タンパク質工学は、「試行錯誤によるスクリーニング」から「計算による事前スクリーニング」へと移行しつつある。これは、ウェット実験を行う前に計算手法を用いて変異がタンパク質機能に及ぼす影響を評価することで、候補を絞り込み、実験コストを削減するものである。しかし、タンパク質の変異空間は広大であり、構造と機能の関係は複雑である。予測の効率性と精度を両立させることは、この分野における長年の課題となっている。

2025年7月、上海交通大学は、華東理工大学および上海人工知能研究所と共同で、タンパク質変異の影響予測モデルであるVenusREMを発表した。本論文はISMB/ECCB 2025で発表され、Bioinformaticsに索引登録された。現在、ProteinGymの置換変異ベンチマークで第1位にランクされています。

VenusREMの中核となる考え方は「検索強化」です。タンパク質言語モデルに基づいて検索強化メカニズム（REM）を導入し、推論時に多重配列アライメント（MSA）からの相同配列情報を参照として、相同タンパク質の進化情報から保存性と変異原性に関する事前知識を抽出することで、予測精度を向上させます。

モデルアーキテクチャに関して言えば、VenusREMはProSST構造認識型タンパク質言語モデルに基づいて構築されており、アミノ酸配列と三次元構造情報を統合し、アミノ酸配列、構造配列、またはその両方の組み合わせなど、複数の検索モードをサポートし、さまざまなデータ条件下で安定したパフォーマンスを維持できます。

配列、構造、進化情報の包括的な利用を活用することで、VenusREMは、タンパク質工学における変異体スクリーニング、指向性進化実験前の候補プロトコルの評価、および疾患関連の病原性変異の解析に利用できます。これは研究者が潜在的な重要な変異部位をより迅速に特定するのに役立ち、計算による予測から実験による検証への移行を加速させる。

現在、VenusREMはHyperAIチュートリアルセクションを公開しており、ユーザーはチュートリアルに従って、環境設定やモデル展開から変異効果予測、結果可視化までの全プロセスを完了できます。また、ユーザーはサンプル配列を置き換えることで、モデルを自身のターゲットタンパク質研究に直接適用することも可能です。⬇️

オンラインで実行:

https://go.hyper.ai/tfNeL

その他のオンラインチュートリアル：

https://hyper.ai/notebooks

チュートリアル実行中

1. hyper.ai のホームページにアクセスしたら、「チュートリアル」ページを選択するか、「その他のチュートリアルを表示」をクリックし、「VenusREM: 検索強化型タンパク質変異効果予測」を選択して、「このチュートリアルを実行」をクリックします。

2. ページがリダイレクトされたら、右上隅の「複製」をクリックして、チュートリアルを独自のコンテナーに複製します。

注：ページの右上で言語を切り替えることができます。現在、中国語と英語が利用可能です。このチュートリアルでは英語で手順を説明します。

3. 「NVIDIA RTX 5090」と「PyTorch」の画像を選択し、「ジョブの実行を続行」をクリックします。

4. リソースが割り当てられるのを待ちます。ステータスが「実行中」に変わったら、「ワークスペースを開く」をクリックしてJupyterワークスペースに入ります。

エフェクト表示

1. ページがリダイレクトされたら、左側のREADMEファイルをクリックし、上部の「実行」をクリックします。

2. 処理が完了すると、チュートリアルで変異の影響予測結果と可視化ヒートマップを確認できます。これにより、各部位のアミノ酸置換がタンパク質の機能に与える影響を直感的に把握できます。