HyperAI超神経

生体システムでは、タンパク質が単独で生物学的機能を果たすことはほとんどなく、複雑な生物学的プロセスを実行するためにタンパク質間相互作用 (PPI) に依存しています。PPI を特異的に標的とし、制御できるタンパク質複合体を設計することは、治療上およびバイオテクノロジー上の大きな可能性を秘めています。しかし、免疫化、抗体ライブラリのスクリーニング、指向性進化などのタンパク質結合剤を生成する従来の方法は、多くの場合、手間と時間がかかり、標的部位の制御が限られています。

計算によるタンパク質設計は、特定のターゲットと結合部位に合わせて結合剤をカスタマイズするための強力な代替手段を提供します。そして初期の計算方法 (Rosetta など) では、物理モデリングとサイドチェーンの最適化を通じてインターフェース設計を組み合わせようとしましたが、成功率は 0.1% 未満になることがよくありました。ディープラーニングの時代において、AlphaFold2などの構造予測モデルはこの状況を一変させました。これらのモデルは、個々のタンパク質の3次元フォールディング構造を正確に予測できるだけでなく、タンパク質複合体の空間的相互作用をシミュレートすることもできます。

しかし、これはまだ真の「インテリジェントデザイン」とは言えません。RF拡散法やタンパク質MPNN法といった既存の手法では、スケルトンとドッキングインターフェイスを手動で設定し、AlphaFold を使用してそれが妥当かどうかを確認する必要があります。では、AlphaFold はすでにタンパク質の構造を理解できるので、逆に「考え」、ターゲットに完全に一致する新しいタンパク質を直接生成することは可能でしょうか?

これに基づいて、スイス連邦工科大学ローザンヌ校（EPFL）とマサチューセッツ工科大学（MIT）のチームは、タンパク質バインダーをゼロから設計するためのオープンソースの自動化プロセス「BindCraft」を提案しました。その核となるアイデアは、幻覚的なバインダー配列をAlphaFold2の重みを通して逆伝播させ、誤差勾配を計算することです。研究チームは、AlphaFold2のマルチボディバージョンとニューラルネットワークを組み合わせ、勾配最適化によってタンパク質の構造、配列、界面を同時に生成しました。これにより、ハイスループットスクリーニング、実験の反復、さらには既知の結合部位を必要とせずに、ナノモルレベルの親和性を持つde novoバインダーをin silicoで生成することが可能になりました。

実験結果によると、BindCraft は、複雑な構造と大きな薬理学的意義を持つ 12 のターゲットにおいて画期的な結果を達成しました。実験の成功率は 10% から 100% の範囲で、平均成功率は 46.3% です。つまり、以前は数百、数千回のスクリーニングを必要とした設計作業で、たった 1 回の計算で使用可能な組み合わせが得られるようになります。

現在、「BindCraft: Protein Binder Design」はHyperAI公式サイトの「チュートリアル」セクションで公開されています。以下のリンクをクリックして、ワンクリックでデプロイできるチュートリアルをお試しください⬇️

チュートリアルのリンク:

https://go.hyper.ai/tjifE

デモの実行

1. hyper.ai ホームページで「チュートリアル」ページを選択し、「BindCraft: Protein Binder Design」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 5090とPyTorchのイメージを選択し、「続行」をクリックします。OpenBayesプラットフォームでは、従量課金制、日単位/週単位/月単位の4つの課金オプションをご用意しています。新規ユーザーは、以下の招待リンクから登録すると、RTX 5090を4時間分、CPU時間を5時間分無料でご利用いただけます。

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