ノーベル賞を超えて？生物界で初めて、新しいタンパク質をゼロから合成した「ChatGPT」がNatureサブジャーナルに掲載されました！

人工知能の応用により、タンパク質工学の研究が大幅に加速しました。

最近、カリフォルニア州バークレーにある新興企業が再び驚くべき進歩を遂げました。

科学者たちは、ChatGPT に似たタンパク質工学深層学習言語モデルである Progen を使用して、初めてタンパク質合成の AI 予測を実現しました。

これらのタンパク質は既知のタンパク質と完全に異なるだけでなく、類似性が最も低くても同等です。 31.4 % ですが、天然プロテインと同等の効果があります。

この度、この研究は Nature サブジャーナルに正式に掲載されました。

論文アドレス: https://www.nature.com/articles/s41587-022-01618-2

#この実験は、自然言語処理が言語テキストの読み書きのために開発されたものであるが、生物学のいくつかの基本原理も学習できることも示しています。

ノーベル賞に匹敵する技術

これに対し研究者らは、この新技術は指向性進化（ノーベル賞を受賞したタンパク質設計技術）よりも強力になる可能性があると述べた。の方が強力です。

「治療法からプラスチックの分解まで、事実上あらゆるものに使用できる新しいタンパク質の開発を加速することで、50 年の歴史を持つタンパク質工学の分野を活性化するでしょう。」

Profluent と呼ばれるこの会社は、Salesforce AI 研究の元責任者によって設立され、900 万ドルのスタートアップ資金を受け取っています。 Yu は統合ウェットラボを設立し、機械学習科学者と生物学者を採用しました。

かつては、自然界からタンパク質を採掘したり、タンパク質を必要な機能に調整したりするのは非常に手間がかかりました。 Profulent の目標は、このプロセスを簡単にすることです。 ＃＃＃＃＃＃＃＃＃＃＃＃彼らがした。

#裕福な創設者兼 CEO アリ・マダニ

Madani 氏はインタビューで、Profulent が複数のタンパク質ファミリーを設計したと述べました。これらのタンパク質は典型的なタンパク質と同様に機能するため、非常に活性の高い酵素です。

このタスクは非常に難しく、ゼロショット方式で実行されます。つまり、複数ラウンドの最適化が実行されず、ウェットラボラトリーからのデータさえも提供されません。全て。

結果として得られるタンパク質は非常に活性の高いタンパク質であり、進化するには通常数百年かかります。

#言語モデルに基づく ProGen

#ディープ ニューラル ネットワークの一種として、条件付き言語モデル意味的および文法的に正しいだけでなく、斬新で多様な自然言語テキストを生成でき、入力制御タグを活用してスタイルやトピックなどをガイドできます。

同様に、研究者らは今日の主役である、12 億個のパラメーターを備えた条件付きタンパク質言語モデルである ProGen を開発しました。

具体的には、Transformer アーキテクチャに基づく ProGen は、セルフアテンション メカニズムを通じて残基の相互作用をシミュレートし、入力制御ラベルに基づいてタンパク質ファミリー全体で異なる人工タンパク質配列を生成できます。

条件付き言語モデルを使用した人工タンパク質の生成

このモデルでは、研究者らは 2 億 8,000 万の異なるタンパク質のアミノ酸配列を与え、数週間「消化」させました。

その後、5 つのリゾチームファミリーからの 56,000 の配列とこれらのタンパク質に関する情報を使用してモデルを微調整しました。

Progen のアルゴリズムは、ChatGPT の背後にあるモデルである GPT3.5 に似ており、タンパク質内のアミノ酸の順序規則と、タンパク質の構造および機能との関係を学習します。

すぐに、モデルは 100 万個のシーケンスを生成しました。

研究者らは、天然のタンパク質配列との類似性、およびアミノ酸の「構文」と「意味論」の自然さに基づいて、テスト用に 100 個を選択しました。

これらのうち、66 個は、卵白や唾液中の細菌を破壊する天然タンパク質と同様の化学反応を引き起こしました。

言い換えれば、AI によって生成されたこれらの新しいタンパク質は細菌も殺すことができるということです。

#生成された人工タンパク質は多様で、実験系でよく発現されます

さらに一歩進んで、研究者らは最も強く反応する 5 つのタンパク質を選択し、それらを大腸菌のサンプルに加えました。

その中には、細菌の細胞壁を破壊できる人工酵素が 2 つあります。

鶏卵白リゾチーム（HEWL）と比較すると、その活性はHEWLと同等であることがわかります。

研究者らは、画像化に X 線を使用しました。

人工酵素のアミノ酸配列は既存のタンパク質と最大で30%異なり、同じものは18%しかありませんが、その形状は自然界のものと似ています。それほど違いはなく、同等の機能を備えています。

#条件付き言語モデリングの他のタンパク質システムへの適用可能性

さらに、高度に進化した天然タンパク質の場合、小さな突然変異だけでその機能を停止する可能性があります。

しかし研究者らは、別のスクリーニングラウンドで、AIが生成した酵素の配列の31.4%のみが既知のタンパク質と同一であるにもかかわらず、依然としてかなりの活性と類似した構造を示していることを発見した。 。

#タンパク質設計、新時代の到来

ご覧のとおり、ProGen の仕組みは次のとおりです。 ChatGPT に非常に似ています。

ChatGPT は、膨大なデータを研究して MBA や司法試験を受けたり、大学の論文を書いたりすることができます。

そして、ProGen は、アミノ酸が 2 億 8,000 万の既存のタンパク質にどのように組み合わされるかという構文を学習することで、新しいタンパク質を生成する方法を学びました。

在訪談中，Madani表示，「就像ChatGPT學習英語之類的人類語言一樣，我們是在學習生物和蛋白質的語言」

「人工設計蛋白質的表現比受演化過程啟發的蛋白質好得多，」論文作者之一、加州大學舊金山分校藥學院生物工程與治療科學教授James Fraser說。

「語言模型正在學習演化的各個方面，但它與正常的演化過程不同。我們現在有能力調整這些特性的產生，以獲得特定效果。例如，讓一種酶具有令人難以置信的熱穩定性，或愛好酸性環境，或不會與其他蛋白質相互作用。」

早在2020年，Salesforce Research就開發了ProGen 。它基於的自然語言編程，最初用於生成英語文本。

從先前的工作中，研究者了解到，人工智慧系統可以自學語法和單字的含義，以及其他使寫作井井有條的基本規則。

「當你用大量資料訓練基於序列的模型時，它們在學習結構和規則上的表現非常強大，」Salesforce Research人工智慧研究總監、論文的資深作者Nikhil Naik博士說，「它們會了解哪些詞可以同時出現，該怎樣組合。」

#「現在，我們已經證明了ProGen有能力生成新的蛋白質，並進行了公開發布，所有人都可以在我們的基礎上進行研究。」

#作為蛋白質的溶菌酶雖然非常小，最多約有300個胺基酸。

但是有20種可能的胺基酸，就有20^300種可能的組合。

這比古往今來的所有人類，乘以地球上沙粒的數量，再乘以宇宙中的原子數量的積還要多。

考慮到這近乎無限的可能性，Progen能夠如此輕鬆地設計出有效的酶，確實很了不起。

Profluent Bio創辦人、Salesforce Research前研究科學家Ali Madani博士表示：「開箱即用地從頭開始生成功能性蛋白質的能力，顯示我們正在進入蛋白質設計的新時代。」

「這是所有蛋白質工程師都可以使用的多功能新工具，我們期待看到它被應用於治療。」

同時，研究人員仍在繼續改進ProGen，試圖突破更多的限制和挑戰。

其中之一便它非常地依賴資料。

「我們已經探索了透過加入基於結構的資訊來改善序列的設計，」Naik說，「我們還在研究當你沒有太多關於某個特定蛋白質家族或領域的數據時，如何提高模型的生成能力。」

值得注意的是，還有一些新創公司也在嘗試類似的技術，例如Cradle，以及自生物技術孵化器Flagship Pioneering的Generate Biomedicines，不過這些研究都還未經過同儕審查。

以上がノーベル賞を超えて？生物界で初めて、新しいタンパク質をゼロから合成した「ChatGPT」がNatureサブジャーナルに掲載されました！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。