기계 학습이 단백질 설계 문제에 대한 솔루션을 가속화하는 방법 - ScienceDaily

지난 2년 동안 기계 학습은 단백질 구조 예측에 혁명을 일으켰습니다. 이제 3개의 논문에서 과학 단백질 디자인의 유사한 혁명을 설명합니다.

새로운 논문에서 워싱턴 대학 의과 대학의 생물학자들은 기계 학습이 이전에 가능했던 것보다 훨씬 더 정확하고 빠르게 단백질 분자를 생성하는 데 사용될 수 있음을 보여줍니다. 과학자들은 이러한 발전이 많은 새로운 백신, 치료법, 탄소 포집 도구 및 지속 가능한 생체 재료로 이어지기를 희망합니다.

“단백질은 생물학 전반에 걸쳐 기본적이지만 모든 식물, 동물 및 미생물에서 발견되는 모든 단백질은 가능한 것의 1% 미만을 구성한다는 것을 알고 있습니다. 이러한 새로운 소프트웨어 도구를 사용하여 연구자들은 장기간에 걸친 솔루션을 찾을 수 있어야 합니다. -의학, 에너지, 기술 분야의 도전 과제”라고 선임 저자인 워싱턴 대학 의과대학 생화학 교수이자 2021년 생명 과학 분야의 획기적인 상을 받은 데이비드 베이커(David Baker)가 말했습니다.

단백질은 모든 생명체의 구조와 기능에 필수적이기 때문에 종종 “생명의 빌딩 블록”이라고 합니다. 그들은 성장, 분열 및 복구를 포함하여 세포 내부에서 일어나는 거의 모든 과정에 관여합니다. 단백질은 아미노산이라는 긴 사슬의 화학 물질로 구성됩니다. 단백질의 아미노산 서열은 단백질의 3차원 형태를 결정합니다. 이 복잡한 모양은 단백질이 기능하는 데 중요합니다.

최근 AlphaFold 및 RoseTTAFold를 포함한 강력한 기계 학습 알고리즘이 아미노산 서열만을 기반으로 천연 단백질의 상세한 모양을 예측하도록 훈련되었습니다. 머신 러닝은 컴퓨터가 명시적으로 프로그래밍하지 않고도 데이터에서 학습할 수 있도록 하는 인공 지능의 한 유형입니다. 기계 학습은 인간이 이해하기 너무 어려운 복잡한 과학적 문제를 모델링하는 데 사용할 수 있습니다.

자연에서 발견되는 단백질을 뛰어넘기 위해 Baker의 팀원들은 단백질 설계의 과제를 세 부분으로 나누고 각각에 대해 새로운 소프트웨어 솔루션을 사용했습니다.

먼저 새로운 형태의 단백질이 생성되어야 합니다. 7월 21일 저널에 게재된 논문에서 과학, 팀은 인공 지능이 두 가지 방식으로 새로운 단백질 모양을 생성할 수 있음을 보여주었습니다. “환각”이라고 불리는 첫 번째는 DALL-E 또는 간단한 프롬프트를 기반으로 출력을 생성하는 기타 생성 AI 도구와 유사합니다. 두 번째는 “인페인팅”이라고 하며 최신 검색창에서 볼 수 있는 자동 완성 기능과 유사합니다.

둘째, 프로세스 속도를 높이기 위해 팀은 아미노산 서열을 생성하는 새로운 알고리즘을 고안했습니다. 의 9월 15일자에 설명되어 있습니다. 과학, ProteinMPNN이라는 이 소프트웨어 도구는 약 1초 만에 실행됩니다. 이는 이전 최고의 소프트웨어보다 200배 이상 빠릅니다. 그 결과는 이전 도구보다 우수하며 소프트웨어를 실행하는 데 전문적인 사용자 정의가 필요하지 않습니다.

“신경망은 데이터가 많다면 훈련하기 쉽지만 단백질의 경우 우리가 원하는 만큼 많은 예가 없습니다. 우리는 이 분자의 어떤 특징이 가장 중요한지 확인해야 했습니다. 단백질 디자인 연구소(Institute for Protein Design)의 박사후 연구원인 프로젝트 과학자 Justas Dauparas는 이렇게 말했습니다.

셋째, 팀은 Alphabet의 DeepMind에서 개발한 도구인 AlphaFold를 사용하여 그들이 생각해낸 아미노산 서열이 의도한 모양으로 접힐 가능성이 있는지 여부를 독립적으로 평가했습니다.

Dauparas는 “단백질 구조를 예측하기 위한 소프트웨어는 솔루션의 일부이지만 자체적으로 새로운 것을 생각해낼 수는 없습니다.”라고 설명했습니다.

“ProteinMPNN은 AlphaFold가 단백질 구조 예측에 있었던 것처럼 단백질을 디자인하는 것입니다.”라고 Baker가 덧붙였습니다.

에 나오는 다른 논문에서 과학 9월 15일 Baker 연구소 팀은 새로운 기계 학습 도구의 조합이 실험실에서 작동하는 새로운 단백질을 안정적으로 생성할 수 있음을 확인했습니다.

단백질 디자인 연구소(Institute for Protein Design)의 박사후 연구원인 프로젝트 과학자 Basile Wicky는 “우리는 ProteinMPNN을 사용하여 만든 단백질이 의도한 대로 접힐 가능성이 훨씬 더 높으며 이러한 방법을 사용하여 매우 복잡한 단백질 어셈블리를 만들 수 있음을 발견했습니다”라고 말했습니다.

새로 만들어진 단백질 중에는 연구원들이 맞춤형 나노기계의 부품이 될 수 있다고 믿는 나노크기 고리가 있습니다. 양귀비 씨보다 약 10억 배 작은 직경을 가진 고리를 관찰하기 위해 전자 현미경이 사용되었습니다.

Baker는 “이것은 단백질 설계에서 기계 학습의 시작점입니다. 앞으로 몇 달 동안 이러한 도구를 개선하여 더욱 역동적이고 기능적인 단백질을 생성하기 위해 노력할 것입니다.”라고 말했습니다.

이 작업을 위한 컴퓨터 리소스는 Microsoft와 Amazon Web Services에서 기증했습니다.

기금은 단백질 디자인 연구소(Institute for Protein Design)의 Audacious Project에서 제공했습니다. 마이크로소프트; Schmidt Futures의 추천으로 Eric 및 Wendy Schmidt; DARPA 시너지 발견 및 디자인 프로젝트(HR001117S0003 계약 FA8750-17-C-0219); 인명 구조 치료를 위한 DARPA 효소 활동 활용 프로젝트(HR001120S0052 계약 HR0011-21-2-0012); 워싱턴 연구 재단; 열린 자선 프로젝트 개선 단백질 디자인 기금; 암젠; Alfred P. Sloan 재단 생명 유지 프로그램 보조금(G-2021-16899); 알츠하이머병 연구의 발전을 가속화하기 위한 Donald and Jo Anne Petersen 기부금; 휴먼 프론티어 과학 프로그램 교차 징계 펠로우십(LT000395/2020-C); EMBO 비급여 휄로우십(ALTF 1047-2019) 및 EMBO 장기 휄로십(ALTF 191-2021)을 포함한 유럽 분자 생물학 기구(ALTF 139-2018); “라 카이사” 재단; Hanna Gray 펠로우십(GT11817)을 포함한 Howard Hughes Medical Institute; 국립 과학 재단(MCB 2032259, CHE-1629214, DBI 1937533, DGE-2140004); 국립 보건원(DP5OD026389); 국립 알레르기 및 전염병 연구소(HHSN272201700059C); 국립 노화 연구소(5U19AG065156); 국립 일반 의학 연구소 (P30 GM124169-01, P41 GM 103533-24); 국립암연구소(R01CA240339); 스위스 국립 과학 재단; 분자 시스템 공학을 위한 스위스 국립 센터; 스위스 국립 화학 생물학 역량 센터; 및 유럽 연구 위원회(716058).

출처: https://www.sciencedaily.com/releases/2022/09/220915142503.htm