人工知能システムが人工タンパク質の設計図を発見

シカゴ大学のプリツカー分子工学学校（PME）の研究チームは、最近、大規模なデータを分析することで、完全に新しい人工タンパク質を作成できる人工知能システムの開発に成功しました。

タンパク質は、生物の組織を構築するために不可欠な大分子であり、細胞の生命活動に欠かせないものです。タンパク質は、細胞がさまざまな化学反応を起こし、複雑なタスクを実行するために、化学触媒として使用されます。如果科学者が人工タンパク質を信頼性高く設計する方法を発見できれば、新しい炭素捕獲方法、新しいエネルギー収集方法、新しい疾病治療法の扉が開かれる可能性があります。人工タンパク質には、我々が住む世界を劇的に変える力があります。EurekaAlertによると、PMEの研究者たちは最近、人工タンパク質の設計を可能にするブレークスルーを達成し、科学者たちをその目標に近づけました。PMEの研究者たちは、機械学習アルゴリズムを使用して、新しいタンパク質の形式を生成できるシステムを開発しました。

研究チームは、さまざまなゲノムデータベースからデータを抽出して、機械学習モデルを訓練しました。モデルが学習するにつれて、人工タンパク質の設計を可能にする、共通の基本的なパターンや設計のルールを発見し始めました。研究者たちは、これらのパターンを取り出して、実験室でそれに対応するタンパク質を合成しました。人工的に作られたタンパク質は、自然に存在するタンパク質によって駆動されるものとほぼ同等の効果的な化学反応を生成しました。

PMEのジョセフ・レーゲンスタイン教授であるラマ・ランガナサンによると、ゲノムデータには、タンパク質の基本的な機能と構造に関する大量の情報が含まれています。機械学習を使用してこれらの共通の構造を認識することで、研究者たちは「自然のルールをボトルに入れて、自分たちでタンパク質を作ることができました」。

この研究では、代謝酵素、特にコリズマートムターゼと呼ばれるタンパク質ファミリーに焦点を当てました。このタンパク質ファミリーは、さまざまな植物、菌類、細菌の生命に不可欠です。

ランガナサンと彼の共同研究者たちは、ゲノムデータベースには、まだ発見されるのを待っている、タンパク質の構造と機能に関するルールの洞察が含まれていることを認識しました。しかし、伝統的な方法では、これらの設計ルールを決定することが限界がありました。したがって、研究チームは、これらの設計ルールを明らかにできる機械学習モデルを設計することを目指しました。モデルの発見は、新しい人工シーケンスを作成することができることを示唆しています。アミノ酸の位置とアミノ酸ペアの進化における相関関係を保存することで、新しいシーケンスを作成できるのです。

研究者たちは、これらのアミノ酸シーケンスをコードする合成遺伝子を作成しました。彼らはこれらの合成遺伝子を含む細菌をクローニングし、細菌がその細胞内機構で合成タンパク質を使用していることを発見しました。合成タンパク質は、ほぼ自然なタンパク質と同じように機能しました。

ランガナサンによると、彼らのAIシステムによって発見されたシンプルなルールは、驚くほど複雑で多様な人工タンパク質を作成することができます。ランガナサンはEurekaAlertに次のように説明しています。

「制約は私たちが想像していたよりもずっと小さかった。自然の設計ルールにはシンプルさがあり、同様のアプローチが、生物学の他の複雑なシステム、たとえば生態系や脳のようなシステムの設計モデルを探すのにも役立つと信じています」。

ランガナサンと彼の共同研究者たちは、モデルの一般化を目指し、科学者たちがタンパク質の構造と機能をよりよく理解できるプラットフォームを作成したいと考えています。彼らは、気候変動のような重要な問題に取り組むことができるタンパク質を発見するのを助けるために、AIシステムを使用したいと考えています。ランガナサンとアンドリュー・ファーガソン助教授は、Evozyneという会社を設立し、この技術を農業、エネルギー、環境などの分野で商業化し、普及させたいと考えています。

タンパク質の共通性と、構造と機能の関係を理解することは、新しい薬剤や治療法の創出にも役立つ可能性があります。タンパク質の折り畳みは、コンピューターが解決するのが非常に難しい問題とされてきましたが、ランガナサンのチームによって生成されたモデルの洞察は、これらの計算を高速化するのに役立ち、新しい薬剤の開発を促進することができます。ウイルス内のタンパク質の生成を阻害する薬剤が開発され、たとえば新型コロナウイルス感染症のような新しいウイルスの治療に役立つ可能性があります。

ランガナサンと研究チームは、まだモデルの動作と、信頼性の高いタンパク質設計図を生成する方法を理解する必要があります。研究チームの次の目標は、モデルの結論に至るために考慮される属性をよりよく理解することです。