AI は、まったく新しいタンパク質の発明により、バイオテクノロジーにおいて人間をさらに一歩進めました。

1980 年代の崩壊後の最近の人工知能分野の復活 – 「AI の冬」 – は、完全に革命的であることが証明されています。 最近、高度な AI プログラムの開発を担当する Google の子会社である DeepMind は、その AlphaFold システムが、科学的に知られている事実上すべてのタンパク質 (2 億個以上) の構造を解読したことを明らかにしました。

そして今、新しい AI ツールは、科学者がオリジナルで自然界に見られるものとは異なるタンパク質を設計できるようにすることで、可能性の限界をさらに押し広げています。 ProteinMPNN と呼ばれるこの新しいツールは、ジャーナル Science に掲載された 2 つの研究でワシントン大学の研究者によって最近説明されました。

その作成者は、ProteinMPNN やその他の同様の表面結合ツールが、近い将来、新しい可能性とさらなるアプリケーションの領域を開くと確信しています。 これらには、特定の標的に到達するようにゼロから設計されたまったく新しいタンパク質が含まれます。それは、プラスチック消化酵素であろうと、今日の最も不治の病や不治の病のいくつかを標的とする新薬であろうと. .

タンパク質は細胞の生存に不可欠です。 複雑なタスクを実行し、化学反応の触媒です。 多くの科学者は、病気の治療、炭素の捕捉、エネルギーの貯蔵などの新しい機能を実行できる人工タンパク質を設計することで、この力を利用しようと長い間模索してきました。 しかし、これらのタンパク質を作るプロセスの多くは、複雑で失敗率が高いために時間がかかります。 以前の研究では、タンパク質構造を形作ることができる方法が生み出されましたが、その機能はとらえどころのないものでした.

一般的に、生命と自然を維持する上でのタンパク質の役割は非常に重要です。 あるものは構造、あるものは輸送分子、あるものは受容体などです。 これらの機能のそれぞれは、その特定のコンフォメーションと密接に関連しています。

すべてのタンパク質は、アミノ酸と呼ばれる基本単位の直鎖から始まります。 このアミノ酸の一次二次元構造には、タンパク質が折りたたむために使用する「レシピ」が含まれています。 タンパク質は、エネルギー的に最も有益な構成である最終的なコンフォメーションに到達する前に、一連の構成を適用して折り畳みステップを繰り返します。

AlphaFold は既存のタンパク質の形状を予測してその機能を推測できますが、ProteinMPNN は同じ問題を逆に解決できます。 自然界のタンパク質の役割をリバース エンジニアリングする代わりに、この新しいツールは、科学者がまったく新しいタンパク質をゼロから設計するのに役立つ可能性があります。 たとえば、タンパク質の特定の機能または目的を設計し、次に AI に、分子組成と形状が目的の機能に役立つ一致する構造を考え出すように依頼することができます。 それから、実験室でこれらのタンパク質を合成することが残っています。

ProteinMPNN は、ワシントン大学で開発された 2 つの強力な AI を使用して、これらすべての真に驚くべきことを達成することができました。 「幻覚」と呼ばれる最初のツールは、科学者が単純なプロンプトに基づいて潜在的に有用なタンパク質配列を検索できるようにします。これは、現在有名な DALL-E AI ジェネレーターによく似ています。 テキストプロンプトから素晴らしい画像を作成するのに役立ちます。

「インペインティング」と呼ばれる 2 つ目の AI は、Google に質問を入力したときに表示されるようなオートコンプリート機能と考えることができます。 これら 2 つの AI を相乗的に使用すると、科学者は目的の機能に対応するまったく新しいタンパク質を発見できるようになります。

AI は、まったく新しいタンパク質の発明により、バイオテクノロジーにおいて人間をさらに一歩進めました。  - 写真 2。

ゲノムデータベースから抽出されたタンパク質情報を調べることができる機械学習モデルを開発することにより、研究者は、新しい合成タンパク質を生成できる比較的単純なタンパク質設計ルールを発見しました。 彼らが物理学研究室でこれらのタンパク質を構築したとき、彼らはそれらが化学的に非常にうまく機能し、自然界に見られるものに匹敵することを発見しました.

2 つの AI によって生成されたタンパク質の異なる形状を検証するために、研究者はデータを AlphaFold に転送し、アミノ酸配列が実際に目的の形状に折り畳まれるかどうかをテストしました。

タンパク質は、最初に ProteinMPNN を使用して設計され、ラボで組み立てられました。 その中には、パーソナライズされたナノデバイス内に挿入できる微視的サイズの構造があります。

「これは、タンパク質設計における機械学習の始まりです。今後数か月で、これらのツールを改善して、タンパク質をさらに動的かつ機能的にするように取り組んでいきます」と、筆頭著者であり、ワシントン大学の生化学教授である David Baker は述べています。薬。

参考文献:ZME; GitHub; 逆行する

Kuwahara Minako

「情熱的なポップカルチャーアホリック。誇り高いベーコンの先駆者。熱心なアナリスト。認定リーダー。」

コメントを残す

メールアドレスが公開されることはありません。 が付いている欄は必須項目です