AIが任意のタンパク質の3D構造を計算できるようになりました

• 研究者は、深層学習モデルを使用して、アミノ酸配列に基づいてタンパク質の3D構造を決定します。
• 完全にトレーニングされると、事前の知識がないタンパク質構造を推定する際に、既存のすべての手法を簡単に上回ります。

タンパク質は、人体の主要な構成要素の1つです。それは組織を構築し、維持します。化学的には、それはアミノ酸で構成されています–水素、炭素、酸素、窒素または硫黄でできている有機化合物。

タンパク質は、他の分子との相互作用を制御する正確な3次元構造に折りたたまれることにより、生命に不可欠なほぼすべての基本的な生物学的プロセスを実行します。

タンパク質の形状がさまざまな病気におけるその機能と役割を決定するため、命を救い、人生を変える薬を開発するには、タンパク質の構造を研究および予測することが重要です。

ただし、思ったほど簡単ではありません。過去50年間、タンパク質の折り畳みは生化学者にとって最も困難な問題の1つであり続けています。タンパク質がどのように折りたたまれるかを予測するために、特に近年、多くの計算手法が開発されましたが、明示的な配列から構造へのマップはまだ達成されていません。

現在、ハーバード大学医学部の研究者は、ディープラーニングモデル（人工知能の一種）を使用して、アミノ酸配列に基づいてタンパク質の3D構造を決定しています。速度の点で、既存の最先端技術を6〜7桁上回っています。

エンドツーエンドの微分可能なディープラーニングの適用

高度なアルゴリズムは、ブルートフォース技術を使用して、アミノ酸相互作用の複雑な物理学をシミュレートし、タンパク質の構造を決定します。計算のオーバーヘッドを減らすために、これらのアルゴリズムは、以前に決定されたタンパク質構造を表す事前に設計されたテンプレートに新しいシーケンスをマッピングします。

GoogleのAlphaFoldなどの一部のAIプロジェクトは、タンパク質配列の青写真を含む大量のゲノムデータを解析します。ただし、これらの方法では、アミノ酸配列のみに基づいて構造を推定することはできません。彼らは進化的にユニークなタンパク質（過去に研究されたことのないタンパク質の構造）を決定することはできません。

そのため、調査チームはエンドツーエンドの差別化可能なディープラーニング手法を使用しました。これは、Google翻訳やAppleのSiriなどの最も人気のあるアプリのいくつかですでに効果的であることが証明されています。

参照：セルシステム| doi：10.1016 / j.cels.2019.03.006 |ハーバード大学医学部

反復幾何学的ネットワークと呼ばれるこの深層学習システムは、タンパク質フォールディングの重要な特性に重点を置いています。何千もの所定のタンパク質配列と構造について訓練されています。

アルゴリズムは、単一のアミノ酸ごとに、酸とその隣接するアミノ酸をつなぐ化学結合の角度と、これらの化学結合の周りの回転角を計算します。

ネットワークが化学結合の角度とこれらの結合の周りの回転角を計算してタンパク質の構造を構築する方法の視覚的なシミュレーション。 |クレジット：Mohammed AlQuraishi

ニューラルネットワークは、構造が完成するまでこれらの計算を実行します（各反復は1つおきのアミノ酸の相対位置によって洗練されます）。次に、システムは、実際のタンパク質構造と照合することにより、結果の正確性をチェックします（直接観察から取得）。

結果

このプロセスは、いくつかの異なる既知のタンパク質に対して繰り返され、システムの精度は反復ごとに向上します。ネットワークのトレーニングには数か月かかる場合がありますが、トレーニングが完了すると、事前の知識がないタンパク質構造を推定する際に、モデルは既存のすべての手法を簡単に上回ります。

それでも、モデルの精度は、タンパク質の完全な原子構造を解明するのに十分ではありません。したがって、ドラッグデザインや発見に使用する準備ができていません。

読む：新しい方法では、携帯電話のカメラを使用して、血液中の非常にまれなタンパク質を測定します

今のところ、これまで可能であったよりもはるかに幅広いクラスのタンパク質構造を予測するために、他の手法を補完することができます。物理学と化学の法則を統合することによってモデルを改善する多くの機会があります。自分で試してみたい場合は、コードと結果をGitHubで入手できます。