◆オープニング
座長：江口 至洋（理化学研究所 HPCI計算生命科学推進プログラム）

◆細胞内環境での蛋白質の分子運動と機能
杉田 有治（理化学研究所 杉田理論分子科学研究所）

真空中の蛋白質の分子動力学シミュレーションが初めて行われてから約40年が経ち、これまでに非常に多くの計算が行われた。現在の主流は希薄溶液中の１蛋白質に関するシミュレーションであり、蛋白質の構造とダイナミクス、そして機能との関係を調べることが主な目的である。創薬応用の観点からは蛋白質と薬剤候補化合物の結合強度を予測するための自由エネルギー計算も重要である。しかし、細胞内における生体高分子の濃度は300-450g/Lであり、25-45%の体積を占めており、従来の分子動力学計算で対象としている希薄溶液中とは大きく異なる環境である。我々は、１億原子を超える分子混雑系を様々な実験データを用いて構築し、スーパーコンピュータ「京」を用いて全原子分子動力学計算を行ってきた。本セッションではこの大規模計算で用いたソフトウェアと得られた計算結果について紹介する。

◆上皮成長因子応答経路の１分子粒度シミュレーション
高橋 恒一（理化学研究所 生命システム研究センター）

上皮成長因子応答経路は増殖や分化などの細胞運命を制御するMAPKであるERKの活性化を引き起こす信号伝達経路のうち主要なものの１つである。共焦点顕微鏡を用いてEGFPで蛍光標識されたERK分子の核移行を観察すると、遺伝的に同一な細胞群に全く同一の条件で増殖因子刺激を与えても、因子の濃度によっては細胞間で応答のばらつき（応答不均一性）が生じる場合がある。本研究では「京」を用いて分子混雑などの細胞環境を考慮した１分子粒度シミュレーションを実行し、ERKの応答不均一性を再現する事に成功した。また、その発生機序が特定のタンパク分子の外因的ノイズと関連する事を示唆する結果を得た。さらに、このシミュレーション結果を利用して、機械学習により遺伝子の発現レベルから確率的な細胞応答の事前予測が可能である事を示唆する結果を得た。

◆「京」、及びポスト「京」がブーストするがんビッグデータ解析
宮野　悟（東京大学医科学研究所 ヒトゲノム解析センター）

がんを理解するためのゲノムをはじめとする多様なデータの急激な増大への挑戦は、スーパーコンピュータを活用したがん研究に新たな領域を創造している。がんのシステム異常の理解や様々な予測のための数理的方法論が導入され有効性を発揮している。本発表では、ヒトゲノム解析センタースーパーコンピュータや「京」コンピュータを使い、予後の良・不良などの裏にある個々人のがんの遺伝子ネットワークの特徴の俯瞰、がんビッグデータを用いた薬剤感受性・耐性を支配している遺伝子ネットワークの構造の相違、がん融合遺伝子の網羅的解析などについて報告する。また、「安く・速く・正確に」を実現し、やがて100ドルゲノムの時代もやってくる。誰もが自分のゲノムデータにアクセスできる時代が到来し、ゲノムビッグデータが誕生する。そのなかで、ゲノム医科学においては、ゲノムデータの臨床翻訳と解釈が最も重要な課題の一つとして世界中で取り組みが始まっている。個々人のゲノムデータを医療・創薬へと翻訳するためにビッグデータの活用が考えられ、百万人規模のゲノムや関連するデータのシェアリング体制の構築が始まった。ビッグデータの解析と利用には、IBM Watsonが、Memorial Sloan-Kettering Cancer Center, Mount Sinai, MD Anderson Cancer Centerなど十数カ所に既に導入され動き出している。東大医科学研究所にもIBM Watson Genomic Analyticsが2015年７月に導入され、がんの臨床研究などに応用され始めた。その様子などについても報告する。