Ikki Yasuda 研究室（慶應義塾大学）

AI 要約（直近 5 年の研究成果）

本研究室は、タンパク質やRNA、潤滑油などの分子システムの構造と動的振る舞いを、コンピュータシミュレーション（分子動力学計算）により解明する研究を行っています。特に、複雑な生体分子混合液における相分離現象（液液分相）やタンパク質とリガンド分子の結合メカニズムなどを対象としています。主な手法としては、分子動力学シミュレーションから得られた高次元の時系列データに対して、機械学習や最適輸送距離といった計算解析技術を適用し、システムの本質的な特徴を自動抽出しています。例えば、教師あり学習に頼らず未知の構造や相を検出する教師なし学習の枠組みや、複数の分子システムを定量的に比較するアルゴリズムを開発しています。研究から得られた主な知見には、タンパク質の固有の無秩序領域の性質がバイオマテリアル凝集体への分子の選別的取り込みを制御すること、リガンド結合により誘起されるタンパク質の動的変化がバインディングの強さと相関することなどが含まれます。これらの知見は、医薬品開発の加速や機能性材料の設計に応用され得る基礎研究です。

※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。

外部リンク

研究成果（18 件）

[2026] Correction to “Coarse-Grained Model of Disordered RNA for Simulations of Biomolecular Condensates”
DOI: https://doi.org/10.1021/acs.jctc.6c00826
[2026] TDP-43 multidomains and RNA modulate interactions and viscoelasticity in biomolecular condensates
DOI: https://doi.org/10.1016/j.bpj.2026.03.058
[2026] TDP-43 multidomains and RNA modulate interactions and viscoelasticity in biomolecular condensates
DOI: https://doi.org/10.1016/j.bpj.2026.03.058
[2026] Auto-WHATMD : Automated Wasserstein-based High-dimensional feature extraction Analysis of Trajectories from Molecular Dynamics
[2026] Allosteric inhibition mechanism of PTP1B by DPM-1001 using molecular dynamics simulation
DOI: https://doi.org/10.1016/j.bpj.2026.02.005
[2026] BPS2026 – Allosteric inhibition mechanism of PTP1B using molecular dynamics simulation
DOI: https://doi.org/10.1016/j.bpj.2025.11.1102
[2025] Molecular interactions underlying selective partitioning of clients into MED1 and FUS condensates
DOI: https://doi.org/10.64898/2025.12.23.696191
[2025] Coarse-Grained Model of Disordered RNA for Simulations of Biomolecular Condensates
DOI: https://doi.org/10.1021/acs.jctc.4c01646
[2025] BPS2025 - Reentrant phase behavior and selective partitioning in protein-RNA condensates using molecular dynamics simulation
DOI: https://doi.org/10.1016/j.bpj.2024.11.2222
[2025] BPS2025 - Reentrant phase behavior and selective partitioning in protein-RNA condensates using molecular dynamics simulation
DOI: https://doi.org/10.1016/j.bpj.2024.11.220

続きを表示（残り 8 件）

[2025] BPS2025 - Elucidation of the effect of the K516N mutation in APC protein on Sam68 binding affinity using molecular dynamics simulation
DOI: https://doi.org/10.1016/j.bpj.2024.11.2150
[2025] BPS2025 - Investigation of allosteric inhibition mechanism of PTP1B using molecular dynamics simulation
DOI: https://doi.org/10.1016/j.bpj.2024.11.2062
[2024] In-layer inhomogeneity of molecular dynamics in quasi-liquid layers of ice
DOI: https://doi.org/10.1038/s42004-024-01197-0
[2024] Graph-Neural-Network-Based Unsupervised Learning of the Temporal Similarity of Structural Features Observed in Molecular Dynamics Simulations
DOI: https://doi.org/10.1021/acs.jctc.3c00995
[2023] Relation in ligand dynamics and protein mutation using unsupervised machine learning
DOI: https://doi.org/10.1016/j.bpj.2022.11.1127
[2023] Combining Molecular Dynamics and Machine Learning to Analyze Shear Thinning for Alkane and Globular Lubricants in the Low Shear Regime
DOI: https://doi.org/10.1021/acsami.2c16366
[2023] Unsupervised deep learning for molecular dynamics simulations: a novel analysis of protein–ligand interactions in SARS-CoV-2 M<sup>pro</sup>
DOI: https://doi.org/10.1039/d3ra06375e
[2022] Differences in ligand-induced protein dynamics extracted from an unsupervised deep learning approach correlate with protein–ligand binding affinities
DOI: https://doi.org/10.1038/s42003-022-03416-7

科研費（0 件）

まだデータがありません（KAKEN 取り込み後に表示）。

所属学会・役職（0 件）

まだデータがありません（学会データ連携後に表示）。

AI 要約（直近 5 年の研究成果）

外部リンク

関連研究室(8 件)

研究成果（18 件）

科研費（0 件）

所属学会・役職（0 件）