HyperAI超神経

これまで、生成タンパク質設計モデルRF拡散は、理想的な活性部位を記述することで、正確に固定された部位を持つタンパク質構造を主に生成していました。しかし、このアプローチには克服が困難な2つの大きな制限がありました。

* 活性部位の形状は残基レベルでのみ指定できるため、研究者は側鎖回転異性体を列挙することによって残基の可能なバックボーンの位置を決定する必要があります。

* 触媒残基の位置はシーケンス内で事前に決定する必要があり、サンプル溶液のスペースが大幅に制限されます。

関連する課題への対応として、2025 年 4 月にワシントン大学タンパク質設計研究所は、新しい生成モデルである Rosetta Fold diffusion 2 (RFdiffusion2) をリリースしました。これにより、シンプルな化学反応の記述に基づいてカスタマイズされた活性部位を持つタンパク質骨格を生成するための最適化されたパスが実現され、触媒設計における長年の技術的ボトルネックが打破されました。プラスチックの劣化を含むさまざまな用途に強力な技術サポートを提供します。

RFdiffusion2は、逆回転異性体生成を必要とせず、配列に依存しない官能基位置の記述に基づくタンパク質設計を可能にする、新たな深層生成アプローチを採用しています。従来のモデルと比較して、RFdiffusion2の最適化は3つの主要領域に重点を置いています。

* 残基の列挙と配列のインデックス作成への依存を排除し、フローマッチングと確率的センタリング手法を導入して、モデルが原子レベルで直接タンパク質バックボーンを生成できるようにしました。

* インデックスフリーの原子レベルの活性部位生成をサポートし、リガンド情報を処理し、生成プロセス中にリガンドの立体配座を自動的にサンプリングできるため、設計の柔軟性が向上します。

* 41 種類の活性部位をカバーする計算タンパク質設計ベンチマークである新しい AME ベンチマークを活用します (以前の世代では 16 種類のみをカバーしていました)。

さらなる実験で、研究チームは3つの異なる触媒部位を中心としてタンパク質を設計した。実験結果から、RFdiffusion2 は、以前の方法に比べてパフォーマンスが大幅に向上し、41 のケースで制約を満たすタンパク質バックボーンを 100% の成功率で生成することに成功しました。同じ条件下では、RFdiffusion1の成功率はわずか39%程度でした。RFdiffusion2の登場は、AI駆動型タンパク質設計における重要な一歩と言えるでしょう。

RFdiffusion2：タンパク質設計ツールが、HyperAI公式サイト（hyper.ai）のチュートリアルセクションで公開されました。ワンクリックで最新のタンパク質生成ツールを体験してください。

チュートリアルのリンク:

https://hyper.ai/cn/tutorials/44096

デモの実行

1. ブラウザにhyper.aiのURLを入力します。ホームページにアクセスしたら、「チュートリアル」ページをクリックし、「RFdiffusion2: Protein Design Tool」を選択して、「このチュートリアルをオンラインで実行」をクリックします。

2. ページがジャンプしたら、右上隅の「クローン」をクリックしてチュートリアルを独自のコンテナにクローンします。

3. NVIDIA GeForce RTX 4090 と PyTorch イメージを選択し、「続行」をクリックします。 OpenBayes プラットフォームは 4 つの課金方法を提供します。ニーズに応じて、「従量課金制」または「日次/週次/月次」を選択できます。新規ユーザーは、以下の招待リンクを使用して登録すると、4 時間の RTX 4090 + 5 時間の CPU フリー時間を獲得できます。

HyperAI ハイパーニューラルの専用招待リンク (ブラウザに直接コピーして開きます):

https://openbayes.com/console/signup?r=Ada0322_NR0n