → ZINC15 購入可能な化合物が対象で、in silico創薬のスクリーニングに最適。 幅広い化学データを扱いたい場合 → PubChem 医薬品だけでなく、あらゆる化学物質をカバー。APIを利用した大規模データ解析にも向いている。 創薬のためのデータが欲しい場合 → ChEMBL 生物活性データとターゲット情報が豊富で、ドラッグデザインや標的探索に最適。 天然物のスクリーニングをしたい場合 → COCONUT 天然物に特化し、化合物の起源情報も確認できる。 より詳しくそれぞれを見ていきます。 主要なライブラリ ZINC15 ZINC15は、商業的に入手可能な化合物を中心に、数千万の化合物を収録した無料のデータベースです。研究者は、特定の物理化学的特性や構造に基づいて化合物を検索・ダウンロードできます。 ライブラリの入手の仕方 1. まずはこ

時系列分解の意義 多くの実世界のデータは、時間的な変化を伴った時系列データとして記録されます。需要予測、気象予報、株価分析など、時系列データを分析する分野は多岐にわたります。 時系列データは大抵以下のような構造が含まれています。 トレンド(Trend) : 長期的に増減する動き 季節成分(Seasonality) : 1年や1か月など一定の周期で繰り返す変動 残差(Residual) : 不規則な変動やノイズなど これらの成分を分解して扱えると、データの理解が格段に進み、将来予測や異常検知に応用する際にも有利になります。 伝統的な時系列分解モデル 加法モデル（Additive Model) 古典的な加法モデルによる時系列分解では、時系列 $y_t$ を以下のように表します。 $y_t = T_t + S_t + R_t$ $y_t$: 観測値 (Observed series) $T_t$

前回の記事で、scVeloを用いたRNA Velocity解析の基本を学びました。しかしながら、NCBI SRAなどの公共データベースのfastqファイルからどのようにRNA Velocity解析をやるのかイメージがつきづらいかと思います。この記事では、cellrangerから出力されたBAMファイルをvelocytoに読み込ませてloomファイルを作成して、RNA Velocity解析するためのファイルを準備する方法を学びます。 これによって好きな公共のシングルセルデータを使ってRNA Velocity解析ができるようになります。ぜひ学んでいきましょう。

10x Genomics Cell Rangerのデータを読み込むには？ 結論からいうと、10x Genomics Cell Ranger pipelineのデータを読み込むにはmonocle3のload_cellranger_data()を使います。公式サイトでも言及されています。 https://cole-trapnell-lab.github.io/monocle3/docs/getting_started/#10x-output # Provide the path to the Cell Ranger output. cds <- load_cellranger_data("~/Downloads/10x_data") 注記: load_cellranger_dataは、umi_cutoffという引数を取ります。これは、セルに含まれるべきリード数を決定するものです。デフォルトでは

Trajectory解析とは？ Trajectory解析（軌跡解析、軌道解析とも呼ばれる）は、シングルセルRNAシーケンス（scRNA-seq）データの解析において、細胞が時間経過とともにどのように状態を変化させていくのか、その過程（軌跡）を推定する手法です。従来のバルクRNA-seqでは細胞集団の平均的な遺伝子発現しか見えませんでしたが、scRNA-seqによって個々の細胞のトランスクリプトームを捉えることができるようになり、Trajectory解析によって細胞の動的な変化をより詳細に理解することが可能になりました。 Hussein A et al., 2021 より引用 https://www.nature.com/articles/s41467-021-26282-z Trajectory解析は、以下のような疑問に答えるのに役立ちます。 幹細胞はどのような細胞に分化していくのか？その

RNA Velocity解析とは？ RNA Velocity解析は、一言で言うと、個々の細胞がどのような状態に変化していくのか（分化や状態変化の方向と速度）を予測する技術です。従来のRNA-Seqは細胞のスナップショット（静的な情報）しか捉えられませんでしたが、RNA Velocityは細胞内のmRNAのスプライシング状態に着目することで、時間的な変化（動的な情報）を捉えることを可能にしました。 https://www.nature.com/articles/s41586-018-0414-6 Bergen V, et al. Generalizing RNA velocity to transient cell states through hidden time. Nat Biotechnol. 2020;38(12):1408-1414. より引用 RNA Velocity解析では、

Trajectory解析をやってみたくないでしょうか。Trajectory解析ができれば、細胞の分化経路や遷移状態を推定することができます。しかし、Trajectory解析に用いるMonocle3はインストールが難しいことで定評があり、なかなか手が出せない人も多いのが現状です。本記事ではまずMonocle3をインストールするために、Rのパッケージ管理ツールであるrenvとRバージョン管理ツールであるrigを使って、Monocle3をインストールするところまでやってみます。 Trajectory解析を行う土台ができますので是非挑戦してみましょう。

空間トランスクリプトームの解析手法について行えるようになりたくありませんか？組織内の遺伝子発現を空間情報と関連付けて解析することで、空間情報と遺伝子発現を結びつけることで組織微小環境下における細胞間相互作用の理解につながります。本記事では、空間トランスクリプトーム解析の初歩的なプログラムを動かすことができるようになることを目標としています。ぜひトライしてみましょう。

宣伝 こちらの記事は合成生物学大会iGEMの強豪校であるiGEM-Wasedaさん協力のもと執筆されました。ご協力誠にありがとうございます！ 【iGEM-Waseda】は合成生物学の研究を行う早稲田大学の学術サークルです。iGEMと呼ばれる合成生物学の世界大会の世界大会に出場するために日々研究に励んでいらっしゃいます。 本記事では、iGEM2024で日本Undergrad部門で史上初のTOP10に選ばれたプロジェクトの一環として、特にIn Silicoシミュレーションに関わる部分のツールの一部を紹介しています。プロジェクトの詳細については、iGEM-Wasedaの成果報告サイトをご覧いただければ幸いです。 In Silico Evolution Pipelineとは このプロジェクトは、PET（ポリエチレンテレフタレート）を分解する酵素であるPETaseの分解活性を高めることで、BIND-

0. 量子化学計算用のソフトウェア: PySCFとは 参考文献[1]から引用 PySCF（Python Simulations of Chemistry Framework）は、Pythonベースのオープンソースの量子化学計算フレームワークです。PySCFは、高度な電子構造計算をシンプルかつ効率的に実行するためのツールを提供し、研究者や学生が量子化学の計算を容易に行えるように設計されています。 PySCFの主な特徴は以下の通りです： モジュラー設計：PySCFは、計算の各ステップ（分子の構造定義、基底状態の計算、励起状態の計算など）をモジュールとして提供しており、必要な部分だけを組み合わせて使用することができます。 高性能計算：内部に高度なアルゴリズムを使用しており、大規模な計算でも高速に処理を行うことができます。 柔軟性: Pythonベースであるため、スクリプトを通じて簡単に操作や拡張

0. 量子化学計算用のソフトウェア: PySCFとは 参考文献[1]から引用 PySCF（Python Simulations of Chemistry Framework）は、Pythonベースのオープンソースの量子化学計算フレームワークです。PySCFは、高度な電子構造計算をシンプルかつ効率的に実行するためのツールを提供し、研究者や学生が量子化学の計算を容易に行えるように設計されています。 PySCFの主な特徴は以下の通りです： モジュラー設計：PySCFは、計算の各ステップ（分子の構造定義、基底状態の計算、励起状態の計算など）をモジュールとして提供しており、必要な部分だけを組み合わせて使用することができます。 高性能計算：内部に高度なアルゴリズムを使用しており、大規模な計算でも高速に処理を行うことができます。 柔軟性: Pythonベースであるため、スクリプトを通じて簡単に操作や拡張

本記事では、Pythonからタンパク質設計ツールRosettaを操作できるPyRosettaの使い方を紹介します。この記事を読むことで、PyRosettaのセットアップ方法や、分子ドッキングに必要なエネルギー最小化を行う方法、さらにロゼッタスコアを使ってタンパク質の安定性を評価する方法を学べます。ぜひトライしてみてください！ 宣伝 こちらの記事は合成生物学大会iGEMの強豪校であるiGEM-Wasedaさん協力のもと執筆されました。ご協力誠にありがとうございます！ 【iGEM-Waseda】は合成生物学の研究を行う早稲田大学の学術サークルです。iGEMと呼ばれる合成生物学の世界大会の世界大会に出場するために日々研究に励んでいらっしゃいます。 本記事では、iGEM2024で日本Undergrad部門で史上初のTOP10に選ばれたプロジェクトの一環として、特にIn Silicoシミュレーション