サービス

プロフェッショナルでコスト削減のソリューション

  1. ホーム
  2. 基質、阻害剤、およびその他のリガンドのスクリーニング
  3. 基板のスクリーニングと同定
  4. 酵素反応に最適な基質
  5. 酵素基質の計算設計およびシミュレーション

酵素基質の計算設計およびシミュレーション

問い合わせ

計算手法は、実験的検証の前に酵素と基質の相互作用を予測することで、基質探索を加速させることができます。Creative Enzymesは、構造モデリング、分子ドッキング、予測分析を組み合わせた統合的な計算設計およびシミュレーションサービスを提供し、基質同定の効率化を実現します。

酵素基質の計算設計およびシミュレーションの背景

計算設計およびシミュレーションは、基質スクリーニングおよび同定の統合ワークフローにおける第4段階であり、その重要性はますます高まっています。この段階では、in silicoツールを活用して実験プロセスを合理化・洗練・加速し、生データを実用的な知見へと変換します。

Computational design and simulations of enzyme substrates (adapted from Barruetabeña 2019; Pérez-Rodríguez 2016)

ワークフローにおける位置付け

このステップは単独で機能するものではなく、より広い文脈の中で強力な橋渡しおよびフィードバックループとして機能します。

ワークフローへの主な貢献

  • 事前スクリーニングガイダンス（HTS前）：酵素の3D構造を用いて、デジタル化合物ライブラリーの仮想スクリーニングを行い、有望な基質候補を物理的HTSライブラリーに優先的に組み込むことで、スクリーニングの効率とコスト効果を高めます。
  • 事後解析（HTS後）：HTSで活性「ヒット」が得られた場合、分子ドッキングや動力学シミュレーションにより、なぜそれらが活性を示すのかを解明します。これにより、主要な結合相互作用を特定し、偽陽性や非特異的結合体を除外します。
  • ヒットからリードへの最適化：最も有望な基質に対して、計算ツールを用いてアナログを設計・評価し、結合親和性（低いKM）や触媒回転数（高いkcat）を向上させ、最終的にkcat/KMの最大化を目指します。これにより、合成・検証に最適な候補を絞り込み、大幅な時間とリソースの節約が可能です。

計算設計およびシミュレーションは、基質同定プロセスの集大成です。「最良の基質」の選択が単なる経験的観察にとどまらず、酵素-基質相互作用の合理的かつ機構的理解に裏打ちされていることを保証します。計算力と実験データを統合することで、R&Dパイプラインのリスクを低減し、サイクルタイムを短縮し、より堅牢で特性の明確な最終成果を提供します。

当社のサービス内容

当社の計算モデリングおよびシミュレーションサービスは、コスト効率に優れたデータ駆動型アプローチで基質探索と最適化を加速します。分子モデリング、ドッキング、動的シミュレーションを統合することで、酵素-基質相互作用を高い信頼性で予測し、実験的な試行錯誤を削減し、合理的な実験設計を導きます。

主な機能

Molecular docking simulations of enzyme–substrate binding interactions (Hu et al., 2024)

分子ドッキングおよび結合解析

高度なドッキングアルゴリズムを用いて、候補基質が酵素の活性部位内でどのように相互作用するかを予測します。結合配向、水素結合、疎水性相互作用、立体適合性を解析し、有利な結合モードを特定します。

Structure-based enzyme design to enhance catalytic activity (Xu et al., 2023)

構造ベース基質設計

酵素の結晶構造や高品質なホモロジーモデルを活用し、結合親和性、触媒効率、選択性を高めた新規候補基質を設計します。

Molecular dynamics simulations of CerS2 identifying potential binding pockets (Zelnik et al., 2023)

分子動力学（MD）シミュレーション

酵素の柔軟性を捉えるため、基質結合時の立体構造変化をシミュレーションします。これにより、誘導適合機構、遷移状態、さまざまな条件下での安定性に関する知見が得られます。

Workflow for de novo pathway design with predictive scoring and ranking (Upadhyay et al., 2023)

予測スコアリングおよびランキング

候補基質は、予測スコアリング関数（結合エネルギー、自由エネルギー計算、相互作用ネットワーク）を用いて評価され、実験的検証に最も有望なヒットを優先順位付けします。

サービスワークフロー

Workflow diagram of computational design and simulation services for enzyme substrates

お問い合わせはこちら

Creative Enzymesを選ぶ理由

専門的な計算チーム

分子モデリング、ドッキング、シミュレーション技術に精通。

実験データとの統合

計算予測が効率的なラボテストを導きます。

機構的インサイト

結合相互作用や立体構造ダイナミクスを明らかにします。

時間とコストの削減

実験的な試行錯誤を削減します。

カスタマイズ可能なモデリング

酵素タイプやプロジェクト目標に合わせたワークフローを提供。

高い予測精度

最適化されたアルゴリズムで候補選定の信頼性を向上。

事例紹介と成功事例

事例1：がん研究のためのホスファターゼ基質のバーチャルスクリーニング

クライアントのニーズ：

腫瘍抑制に関与すると考えられる新規ホスファターゼを研究する大学研究グループが、生化学的検証のための候補基質を特定する必要がありました。数千の化合物を実験的にスクリーニングするのはコストと時間の両面で困難でした。

当社のアプローチ：

ホスファターゼの触媒ドメインのホモロジーモデルを構築し、約5,000種のリン酸化ペプチドおよびアナログの分子ドッキングを実施しました。ドッキングスコアと結合相互作用を解析し、基質適合性を予測。上位候補は分子動力学シミュレーションにかけ、酵素の立体構造変化と結合安定性を評価しました。

成果：

計算予測から、実験検証用に15種の高確率基質を優先選定。続く生化学アッセイで、そのうち4種が酵素によって効率的に脱リン酸化されることが確認されました。シミュレーションによる候補絞り込みにより、研究グループはウェットラボ作業量を80%以上削減し、がん機構研究を支える信頼性の高い基質を特定できました。

事例2：産業用酵素工学のための新規プロテアーゼ基質設計

クライアントのニーズ：

産業用酵素企業が食品加工における特異性向上のため、プロテアーゼ変異体の設計を目指していました。従来の基質プロファイリングでは選択性に関する知見が限られており、合理的変異導入を導く新規基質設計が求められていました。

当社のアプローチ：

プロテアーゼの結晶構造を用い、P1およびP2'部位に修飾を加えたペプチドアナログのモデリングによる構造ベース基質設計を実施。ドッキングおよびMDシミュレーションで結合親和性と誘導適合構造変化を評価。予測スコアリングパイプラインで、活性部位内の結合自由エネルギーと相互作用パターンに基づき候補をランキングしました。

成果：

シミュレーションにより、より強い結合と高い切断ポテンシャルを持つペプチド基質群を特定。合成・試験の結果、2種の設計基質が既存ベンチマークよりも著しく高い回転率を示しました。この成果により、クライアントはプロテアーゼ最適化のための明確な変異導入ターゲットを得て、開発期間短縮と酵素性能向上を実現しました。

よくあるご質問—酵素基質の計算設計およびシミュレーション

  • Q: 計算予測の精度は実験結果と比べてどの程度ですか？

    A: 完全なin silico法は存在しませんが、当社のワークフローは分子ドッキング、分子動力学シミュレーション、予測スコアリングを組み合わせており、信頼性を大幅に向上させています。多くの場合、計算予測により実験作業量を70～80%削減でき、最も有望な基質に集中できます。

  • Q: 計算解析を始めるにはどのような入力データが必要ですか？

    A: 理想的には、酵素の結晶構造またはcryo-EM構造を使用します。入手できない場合は、配列データに基づく高品質なホモロジーモデルを作成可能です。既知の基質選好性（あれば）は予測精度をさらに高めますが、必須ではありません。

  • Q: 完全に新しい基質の設計も可能ですか？それとも既存基質のみですか？

    A: どちらも可能です。天然または合成基質の大規模バーチャルライブラリーのスクリーニングだけでなく、構造ベース設計により結合親和性・触媒効率・選択性を高めた新規候補の創出も行います。

  • Q: 計算基質設計は実験スクリーニングとどのように統合されますか？

    A: 計算予測はフィルターとして機能し、数千の候補基質を管理可能なショートリストに絞り込みます。これらの候補は、当社の基質ライブラリー構築やハイスループットスクリーニングモジュールで実験的に検証できます。

  • Q: プロジェクトに計算設計を導入するメリットは？

    A: 主なメリットは以下の通りです。
    • ウェットラボでの試行錯誤を減らし、時間とコストを節約。
    • 酵素の柔軟性、結合配向、誘導適合機構などの機構的知見を獲得。
    • 予測スコアリングでヒットを優先順位付けし、実験検証前に絞り込み。
    • 合理的なエンジニアリングを実現し、明確な構造的知見で変異導入や阻害剤設計をガイド。

  • Q: どのような酵素が計算基質設計の恩恵を最も受けますか？

    A: このサービスは全ての酵素クラスで有用ですが、特に基質特異性が重要なキナーゼ、ホスファターゼ、プロテアーゼで効果的です。また、未知または十分に特徴付けられていない酵素にも有効で、実験ライブラリーだけでは真の結合選好性を捉えきれない場合にも役立ちます。

  • Q: 計算結果はどのように提供されますか？

    A: ドッキングスコア、結合モード、ランク付けされた基質候補など、フォローアップ試験のための詳細なレポートを提供します。

参考文献：

  1. Barruetabeña N, Alonso-Lerma B, Galera-Prat A, et al. Resurrection of efficient Precambrian endoglucanases for lignocellulosic biomass hydrolysis. Commun Chem. 2019;2(1):76. doi:10.1038/s42004-019-0176-6
  2. Hu L, Luo R, Wang D, Lin F, Xiao K, Kang Y. SERS-based microdroplet platform for high-throughput screening of Escherichia coli strains for the efficient biosynthesis of D-phenyllactic acid. Front Bioeng Biotechnol. 2024;12:1470830. doi:10.3389/fbioe.2024.1470830
  3. Pérez-Rodríguez G, Gameiro D, Pérez-Pérez M, Lourenço A, Azevedo NF. Single molecule simulation of diffusion and enzyme kinetics. J Phys Chem B. 2016;120(16):3809-3820. doi:10.1021/acs.jpcb.5b12544
  4. Upadhyay V, Boorla VS, Maranas CD. Rank-ordering of known enzymes as starting points for re-engineering novel substrate activity using a convolutional neural network. Metabolic Engineering. 2023;78:171-182. doi:10.1016/j.ymben.2023.06.001
  5. Xu S, Zhou L, Xu Y, et al. Recent advances in structure‐based enzyme engineering for functional reconstruction. Biotech & Bioengineering. 2023;120(12):3427-3445. doi:10.1002/bit.28540
  6. Zelnik ID, Mestre B, Weinstein JJ, et al. Computational design and molecular dynamics simulations suggest the mode of substrate binding in ceramide synthases. Nat Commun. 2023;14(1):2330. doi:10.1038/s41467-023-38047-x
関連サービス
オンラインお問い合わせ

研究および産業用途にのみご使用ください。個人医療用途には適していません。一部の食品グレード製品は、食品および関連用途における処方開発に適しています。

サービス
オンラインお問い合わせ

研究および産業用途にのみご使用ください。個人医療用途には適していません。一部の食品グレード製品は、食品および関連用途における処方開発に適しています。