- あらゆる疾患の基本構成要素であるタンパク質の理解と生成は、新しい薬や治療法につながる可能性がある
- 現在、実験室でタンパク質を設計するプロセスは、タンパク質構造やアミノ酸配列の生成を含め、計算量とリソースを多く必要とする
- EvoDiffは、対象タンパク質に関する構造情報を必要とせず、与えられたタンパク質配列から高品質で多様なタンパク質を生成し、このプロセスを簡素化する
- オープンソースのEvoDiffは、新しい治療法、薬物送達手法、産業用化学反応のための酵素の生成に活用できる
- 「タンパク質配列こそがすべて」という原則に従って動作し、タンパク質工学において構造-機能パラダイムから離れた新しいタンパク質設計を行う
- EvoDiffフレームワークは、OpenFoldデータセットとUniRef50から取得した、多様な種およびタンパク質機能クラスのデータで学習された6億4,000万パラメータのモデルを基盤としている
- 現代の画像生成モデルに似た拡散モデルであり、ほぼすべてがノイズで構成された初期タンパク質から徐々にノイズを除去し、タンパク質配列に近づけていく方法を学習する
- 新しいタンパク質を生成し、既存のタンパク質設計の空白を埋め、特定の機能目標を満たす
- タンパク質の構造ではなく配列空間でタンパク質を設計することで、生物学や疾患において重要な役割を果たす天然変性タンパク質を合成できるようにする
- この研究はまだ査読を受けておらず、フレームワークが商業的に利用される前には、さらなるスケールアップ作業が必要である
- EvoDiffチームは、モデルが生成したタンパク質を実験室でテストして実現可能性を判断する計画であり、成功すればフレームワークの次世代開発に着手する予定である
まだコメントはありません。