AlphaProteo: 生物学・健康研究向けの新規タンパク質を生成するAI
(deepmind.google)- タンパク質相互作用は細胞増殖や免疫応答のような中核的な生物学的プロセスを左右しており、AlphaProteo はこれらの相互作用を操作する新たなバインダー設計を自動化しようとする Google DeepMind 初のAIシステムである
- 標的タンパク質の構造と望ましい結合位置を入力すると、Protein Data Bank と AlphaFold の予測構造1億件以上から学習したパターンを基に候補タンパク質を生成する
- 7つの標的タンパク質での実験では、既存の最良手法より 成功率と結合親和性 が高く、一部の標的では既存の最適化済みバインダーより強い結果を示した
- BHRF1では候補の 88% がラボテストで結合し、VEGF-A に成功裏に結合するタンパク質をAIツールが設計した初の事例として紹介されている
- 初期のタンパク質バインダー実験時間を短縮できる可能性は高いが、TNFɑ の失敗のように難しい標的は残っており、実用化にはさらなる検証とバイオエンジニアリング上の改善が必要である
AlphaProteoが狙うタンパク質バインダー設計
- 生物学的プロセスは、細胞増殖から免疫応答まで、タンパク質同士の相互作用に大きく依存している
- AlphaFold のような タンパク質構造予測 ツールはタンパク質相互作用の理解を広げたが、その相互作用を直接操作する新しいタンパク質を作り出すことはできない
- AlphaProteo は、標的分子に強く結合する新しいタンパク質バインダーを設計する Google DeepMind のAIシステムである
- こうしたバインダーはさまざまな研究分野で活用できる
- 創薬
- 細胞・組織イメージング
- 疾患の理解と診断
- 害虫に対する作物耐性
学習データと生成方法
- AlphaProteo は Protein Data Bank の大量のタンパク質データと、AlphaFold が予測した 1億件以上の構造 を学習している
- 入力値は標的分子の構造と、その上で望ましい結合位置の集合である
- 出力は指定位置に結合するよう設計された 候補タンパク質 である
- 既存の強力なタンパク質バインダー設計は時間がかかり、何度ものラボ作業と結合親和性の最適化が必要である
7つの標的タンパク質での実験結果
- AlphaProteo は、感染症、がん、炎症、自己免疫疾患に関連するさまざまな標的タンパク質に対してバインダーを設計した
- 7つの標的でインシリコ生成した候補タンパク質は、実験テストで意図したタンパク質に強く結合した
- 全体のテスト基準で、既存の最良の設計手法より 実験成功率 が高く、結合親和性は3〜300倍改善された
- BHRF1 では候補分子の 88% が Google DeepMind の Wet Lab テストで成功裏に結合した
- テストした標的において、AlphaProteo バインダーは既存の最良の設計手法より平均 10倍強く 結合した
- TrkA 標的では、何度もの実験最適化を経た既存設計のバインダーより AlphaProteo バインダーの方が強かった
- VEGF-A に成功裏に結合するタンパク質をAIツールが設計したのは今回が初めてである
外部検証と生物学的機能
- Google DeepMind はインシリコ検証と社内 Wet Lab テストに加え、Francis Crick Institute の研究グループとバインダーを検証した
- 検証には Peter Cherepanov, Katie Bentley, David LV Bauer の各研究グループが参加した
- 彼らは SC2RBD と VEGF-A バインダーの一部の有力候補をさらに詳しく実験した
- 結合相互作用は AlphaProteo の予測と似た形で確認された
- 一部の SC2RBD バインダーは、SARS-CoV-2 とその一部変異株が細胞に感染するのを防ぐことが示された
TNFɑ の失敗と残る課題
- AlphaProteo は8番目の標的である TNFɑ については、成功するバインダーを設計できなかった
- TNFɑ は関節リウマチのような自己免疫疾患に関連するタンパク質である
- 計算解析では TNFɑ はバインダー設計が非常に難しい標的と評価され、AlphaProteo を厳しく試すために選ばれた
- 強い結合を達成することは、実用的な応用に役立つタンパク質を設計するプロセスの第一段階であることが多い
- 研究・開発の過程には依然として バイオエンジニアリング上の障害 が残っている
責任ある開発と今後の活用
- タンパク質設計には、疾患原因の理解、ウイルス流行時の診断テスト開発の加速、持続可能な製造プロセスの支援、環境汚染物質の浄化まで、さまざまな科学分野での可能性がある
- Google DeepMind はバイオセキュリティ上のリスクを考慮し、外部の専門家と協力しながら段階的な共有方式を整えている
- 関連する取り組みは、NTI の新しい AI Bio Forum を含むコミュニティのベストプラクティス策定の動きともつながっている
- 今後は科学コミュニティとともに、AlphaProteo を重要な生物学的課題に活用し、その限界を理解する取り組みを進める計画である
- Isomorphic Labs では AlphaProteo の 創薬への応用 も探っている
- Google DeepMind は AlphaProteo アルゴリズムの成功率と親和性を改善し、扱える設計課題の範囲を広げ、機械学習・構造生物学・生化学の研究者とともに、より包括的なタンパク質設計ツールの開発を目指している
まだコメントはありません。