「タンパク質設計の革命：ディープラーニングの改良により成功率が10倍に向上したこのAI研究」

Protein design revolution AI research that improved success rate by 10 times through improvements in deep learning.

タンパク質はほぼすべての疾患を統治するポリマー構造です。主な問題は、どのタンパク質がそれに対応するタンパク質ポリマー構造と結合できるかを見つけることです。主な負荷は、大量の分子から結合できる分子を見つけることです。これには、機械学習とディープラーニングモデルの使用が必要です。研究科学者のチームは、以前に得られた分子と比較して10倍のサイズの分子を予測するためにディープラーニングの技術を使用しました。研究科学者たちは、ディープラーニングモデルを通じて親水性結合の強さの品質についても引き続き取り組んでいます。

ディープラーニングアルゴリズムは、前述のように、生データを使用して高品質の特徴と情報を抽出します。タンパク質配列の変換を研究するために、ディープラーニングの技術を介した反復的な手法が使用されました。予測または生成された構造は、ほぼ1に近い精度を持つことが判明しました。これらの反復的な手法は、正確に予測されたモデルに収束するために使用されました。研究チームはタンパク質設計のために2つのソフトウェアツールを開発しました。ベクトルの形で独立した情報があるため、すべてのタンパク質設計は互いに独立していることも判明しました。問題は、膨大な計算装置で一斉に実行される何百万ものデザインに分割されます。

ワシントン大学シアトル校、ハワード・ヒューズ医学研究所、タンパク質設計研究所の研究チームは、得られたタンパク質分子を小さなエンティティの塊に分割しました。それから、それぞれの塊をLinuxの施設を使用してフロンテラのコンピュートノードに割り当てます。これらの小さなタンパク質エンティティはさらに小さなエンティティに分割されます。これらは計算設計ソフトウェアに渡されます。さらにタンパク質ソフトウェアに渡され、計算効率が増加します。これにより、効率は以前に記録された約200倍になります。

• AIモデルは、患者のがんがどこで発生したかを判断するのに役立つことができます
• UCバークレーの研究者は、Dynalangを紹介しますこれは、未来のテキストおよび画像表現を予測するためにマルチモーダルなワールドモデルを学習するAIエージェントであり、想像されたモデルのロールアウトからの行動を学習します
• MONAI 生成モデル：医療画像の進歩に向けたオープンソースプラットフォーム

この結果は、ターゲットタンパク質に対する結合の学習速度が10倍に増加していることを示しています。研究者たちは多大な努力を払っていますが、この経路はまだ長い道のりがあります。この研究のさらなる計画は、タンパク質分子により良いターゲットを提供し、タンパク質分子の成功率や精度を高めることです。このプロジェクトはまた、明日のがん治療ツールの開発を目指しています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!