代謝モデルバリエーション⽣成技術

代謝ダイナミクスの予測には代謝モデルの⾼精度化、様々な条件・状態を包括するバリエーションが重要です。そのため、我々は以下のような酵素反応・遺伝⼦アノテーション技術や代謝バリエーション⽣成技術を開発しています。

1) 代謝モデル拡張

公開データベース等の酵素配列を⽤いて、機能アノテーションのための機械・深層学習モデルを作成し、酵素配列の機能アノテーション、酵素探索等を実施します。得られる情報を利⽤して、既存のゲノムスケールモデル（GSM）にない酵素反応等を追加、代謝モデルを拡張します。

2) 代謝バリエーション⽣成

代謝モデルを利⽤して、培養条件や代謝設計を包括するような代謝フラックス分布のバリエーションを⽣成します。得られるバリエーションをもとに、相関・類似度解析により、代謝フラックスの分類を⾏うことで、各種条件・状態を反映した代謝シミュレーションに重要な測定データ等を推定・提案します。

• バイオ合成・代謝デザインのための酵素アノテーション・酵素候補の探索・代謝モデルの拡張
• ⽬的化合物の⽣産性向上を⽬指した酵素遺伝⼦・培養条件・代謝設計・測定項⽬の予測・探索

• Watanabe, N. et al.: Exploration and evaluation of machine learning-based models for predicting enzymatic reactions, J. Chem. Inf. Model., 60(3), 1833-1843 (2020)
• Kuriya, Y. et al.: Knowledge extraction from literature and enzyme sequences complements FBA analysis in metabolic engineering, Biotechnol. J., 16(12), e2000443 (2021)