計算で明らかにするタンパク質の出会いとネットワーク（FIT2016 助教が吼えるセッション）

1. 計算で明らかにするタンパク質の出会いとネットワーク東京工業大学情報理工学院情報工学系助教東京工業大学科学技術創成研究院スマート創薬研究ユニット大上雅史 FIT2016 第15回情報科学技術フォーラム「助教が吼える！各界の若手研究者大集合」 2016年9月9日(金) 於富山大学五福キャンパス ohue@c.titech.ac.jp

2. はじめまして，大上（おおうえ）です • 大上雅史（おおうえまさひと） – 略歴 • 2007年石川工業高等専門学校電子情報工学科卒業 • 2009年東京工業大学工学部情報工学科卒業 • 2011年同大学院情報理工学研究科修士課程修了 • 2014年同博士後期課程修了，博士(工学)（2014年3月26日） – 日本学術振興会特別研究員 DC1（2011年4月～2014年3月） • 2014年4月～2015年3月 – 日本学術振興会特別研究員 PD（2014年4月～） – 東京工業大学特別研究員（称号付与, 2014年4月～） • 2015年4月～東京工業大学助教 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 3

3. はじめまして，大上（おおうえ）です • 大上雅史（おおうえまさひと） – 著書 • 「これだけ！生化学」秀和システム，2014（分担） (¥1,600+tax) • 「学振申請書の書き方とコツ」講談社，2016（単著） (¥2,500+tax) – 受賞 • 日本学術振興会育志賞 (2014) • 手島精一記念研究賞 (2015) 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 http://www.jsps.go.jp/j-ikushi-prize/ceremony_4_h25.html 4 - トレーナーレベル 22

4. 東工大科学技術創成研究院組織図スマート創薬研究ユニットは，情報科学技術と生化学実験を融合する「スマート創薬」の実証研究とオープンプラットフォームの形成を目指す，東京工業大学の新しい研究ユニットです．2016年4月1日に東京工業大学科学技術創成研究院と共に誕生しました．東工大科学技術創成研究院准教授スマート創薬研究ユニットでは、現在、一つの薬を上市するまでにかかる3000億円もの費用を削減し10年にも及ぶ期間を短縮するために、バーチャルスクリーニングや機械学習、GPUを用いたスーパーコンピューティングというIT創薬と生化学実験を融合し、オープンな創薬プラットフォームを構築することを目指しています。オープン参加型のIT創薬コンテストやIT創薬の社会人人材養成を通じて、日本の産業競争力強化への貢献も行って参ります。スマート創薬の概念 6

5. 情報工学生物学物理学化学バイオインフォマティクスバイオインフォマティクスの研究をしています 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 7 近いけどちょっと違う分野・医療情報学・脳科学

6. バイオインフォマティクスは怪しい？ 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 8 （前略）このu[x][y][z]の計算は、こっちの点の計算とこっちの点の計算を、同時にやっても大丈夫だということが、大概の解き方で成り立つので、これは並列にできるということになります。大体この世の中のHPCの90％ぐらいはこんなことをやっているわけですが、もうちょっと広くするといろんな分野があります。例えばジェノミクスですか、遺伝子何たらとか、バイオインフォマティクスとか、何か怪しい単語があるんですが、そういう分野もあります。（後略）春の情報処理祭in京都 2015年3月16日 (リクルート x 情報処理学会) 京都大学中島浩先生 http://logmi.jp/45043

7. 情報工学生物学物理学化学バイオインフォマティクスバイオインフォマティクスは学際領域のフロンティア 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 9

8. バイオインフォマティクスは学際領域のフロンティア 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 10 情報工学生物学物理学化学バイオインフォマティクス HPC 文字列処理数理最適化探索機械学習人工知能動画像処理ゲノムタンパク質転写翻訳シグナル伝達疾病個人情報進化暗号言語処理遺伝多型コホート分子生物学計算化学量子分子軌道構造活性分子量QSAR QSPR 創薬結合記述子電気エネルギー分子動力学分子間力統計力学運動方程式電荷水疎水性解離接着物性 Schrödinger エントロピー毒性オントロジー VR 細胞酵素 GPU クラウド

10. 大上の主研究対象→タンパク質間相互作用 (PPI) 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 12 タンパク質 #とはアミノ酸が繋がって折りたたまれたものアミノ酸アミノ酸の繋がり（ペプチド）タンパク質

11. タンパク質は１つじゃない 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 13 血中で酸素を運ぶヘモグロビン卵の白身アルブミンお鍋に嬉しいコラーゲンでんぷんを消化する酵素アミラーゼ髪の毛の材料ケラチン史上最強の毒物ボツリヌストキシン

12. タンパク質は他のタンパク質と相互作用する 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 14 Arabidopsis Interactome Mapping Consortium. Evidence for network evolution in an Arabidopsis interactome map. Science, 333, 601-607, 2011. string-db.org

13. タンパク質の出会い（タンパク質間相互作用） 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史タンパク質間相互作用 (Protein-Protein Interaction) 生体内のタンパク質の制御関係を大規模かつ網羅的に理解することはがんや自己免疫疾患などをはじめとする病因の理解・創薬に重要全てのタンパク質ペアについて相互作用の有無を網羅的に検証する場合... 例：肺がん(EGFR系)500タンパク質 → 500×500=250,000ペアの検証を要する大腸がん抗がん剤アバスチン抗がん剤候補化合物 ABT-737 Bcl-2とBaxタンパク質の相互作用を阻害 Oltersdorf T, et al. Nature 2005. タンパク質間相互作用阻害薬の台頭関節リウマチ治療薬アクテムラ VEGFとVEGFRの相互作用を阻害 IL-6とIL-6Rの相互作用を阻害 ©中外製薬 Bcl-2 Bax Bcl-2 ABT-737 ABT-737 15

14. タンパク質構造情報が大量に蓄積されてきた 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史タンパク質の立体構造情報の件数タンパク質構造データの大量蓄積 Protein Data Bankより ©RIKEN 大量のタンパク質の立体構造情報が蓄積されてきた ©CellPress ©Nature Publishing Group 16

15. 我が国も先導するHPC 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史並列計算機の発展超並列計算機の発展によって大規模データ解析への道が拓かれた「京」スーパーコンピュータ（理研）理論性能：23.2 PetaFlops TSUBAME 2.5（東工大）理論性能：5.7 PetaFlops 2万CPUコア＋4000枚のGPU 70万CPUコア 17

16. タンパク質間相互作用を計算機で予測する 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 (Protein Data Bank) 大量のタンパク質構造情報大量のタンパク質の構造情報を用いてタンパク質間相互作用を計算機で予測するタンパク質間相互作用ネットワーク独自技術 (MEGADOCK) の特徴 1. アルゴリズムレベルの高速化 • 高速フーリエ変換の利用 • 複合体構造の高速評価モデル開発 2. 並列計算機，アクセラレータの利用 • MPI/OpenMPハイブリッド並列実装 • GPUやMICによる計算高速化 18 • Shimoda T, et al. BMC Syst Biol, 9, 2015. • Ohue M, et al. Bioinformatics, 30, 2014. • Ohue M, et al. Protein Pept Lett, 21, 2014. • Ohue M, et al. BMC Proc, 7, 2013. • Shimoda T, et al. In Proc ACM-BCB, 2013. • Matsuzaki Y, et al. Source Code Biol Med, 8, 2013. • Ohue M, et al. In Proc PRIB, 2012. • Ohue M, et al. Genome Inform, 2011.

17. タンパク質間相互作用を計算機で予測する 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史数理モデル化数式による表現コンピューター 19

18. 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 20 全編を見たい方はYoutubeで→「ライフサイエンス分野のグランドチャレンジに挑む」 https://www.youtube.com/watch?v=O5iePlpqjCU

19. MEGADOCKの数理モデル 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史タンパク質が結合したときの評価値を高速に評価 21

20. MEGADOCKの数理モデル 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 22 ②２つのタンパク質の重なったマスの掛け算を全部足す． →結合の良さ（評価値） ①タンパク質をグリッド化，点数を付与

21. MEGADOCKの数理モデル 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 23 -27×0 -5×0 -5×0 -5×0 1×0 2×0 1×0 1×0 1×0 1×0 1×0 0×00×0 0×0 -5×1 1×1 1×1 1×1 1×1 1×1 5×1 0×1 0×0 0×0 0×0 -5×1 0×0 0×0 = 0+1+1+0 +(-5)+(-5)+1+0 +0+1+1+0 +0+0+0+0 +0+0+0+0 +0+0+0+0 = -5

22. MEGADOCKの数理モデル ③片方のタンパク質を平行移動させて全てのくっつき方を見る 2N 2N ・グリッドの1辺の数:N ・平行移動パターン数:8N3 (↑実際は3次元) 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 24 ④片方のタンパク質を回転させて①～③を繰り返す

23. タンパク質を数式に 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 ①タンパク質をグリッド化，点数を付与タンパク質の表面空間タンパク質の内部それ以外タンパク質の内部それ以外 A B 25

24. タンパク質を数式に 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 ②２つのタンパク質の重なったマスの掛け算を全部足す． →結合の良さ（評価値）タンパク質Bの位置（平行移動ベクトル）掛け算全部足す 26

25. タンパク質を数式に 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 27 ③片方のタンパク質を平行移動させて全てのくっつき方を見る 2N 2N この部分が1～Nで動く

26. タンパク質を数式に 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 28 ④片方のタンパク質を回転させて①～③を繰り返す ※x-z-x系のオイラー角として回転を定義する．

27. フーリエ変換による書き換え 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 29 タンパク質Bの位置（平行移動ベクトル）掛け算全部足す離散フーリエ変換(DFT)による式変形

28. 高速フーリエ変換の活用 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 30 高速フーリエ変換(FFT)の利用による高速化離散フーリエ変換(DFT)による式変形 O(N6)→O(N3 log N) 直接計算に比べて約10万～100万倍高速

29. タンパク質の数理モデルのまとめ 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 31 並進移動ベクトルたくさんの回転パターンで並進探索を繰り返すタンパク質がどこでくっつきそうかを計算する

30. 点数付けの方法 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 32 ①タンパク質をグリッド化，点数を付与 A B 形状相補性静電相互作用疎水性相互作用の組み合わせで点数付けを定義する．

31. 例：静電相互作用静電相互作用の世界を掛け算と足し算で表す（電荷の間にかかる力の計算） 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 33 静電エネルギーの式（物理学）グリッドの数理モデル φ 0 0 0 0 φ φ 0 0 φ φ φ 0 0 0 0 φ φ φ φ φ φ φ φ φ q q q q q q q q q φ φ φ φφ 電界電荷

32. MEGADOCKの超並列化 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史プロセス並列(MPI) スレッド並列(CUDA & OpenMP) L R 34 … … Receptor FFT Ligand FFT Ligand 回転 Receptor ボクセル化複素畳込み逆FFT 高評価値の構造を抽出 Ligand ボクセル化 GPUクラスタ向け MPI/OpenMP/CUDA ハイブリッド並列化 Matsuzaki Y, Uchikoga N, Ohue M, Shimoda T, Sato T, Ishida T, Akiyama Y. Source Code for Biology and Medicine 8:18 (2013) Ohue M, Shimoda T, Suzuki S, Matsuzaki Y, Ishida T, Akiyama Y. Bioinformatics 30:3281-3283 (2014) 34

33. マルチGPU化による高速化の寄与 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史単一ノード計測の結果（TSUBAME node: Intel Xeon 12core + 3 GPUs） Shimoda T, Ishida T, Suzuki S, Ohue M, Akiyama Y. ACM-BCB 2013, 884-890, 2013. GPUとIntel Xeon Phi (MIC)の比較の結果，PPI予測ではGPUが有利 Shimoda T, Suzuki S, Ohue M, Ishida T, Akiyama Y. BMC Syst Biol, 9(Suppl 1): S6, 2015. GPU利用により，CPU単独計算に比べて大幅な速度向上を達成 35

34. マルチCPUノード並列 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 36 TSUBAME 2.0,「京」の両計算機において 94%以上の並列化効率を達成 Matsuzaki Y, Uchikoga N, Ohue M, et al. Source Code for Biol Med, 8(1):18, 2013. マルチノード並列の並列化効率

35. マルチGPUノード並列 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 TSUBAME 2.5 node (Intel Xeon X5670 2.93 GHz & NVIDIA Tesla K20X) 30,976ペアの計算にかかった総計算時間 Ohue M, Shimoda T, Suzuki S, Ishida T, Akiyama Y. Bioinformatics, 30(22): 2014. • 420ノードで97%以上のstrong scalingを達成 (対70ノードでの値) • 100万件のPPI予測が (GPUノード420基で) 約半日で完了単一CPUノードとの高速化率の比較ノード数に対する計算時間の推移約8万件/hour 37

36. CUDA (CUFFT) versionにおける速度比較データセット: ZLAB Benchmark 5.0 (bound) 230タンパク質ペア TSUBAME 2.5 Thin nodeで，それぞれ3回計測した平均値 ① 1 core (Xeon X5670 2.93 GHz) + 1 GPU (Tesla K20x) ② 12 core/24 HT (Xeon X5670 2.93 GHz×2) + 3 GPUs (Tesla K20x) ＊CUDA 5.0はOSがサポート外としているので注意参考 CUDAのバージョンで速度が変わる 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 38

37. 他手法との比較 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史立体構造情報を用いたタンパク質間相互作用(PPI)予測 Dror RO, et al. PNAS 2011. 原子レベルの詳細な分子シミュレーション既知の複合体構造との類似性を利用相互作用する？しない？既知の複合体構造 Tuncbag N, et al. Nat Protoc 2011. 他単体の立体構造のみを利用(独自技術) Ohue M, et al. LNCS 2012. 他 時系列変化を捉えられる 膨大な計算時間(1ペアで数日) 類似の構造があれば高精度 複合体構造の蓄積は不十分 単体の構造のみで計算可能 大規模計算(約105~107件)は高速化や並列化が必須 39

38. タンパク質間相互作用予測の関連研究 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 40 配列情報共進化情報立体構造情報既知の複合体構造情報 PPI(A’, B’)=true [Shen+2007] 他 [Valencia+2009] 他 [Tucbag+2011] 他

39. 応用事例：EGFRシグナル伝達系 https://www.pharmgkb.org/pathway/PA162356267 上皮成長因子受容体 (Epidermal Growth Factor Receptor) • チロシンキナーゼ(TK)型受容体 • 腫瘍増殖，細胞死などに関わる • 肺がんの創薬標的 EGFR阻害薬ゲフィチニブ • 商品名イレッサ • 非小細胞肺がん治療薬 • 重篤な副作用に注意が必要 ※遺伝子型によって効き目が異なる 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 ©AstraZeneca 41

40. 応用事例：EGFRシグナル伝達系肺がん（非小細胞肺がん）に関係する未知のタンパク質間相互作用を予測するイレッサ投与患者の遺伝子発現から推定された関連タンパク質 1424構造 Yamauchi M, et al. PLOS ONE, 2012. 非小細胞性肺がんに関わる EGFR周辺のタンパク質 497構造東大医科研宮野悟教授，金沢大がん研後藤典子教授提供全1921構造の全対全計算 (3,690,241件) を実施 → 3,873件のタンパク質構造ペアが計算によって予測された 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 ©AstraZeneca ©Riken 42

41. 応用事例：EGFRシグナル伝達系実験検証の結果, ６ペアに今まで知られていなかった相互作用が確認された MEGADOCKのスコアによる絞り込み (80%以上の選択度を見込める閾値を利用) 重複をデータベースを参照して除去既に知られているものを除去がんの遺伝子ネットワークを利用してより確度の高いものを抽出薬の標的となり得るタンパク質を選択 3,690,241ペア→3,873ペア 3,873ペア→175ペア 175ペア→35ペア 35ペア→11ペア MIPS Pair 1 Pair 2 Pair 3 Pair 4 Pair 5 Pair 6 Pair 7 KD 値 70.5nM 22.4nM NA 610nM 233pM 1.35nM 83.0nM 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 43

42. 誰でも使えるように (Ongoing) タンパク質の相互作用ネットワークを網羅的に予測し活用するクラウドシステム開発 MEGADOCKの要素技術を拡充＋統合化し，クラウドシステムを構築する GUIクライアント（開発中） Web表示系（開発中） MS Azure上でのHPC計算（開発中）３つの課題１ Azure上での網羅的PPI計算の実行２ウェブインターフェースとGUIクライアントの整備３リクエストに応じたAzure上での再計算機構の整備 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 44

43. なぜスパコンでなくクラウドか？ 1. ソフトウェアを世界中で，気軽に，そこそこの規模で試せるウェブサーバでの提供では管理側のリスクがつきまとう 2. 誰でも利用できるアカデミアのスパコンでは外部の人間がアカウントを取得するのが困難 3. “イメージ” で同一環境を保持・提供できるライブラリ違い，バージョン違い，データベースの更新，といったサポートが必要になりがちな問題点を減らせる 4. 高稼働率・セキュアな計算環境 Microsoft AzureはCSゴールドマークを取得, 高度なセキュリティで秘匿性の高い情報・サービスも運用可能 5. 新しいハードウェアへの投資が不要クラウド提供側が対応すれば常に最新の環境が利用可能 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 45

44. Microsoft Azure上でのHPC計算 MEGADOCK on Microsoft Azure 現状の性能（DS14/A9インスタンス比較） EGFR pathway proteins 50 x 50 = total 2,500 docking 0 20 40 60 80 100 0 200 400 600 800 1000 1200 Speedup（docking/min) No. of worker cores 10.2x faster than #VM=5 (strong scaling = 0.729) #VM=1 #VM=10 #VM=30 VM: DS14 (16 core) 112GB Memory 224GB SSD MPI 4 process x 4 thread VM: A9 (16 core) 112GB Memory MPI 4 process x 4 thread 11.7x faster than #VM=5 (strong scaling = 0.836) 1.44x faster #VM=5 #VM=50 #VM=70 ※一部はMicrosoft導入事例で紹介 https://www.microsoft.com/ja-jp/casestudies/titech4.aspx 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 46

45. MEGADOCK-WEB クエリタンパク質を入力 PPI予測結果ページ相互作用の相手を選択興味のあるタンパク質選択 • 速度向上のため一覧では候補構造を画像を生成して表示 • 分子ビューワを利用した3Dモデルのインタラクティブな可視化も →その場で予測PPIの視覚的な評価が可能 3Dモデル表示生物学者による検証を容易にするため，MEGADOCKによるドッキングも考慮した網羅的な PPI予測情報を集約した新しいデータベースと表示系長澤,他. IPSJ SIGBIO45, 2016. 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 47

46. 生物学者との真の協働を可能にするプラットフォーム予測計算が必要なタンパク質のリスト PPI予測結果 Local DB Protein Data Bank 参照，更新公共DB更新時にファイルの取得タンパク質のリクエスト 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 48

48. Take-Home Message • バイオインフォマティクスは怪しくない！ – 情報工学と生命科学をつなぐ架け橋 – もちろん情報工学としての魅力も満載 • 新鮮なリアル “ビッグ” データ • 誤差にまみれた実験値との戦い • 医療，創薬，健康へ貢献してる感じ • タンパク質の出会い（相互作用）が知りたい！ – 1対1を知るだけでは生命現象は理解できない →MEGADOCK w/ スパコンで，網羅的に • 生物学者にも優しいインフォマティクスを！ – BLASTの爆発的流行はウェブでポチポチできるお陰(もある) – 貴重なデータをウェブに投げたくない人にも – 情報系と生命系が密にコラボできる環境づくり 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 50

49. 謝辞 • 東京工業大学 – 秋山泰教授 (情報理工学院) – 石田貴士准教授 (情報理工学院) – 松崎由理特任助教 (ACLS) • 中央大学 – 内古閑伸之助教 (理工学部) • 東京大学 – 宮野悟教授 (医科学研究所) – 玉田嘉紀助教 (コンピュータ科学専攻) • 理化学研究所 AICS (京) • 東京工業大学 GSIC (TSUBAME 2.5) • 文部科学省次世代生命体統合シミュレーションソフトウェアの研究開発プロジェクト ISLiM 2016/9/9 FIT2016 助教が吼える！各界の若手研究者大集合大上雅史 51

計算で明らかにするタンパク質の出会いとネットワーク（FIT2016 助教が吼えるセッション）

Masahito Ohue

計算で明らかにするタンパク質の出会いとネットワーク（FIT2016 助教が吼えるセッション）