APR 29, 2026

配列から結合部位へ：AIを活用したタンパク質構造 予測およびリガンド ドッキングのための使いやすいワークフロー

AIを活用したタンパク質構造 の予測における最近の進歩は、構造生物学の教育方法を一変させました。この10分間のライトニングトークでは、最新のPyModおよびDockingPieプラグインを使用し、PyMOL 上で完全に完結する、授業ですぐに活用できるワークフローを紹介します。このワークフローでは、学生が未加工のアミノ酸配列から、構造 の予測、モデルの評価、そしてprotein–リガンド ドッキング（
） に至るまでのプロセスを体験できます。

まず、PyModの更新された
機能を用いた、AIベースのタンパク質構造 の予測と品質評価から始めます。 この機能は、最先端の予測ツールを、使い慣れたPyMOL
環境に直接統合したものです。 検証済みの構造 が得られ次第、ワークフローはDockingPieを用いた分子
ドッキングへとシームレスに移行します。受講生は受容体 およびリガンド の構造を準備し、ドッキング
シミュレーションを実行し、結合姿勢や分子間相互作用をリアルタイムで可視化します。
水素結合、疎水性接触、および結合ポケットの幾何学的構造を検証することで、学習者は計算
の結果を基礎的な生化学の原理と結びつけることができます。

このセッションでは、計算複雑性ではなく、教育への統合に重点を置いています。
ワークフロー全体は、標準的な教育用ラボのコンピュータ上でアクセス・再現・実行が可能であり、
生化学、分子生物学、あるいは
計算化学の上級学部課程に適しています。

この「Toolbox Top-Up」セッションでは、ワークフローを簡潔に実演し、
実践的な指導戦略を紹介するとともに、PyMOL 内で、構造 による予測、model
評価、およびリガンド によるドッキングをシームレスに統合し、その強力な可視化機能を活用することで、
抽象的な構造–functionの概念を、対話型で探究主導型の学習体験へと変革する方法をご紹介します。