protein-assembly

タンパク質アセンブリスキル

このスキルでは、複数のタンパク質コンポーネント（抗体フラグメント、蛍光タンパク質、酵素ドメイン）を組み合わせ、最適化された単一の DNA コンストラクトにする融合タンパク質 gBlock 配列を設計するための、体系的なガイダンスを提供します。

このスキルを使用する場面

このスキルは、以下のタスクに適用できます。

• 複数のソース（PDB、プラスミド、タンパク質データベース）から融合タンパク質を設計する
• 特定のリンカー要件を満たす gBlock 配列を作成する
• GC 含量の制約に合わせてコドンを最適化する
• 特定の励起波長／蛍光波長を持つ蛍光タンパク質を組み合わせる
• N 末端メチオニンを除去して複数ドメインタンパク質を組み立てる

体系的なアプローチ

フェーズ 1：情報収集とカタログ化

目的： 設計作業を始める前に、必要な配列データをすべて収集します。

1. 入力ファイルをすべて確認する

   • すべての入力ファイルを最初から最後まで読み込みます（途中で切り詰めないでください）。
   • GenBank（.gb）ファイルについては、ファイル全体を解析して CDS／タンパク質配列を抽出します。
   • FASTA ファイルについては、識別子とともにすべての配列を抽出します。
   • PDB ID のリストについては、一括取得するすべての ID を記録します。

2. 外部配列を体系的に取得する

   • 各タンパク質 ID について PDB API に問い合わせ、アミノ酸配列を取得します。
   • 関連するタンパク質データベース（例：蛍光タンパク質の fpbase）を検索します。
   • 取得した各配列について、出典と識別子を記録します。

3. 配列カタログを作成する

   • 利用可能なすべてのタンパク質配列を、明確なラベル付きで一覧にします。
   • 各配列の出典（PDB ID、プラスミド CDS、データベース）を記録します。
   • 作業を進める前に、不足している配列がないか確認します。

フェーズ 2：タンパク質の特定と選択

目的： 具体的な基準を用いて、タンパク質をタスク要件に適合させます。

1. 蛍光タンパク質の波長を照合する

   • 近似値ではなく、波長が正確に一致するタンパク質を検索します。
   • 励起ピークと蛍光ピークの両方が要件を満たすことを確認します。
   • 選択したドナーとアクセプターのタンパク質、および選択理由を記録します。

2. 結合ドメインを特定する

   • 特定の分子（基質、リガンド）に結合するタンパク質を特定します。
   • PDB エントリーを既知の結合相手と照合します。
   • データベースの注釈情報により、結合能を確認します。

3. 標的タンパク質を特定する

   • 抗体関連のタスクでは、標的抗原を特定します。
   • 必要に応じて、配列相同性の検索やデータベースの照会を行います。
   • 特定方法と確度を記録します。

フェーズ 3：配列の処理

目的： 個々のタンパク質配列を融合に向けて準備します。

1. N 末端メチオニンを処理する

   • 内部に配置するタンパク質から、すべて N 末端メチオニンを除去します。
   • 最初のタンパク質については、必要な場合に限り N 末端メチオニンを残します。
   • 変更した配列を記録します。

2. 配列を検証する

   • 各配列が完全で有効であることを確認します。
   • 通常とは異なるアミノ酸や配列のアーティファクトがないか確認します。
   • 配列の長さが想定どおりであることを確認します。

フェーズ 4：融合タンパク質の組み立て

目的： 完全な融合タンパク質配列を構築します。

1. 指定されたタンパク質の順序を厳守する

   • 必要な配置を変更しないでください。
   • 順序を記録します：[タンパク質1]-[リンカー]-[タンパク質2]-[リンカー]-...

2. 適切なリンカーを設計する

   • 指定された長さの GS（グリシン-セリン）リンカーを使用します。
   • 一般的なパターン：(GGGGS)n または (GS)n。n は必要な長さに応じて設定します。
   • リンカーが長さの制約（例：5～20 アミノ酸）に収まるようにします。

3. 完全なタンパク質配列を組み立てる

   • タンパク質を正しい順序でリンカーと連結します。
   • 組み立てた配列が連続しており、有効であることを確認します。

フェーズ 5：コドン最適化と DNA 生成

目的： タンパク質を最適化された DNA 配列に変換します。

1. 初期コドン翻訳

   • 各アミノ酸をコドンに変換します
   • 対象生物の標準コドン表を使用します

2. GC 含量の最適化

   • スライディングウィンドウ（例：50 ヌクレオチド）で GC 含量を計算します
   • 許容範囲（例：30～70％）外のウィンドウを特定します
   • 同義コドンを置き換えて、GC 含量を範囲内に収めます
   • 置き換えるたびに再確認します

3. 長さの確認

   • DNA 配列が長さの制約（例：≤3000 nt）を満たしていることを確認します
   • 長すぎる場合は、設計の選択（リンカーの長さ、タンパク質の選択）を見直します

フェーズ 6：出力の生成

目的： 必要な出力ファイルを作成します。

1. アセンブリ後すぐに出力を書き込む

   • 出力ファイルの作成を遅らせないでください
   • 要件で指定された正確なパスに書き込みます

2. 適切な形式を使用する

   • 指定された形式（プレーンテキスト、FASTA など）に従います
   • 必要に応じてヘッダーやメタデータを含めます

3. 出力ファイルの存在を確認する

   • ファイルが正常に作成されたことを確認します
   • ファイルの内容が設計した配列と一致することを確認します

検証チェックポイント

フェーズ 1 の後：

• すべての入力ファイルを完全に読み込み済み（切り捨てなし）
• すべての外部配列を取得済み
• 配列カタログが完成済み

フェーズ 2 の後：

• 必要なタンパク質をすべて特定済み
• 波長／結合要件を確認済み
• 選択理由を記録済み

フェーズ 3 の後：

• N 末端メチオニンを正しく処理済み
• すべての配列を検証済み

フェーズ 4 の後：

• タンパク質の順序が要件と一致
• リンカーが長さの制約を満たす
• 完全な融合配列をアセンブル済み

フェーズ 5 の後：

• すべてのウィンドウで GC 含量が範囲内
• DNA の長さが制約内

フェーズ 6 の後：

• 出力ファイルが指定されたパスに存在
• ファイルの内容が正しい

よくある落とし穴

1. ファイルの読み込みが不完全

   • GenBank ファイルは大きい場合があります。完全に解析されていることを確認してください
   • 生の配列だけでなく、CDS 翻訳を抽出してください

2. 波長の概算による照合

   • 「十分近い」値ではなく、正確な値を使用してください
   • 励起だけでなく、励起と発光の両方を確認してください

3. N 末端メチオニンの失念

   • 融合タンパク質の内部にあるタンパク質では、Met を除去してください
   • 最初のタンパク質の N 末端 Met のみを残してください

4. GC 含量ウィンドウの無視

   • 全体の GC％だけでなく、すべてのスライディングウィンドウを確認してください
   • 同義コドンを使って、問題のある領域を最適化してください

5. 出力生成の遅延

   • 配列が準備できたら、すぐに出力ファイルを作成してください
   • 設計が完了した後も情報収集を続けないでください

6. 情報収集のループ

   • 調査を終える明確なタイミングを設定してください
   • 情報が不完全でも、実行に進んでください
   • 解決策がないよりも、部分的な解決策のほうが優れています

出力優先の戦略

時間やリソースに制約がある場合：

1. プレースホルダーを含めても、早い段階で出力ファイルを作成します
2. 各要素が決まり次第、ファイルを更新します
3. タスクの終了時に、有効な（不完全でも）出力が存在するようにします

これにより、主要な成果物が確実に作成され、追加情報を使って改良できます。