新研究: 深層学習モデルがGoogle AIを超えてペプチド構造を予測

Tokyoトロント大学の研究者たちは、新たにディープラーニングモデル「PepFlow」を開発しました。このモデルはペプチドが取りうる様々な形を予測することができます。ペプチドとは、タンパク質よりも短いアミノ酸の鎖で、似た機能を持っています。非常に柔軟性があり、多様な形態をとることができます。

PepFlowは、ペプチドがどのように折りたたまれるかを理解するために、機械学習と物理学を利用しています。ディープラーニングを用いることで、ペプチドの形状を迅速かつ正確に数分で決定します。この新しい手法は、結合剤として働くペプチドを設計することにより、薬剤開発に役立つ可能性があります。

PepFlowの主な特徴を以下に示します。

• あらゆるペプチドの形状を予測します
• 機械学習と物理学を組み合わせています
• ペプチドのコンフォメーションを数分で捉えます
• 薬剤開発に役立ちます

ペプチドの立体構造はその機能にとって重要です。どのように折りたたまれるかが、他の分子との結合や作用に影響を与えます。これにより、ペプチドは多くの生物学的プロセスや医薬品において重要な役割を果たします。例えば、GLP1アナログのオゼンピックは、糖尿病や肥満の治療に使用されます。

PepFlowは、重要な生体分子であるペプチドを専門としています。新しいモデルは、1つのペプチドに対して複数の形状を生成できるため、GoogleのAlphaFold2よりも優れています。AlphaFold2はその機能を持つように設計されていませんでした。

関連記事:

今日 · 9:35

AI、腰痛アドバイスで医師に匹敵する正確さを示す

トロント大学のフィリップ・M・キム教授がこの研究を主導しました。彼は、これまでペプチドの形状を全て研究することができなかったと説明しました。また、キム教授は大学のアーツ＆サイエンス学部でコンピュータサイエンスを教えています。

PepFlowは、その独自の技術的特徴によって際立っています。この技術は、物理学に基づいた高度な機械学習モデルであるボルツマン・ジェネレーターから着想を得ています。PepFlowは、マクロ環化によって形成される独特な形状のリング状構造などのペプチド構造をモデル化することができます。これらのペプチドマクロサイクルは、新薬開発の可能性を秘めています。

PepFlowにはいくつかの制限があります。これは初めてのバージョンなので、改良の余地があります。著者たちは、PepFlowをより良くするためのいくつかの方法を挙げています。

• 溶媒原子に関するデータを用いてモデルを学習させる
• 環状構造における原子間の距離についての制約を強化する

PepFlowは新機能や情報を簡単にアップグレードできるように設計されています。開発には2年半かかり、訓練には1ヶ月を要しました。研究の主任著者であるOsama Abdin氏は、複数の構造を予測できるモデルを作り上げることができたのは努力の賜物だと述べています。

この研究はNature Machine Intelligenceに掲載されました。このモデルは、有用で効率的なツールであり、ペプチドの結合に基づく治療法の開発に役立つ可能性があります。ペプチドのエネルギーパターンを理解することは、それらの機能や医学における利用法についての重要な情報を提供します。