オックスフォード大学のマシュー・ヒギンズ教授は、タンパク質とは実際どのようなものなのでしょうか?という古典的な頭を悩ませる質問に取り組んでいます。
2005 年以来、彼の研究室はマラリア関連の問題に焦点を当ててきました。
従来の技術では、タンパク質構造の曖昧な輪郭しか生成できず、ヒギンズ氏は混乱していました。
しかし、AlphaFold 2 と呼ばれる新しい人工知能技術を使用することで、マラリアを引き起こす原虫が使用する重要なタンパク質の構造を解読しました。
この画期的な進歩により、彼は実験用のマラリア ワクチンを開発することができ、現在は人体での試験が行われています。
マラリアでは毎年 600 万人以上が死亡しており、これらのワクチンがマラリアと闘う鍵を握る可能性があります。 AlphaFold がなければ、私たちは依然として壁にぶつかっていたかもしれない、と彼は言いました。
ヒギンズの業績を見れば、AlphaFold 2 が急速に科学と医学を破壊していることが簡単にわかります。
わずか数年で、Alphabet の人工知能スタートアップ DeepMind は囲碁での勝利から生物学の大きな課題を解決するまでに成長し、現在では 10 万人以上の研究者に使用されています。大学の研究者や大手製薬会社の研究者も利用しています。
DeepMind CEO の Demis Hassabis は昨年ポッドキャストで次のように述べました。「AlphaFold は驚くべきものですが、それは単なる始まりにすぎません。」
現在、タンパク質はほぼすべての医薬品の主な標的となっているため、タンパク質の構造を理解することが問題を解決する鍵となります。疾患の表現型に介入する鍵となる特定の方法をどのように使用するかという問題。
AlphaFold が登場する前は、タンパク質の構造を見つけることは困難な作業でした。
従来のアプローチは、研究者がタンパク質を結晶化して、タンパク質が耐性のある塩の形に変えることです。これがうまくいけば、各結晶にX線を照射し、電子がどのように反射して画像を作成するかを観察した。
このプロセスを繰り返すことで、科学者はタンパク質の 3D 構造を知ることができます。
ヒギンズ氏は、博士課程の学生が新しい構造を発見するには1～2年かかるかもしれないが、結果は曖昧で不確実であることが多いと述べた。
DeepMind CEO のデミス・ハサビスはチェスの天才であり、人工知能の伝道者です。彼は、人間と同等かそれ以上に特定のタスクを実行できる人工知能システムを構築することを目標として、2010 年に DeepMind を設立しました。
2016 年、DeepMind の人工知能システム AlphaGo が囲碁ゲームで世界クラスのプレーヤーを破りました。
囲碁での勝利後、ハサビス氏とディープマインド社のトップ科学者デイビッド・シルバー氏は、今が移転の時期だと判断した囲碁での競争から問題解決まで、現実世界の問題を解決します。
そこで彼らはタンパク質の問題に焦点を当て始め、生物学者ジョン・モルトによる数十年にわたる研究により、ディープマインドが生物学に参入する道が開かれました。
1994 年に CASP タンパク質構造予測コンペティション (タンパク質構造予測の重要な評価) を設立しました。
参加者には、3 つの構造が決定されているものの未発表の約 100 個の未知のタンパク質のアミノ酸配列が割り当てられます。
チームは数か月かけて数学モデルを開発し、これらの未知の構造を解決するために使用します。 Mult は予測の正確さを評価します。 100 点満点で 90 を超えるスコアは、構造予測が完璧に近いことを示します。
DeepMind は、2018 CASP カンファレンスで初めて公開の試みを行いました。 AlphaFold の最初のバージョンはコンテストで優勝し、世界標準を打ち破りました。コンテストにおける勝者の予測精度は通常約 40% ですが、AlphaFold の結果は 60% でした。
この結果は印象的ですが、AlphaFold の予測には多くの誤りがあり、まだ完璧ではありません。ハサビスはもっと上手くなりたいと思っている。
CASP の結果が発表される数か月前、AlphaFold のトップ科学者の 1 人である John Jumper は、彼の研究チームと協力して研究を行っていました。チームは一緒に計画を立て、テクノロジーを段階的に改善していきたいと考えています。
Hassabis が予期せず彼らを止めたのは、おそらく「現在のモデルでこの問題を解決するのは難しすぎますか? 別のモデルを作成する必要がありますか?」という意味でしょう。
その会話の後、Jumper は AlphaFold の最初のバージョンを放棄し、最初から始めました。 Jumper 氏は、「AlphaFold 2 は、タンパク質に関するより生物学的および物理的な知識に基づいて構築されています。」
2020 年末の CASP で、AlphaFold 2 は解答用紙を提出しました。タンパク質構造の予測精度は 90% 近くに達し、他の出場者よりもはるかに高かった。専門家は、それが問題を効果的に解決すると信じています。
「その瞬間、私たちは科学の歴史を変えたことを知りました」とジャンパー氏は語った。
CASP 後の数か月で、DeepMind は急速に動き始めました。
チームは、2020 年のクリスマス頃に人体内の 20,000 種類のタンパク質すべてが存在すると予測しました。この結果は、ソフトウェアのコードとともに、2021 年 7 月に Nature 誌の独創的な論文に掲載され、8,800 回以上、つまり 1 日あたり約 15 回引用されました。
Hassabis 氏は、AlphaFold 2 を無料でリリースする決定は人類の利益を最大化するためであると述べました。
CNBC によると、DeepMind は Alphabet の子会社として、YouTube や Google などの他の Alphabet 企業にソフトウェアやサービスを販売することで収益を上げています。
その後、ハサビス氏は医薬品の研究に注力するため、2021年にバイオテクノロジースタートアップ企業Isomorphic Labsを設立した。一方、AlphaFold 2 は順調に稼働しており、昨年の夏には 2 億個のタンパク質構造予測をリリースしました。
研究のペースは急速に加速しています。
生物医学研究ディレクトリ PubMed のデータによると、2020 年に AlphaFold を参照した論文は 4 件のみでした。この数は、2021 年には 92 記事、2022 年には 546 記事に増加します。 2023 年には論文数が 1,000 を超える見込みです。
いくつかのバイオテクノロジー企業が現在、医薬品の開発に AlphaFold 2 を使用しています。
「AlphaFold は、何が可能なのかを人々に示すことでイノベーションの波を引き起こしました」と、同じく AlphaFold を医薬品開発支援に利用しているボストンの新興企業、AI Proteins の主任科学者である Chris Bahl 氏は述べています。
ラファエル タウンゼントは、スタンフォード大学でコンピューター サイエンスの学位を取得する間、2019 年に DeepMind インターンとして AlphaFold で働きました。理学博士。
現在、彼はサンフランシスコで Atomic AI というスタートアップを経営しており、彼が「RNA のアルファフォールド」と呼ぶものを開発したいと考えています。
RNA は、遺伝子 (DNA) の指示を読み取り、体内でタンパク質を生成します。
彼の会社は RNA 分子の構造を予測したいと考えており、これらの研究を医薬品の開発に利用したいと考えています。他のバイオテクノロジー企業も、AlphaFold を他の AI テクノロジーと組み合わせて使用し、潜在的な新薬を迅速かつ安価に発見しています。
たとえば、新興企業の Insilico Medicine は、AlphaFold を備えた人工知能システムを使用して、肝臓がんに関連するタンパク質をブロックする分子を設計しています。分子の 1 つを作成し、それが機能することを確認するために実験室テストを使用しました。同社は1月にこの研究結果を発表した。
同社の CEO、アレックス・ザボロンコフ氏は、彼のチームが薬剤標的の発見から薬剤の設計、試験に至るまでに要した日数はわずか約 50 日、つまり 100 日にも満たないと主張しています。彼はこれが医薬品開発の記録であると信じています。
ザボロンコフ氏のオフィスにはハサビスの写真が飾られており、「AlphaFold は素晴らしい発見ですが、これは成功するために必要な巨大なレゴ パズルの一部です。
しかし、この人工知能技術は医薬品開発をより迅速かつ容易にしますが、同社は臨床試験のコストを理由にそれを使用する予定はありません。医薬品は人間の体内に進出します。なぜなら、動物や人間でそれらをテストするプロセスには依然として長い年月と数億ドルがかかるからです。
バイオテクノロジーにおける人工知能の可能性は限られています。
AlphaFold の予測は常に完璧であるとは限りません。予測モデルは、未知のタンパク質の小さなグループを解決する際には非常に正確ですが、予測されたすべての構造が正しいことを保証するものではありません。
オックスフォード大学のヒギンズ氏は、自身も実験室実験を利用して AI 予測を再確認するつもりであると述べ、実験による検証が不足しているため、AlphaFold の予測に全面的に依存する研究論文には警戒していると述べています。 。
これらの制限にもかかわらず、AlphaFold 2 はすでに大きな進歩であり、ノーベル賞の話さえ巻き起こしており、特に受賞後の 2022 年に 300 万ドルを獲得する場合にはそうです。
ワシントン大学コンピューターサイエンス教授のペドロ・ドミンゴス氏は、AlphaFoldチームの研究は、タンパク質が他のタンパク質や低分子とどのように相互作用するかなど、より深い研究であると述べた。有意義です。
彼らの研究は今後ますます困難になり、AIが次の研究に対応できるかどうかは不透明です。しかし、ドミンゴス氏は DeepMind のチームが非常に優れていると信じており、その将来の発展について非常に楽観的です。
DeepMind は、遺伝学の研究と、より複雑なタンパク質相互作用の予測を行ってきましたが、次に彼らがターゲットとする大きな生物学的問題は依然として謎に包まれています。そして将来の企業は「ますます把握しにくくなる」だろう。
DeepMind の Jumper 氏は、彼の AlphaFold チームが生物学研究における次の大きなハードルをクリアすることに注力していると述べました。しかし、それは秘密のままです。
「これがどこに行くのか、それがどのような技術であるのか、そして将来どのようなものになるのかについて私なりの理論がありますが、それを明らかにするつもりはありません。」
以上がAlphaFold 2 はタンパク質の構造予測を覆し、科学の歴史を変えるの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
