タンパク質設計への新しいAIアプローチ(A new AI approach to protein design)

ad

2024-08-07 スイス連邦工科大学ローザンヌ校(EPFL)

タンパク質の特定機能を設計するには、その配列と構造を理解し操作することが必要であり、これは病気の治療や産業用酵素の開発に重要です。新たに開発されたCARBonAra(Context-aware Amino acid Recovery from Backbone Atoms and heteroatoms)は、異なる分子環境を考慮してタンパク質配列を予測するAIモデルで、370,000のサブユニットを訓練データとして使用し、さらに100,000を検証、70,000をテストに利用しています。このモデルはタンパク質構造トランスフォーマーフレームワークを基にしており、原子間の空間関係を学習して予測します。特に分子「コンテキスト」を含めることで配列回復率が向上し、実際の生物学的システムでの適用性が高まります。実験的に検証され、抗菌薬耐性に関連する酵素TEM-1 β-ラクタマーゼの新バリアントの設計にも成功し、その柔軟性と精度が将来の薬剤発見や産業応用に寄与する可能性を示しています

<関連情報>

タンパク質配列設計のためのコンテキストを考慮した幾何学的ディープラーニング Context-aware geometric deep learning for protein sequence design

Lucien F. Krapp,Fernando A. Meireles,Luciano A. Abriata,Jean Devillard,Sarah Vacle,Maria J. Marcaida &Matteo Dal Peraro
Nature Communications  Published::25 July 2024
DOI:https://doi.org/10.1038/s41467-024-50571-y

タンパク質設計への新しいAIアプローチ(A new AI approach to protein design)

Abstract

Protein design and engineering are evolving at an unprecedented pace leveraging the advances in deep learning. Current models nonetheless cannot natively consider non-protein entities within the design process. Here, we introduce a deep learning approach based solely on a geometric transformer of atomic coordinates and element names that predicts protein sequences from backbone scaffolds aware of the restraints imposed by diverse molecular environments. To validate the method, we show that it can produce highly thermostable, catalytically active enzymes with high success rates. This concept is anticipated to improve the versatility of protein design pipelines for crafting desired functions.

有機化学・薬学
ad
ad
Follow
ad
タイトルとURLをコピーしました