Discovery Sagaサイレントキーワード俯瞰

ウイルス感染 / 新型コロナウイルス / COVID-19 / B型肝炎 / NTCP

新型コロナウイルス / COVID-19 / SARS-CoV-2 / メインプロテアーゼ / 共有結合阻害剤 / 酵素反応分子動力学法 / 自由エネルギー解析

本研究課題では，新型コロナウイルス感染症（COVID-19）の原因ウイルスであるSARS-CoV-2のメインプロテアーゼ（Mpro）を対象とし，ウイルス増殖に関わるポリタンパク質切断反応に対する触媒活性を共有結合形成により阻害する共有結合阻害剤の開発に向け，理論解析によって微視的知見を獲得することを目的としている．令和3年度には，（1）Mproと天然基質モデルに対する大規模量子分子動力学（MD）シミュレーションによる触媒反応機構の解明，（2）Mproと既知共有結合阻害剤に対する大規模量子MDシミュレーションによる阻害反応機構の解明ならびに（3）Mproと薬剤候補分子に対するバーチャルスクリーニングおよびドッキングによる結合親和性の評価を実施した．
（1）基質存在下での触媒反応過程を対象とし，Mpro二量体，天然基質モデルおよび水溶媒全系（76770原子）を量子的に取り扱う大規模量子MDシミュレーションを実行した．計算にはスーパーコンピュータ「富岳」を用いた．その結果，アシル化過程において，自由エネルギー障壁がほぼ同等の2つの異なる反応経路が存在し，両者は反応中間体の有無の点で異なることが明らかになった．
（2）ファイザーにより開発された共有結合阻害剤（PF-07321332）との阻害反応過程を対象とし，Mpro単量体，阻害剤および水溶媒全系（34297原子）を量子的に取り扱う大規模量子MDシミュレーションを実行した．計算にはスーパーコンピュータ「富岳」を用いた．その結果，活性部位においてMproと阻害剤の中間に位置する水分子を介したプロトンリレーによって阻害反応が進行することが明らかになった．
（3）複数の結晶構造に対してバーチャルスクリーニングを実施し，薬剤候補分子Xを選定した．天然基質モデル，既知阻害剤およびXに対してアンサンブルドッキングを行い，結合親和性を評価した．

パネル調査 / 高校階層構造 / COVID-19（新型コロナウイルス） / 教育格差 / 社会調査 / 社会階層 / 学校生活 / 健康 / 計量社会学 / 親子データ / 新型コロナウイルス / COVID-19 / 学歴 / 教育機会 / 格差・不平等 / 若者 / 母親 / web調査 / 親子調査 / 教育社会学

本研究は2015年，2017年，2019年の第3波まで子どもと母親を対象に調査を行ってきたが，2020年12月には第4波を子どものみに対して行った．なお，COVID-19が若者に与える影響を調べるために，2019年2月，2020年7月，2021年7月には臨時の調査を行ってきた．そして，本年度の2021年12月には第5波の調査を実施した．そして，（1）仕事・アルバイト・就職への影響，（2）学校生活への影響，（3）精神的健康への影響，（4）感染リスク認知，（5）高校と教育機会の不平等という主に5つの課題に取り組んだ．その結果，(1)仕事については，COVID-19は学生の働き方に特に大きな影響を与えていることが明らかになった．(2)教育については，学校や授業についての否定的な回答が増加し，それは授業の方法によって大きく変化はなかった．(3)健康については，特に女性で精神的健康状態が悪化していることが示された．また，(4)全体として学校におけるCOVID-19の感染リスクを相対的に高く考えているが，女性のほうが，そしてメンタルヘルスの状況が悪いほうが，そのリスクに対する警戒感が強いことなど明らかになった．さらに，精神的健康状態について，成長曲線モデルを用いた分析を行い，COVID-19が精神的健康状態に与える影響について様々な要因を検討した．また，（5）長期パネルデータを構築することで，出身階層→高校タイプ→教育達成の関連についての分析が可能となった．様々なタイプの共変量を考慮した最先端の因果媒介分析の方法から，従来の方法では高校タイプの影響は過大評価されており，因果媒介分析では20-30%の出身背景（世帯年収）の影響を説明するに過ぎないことが明らかになった．本結果は学会にて報告するとともに，英文ジャーナルへと投稿した．また調査と関連した様々な研究結果が報告された．

【研究分担者】
中澤渉	立教大学	社会学部	教授	(Kakenデータベース)
田淵貴大	地方独立行政法人大阪府立病院機構大阪国際がんセンター(研究所)	その他部局等	がん対策センター疫学統計部部長補佐	(Kakenデータベース)
川田恵介	東京大学	社会科学研究所	准教授	(Kakenデータベース)