勉強。 mRNAワクチンの開発は人工知能を活用することで効率化できる

プリンストン大学の科学者は機械学習モデル UTR-LM を開発しました (5’非翻訳領域言語モデル)これは、非常に効果的な mRNA ベースのワクチンの開発に大きな影響を与える可能性があります。

メッセンジャー RNA やさまざまな生物学的配列の解読を中心としたアプリケーションを備えた他の AI モデルと比較して、 UTR-LM は、mRNA の 5′ 非翻訳領域に焦点を当てた最初のデジタル ツールです。

雑誌に掲載された研究結果によると ネイチャーマシンインテリジェンスUTR-LM は、mRNA ワクチン開発で使用される最高のベンチマークを上回り、次の結果をもたらしました。

• 負荷予測が 5% 向上 リボソーム;
• 翻訳プロセスの有効性予測が 8% 向上。
• タンパク質生産プロセスの効率が 32.5% 向上しました。

さらに、デジタル ツールを使用して、211 個の新規 5′ 非翻訳領域を含むライブラリを設計しました。 配列は特定の機能（主に翻訳プロセスをより効率的にするため）を満たすように最適化され、その後研究室で評価されました。 結果は次のことを示しました。 現在 mRNA ワクチン開発で使用されている最も最適化された 5′ UTR 配列のパフォーマンスと比較して、タンパク質生産効率が約 33% 向上しました。 タンパク質合成の効率がたとえわずかでも向上することは、新しく改良された治療薬を得る上で大きな進歩となります。

UTR-LM は、さまざまな種に由来する内因性 5′ UTR 領域でトレーニングされました。 また、モデルの準備には、タンパク質の構造やエネルギーだけでなく、タンパク質合成プロセスに関する情報の統合も含まれます。 モデルのトレーニング プロセスで最も困難な部分は、複数の研究からの小さなデータ セットをつなぎ合わせたデータベースの作成でした。

「モデルのトレーニングに使用されるデータベースの一部は、有効性の測定値を含む研究から取得されていますが、データベースの別の部分は、発現レベルを測定した別の研究から取得されています。また、ラベルのないデータも複数のソースから収集しました。そのようなモデルのトレーニングは、次のようなものではありません。」これらすべてのシーケンスを結合するだけでなく、これまでに収集されたラベルを含むシーケンスを結合することもこれまでに行われたことはありません」と彼は言います。 学習コーディネーター ワン・メンディ機械学習の専門家。

UTR-LM デジタル ツールは、チャットボット開発で使用される LLM とほぼ同じ原理で動作します。 チャットGPT。 それらを区別する要素の 1 つは、トレーニングに使用されるデータセットです。 仮想アシスタントはインターネットからの数十億のテキスト情報を使用してトレーニングされますが、UTR-LM は数十万の生物学的シーケンスを使用してトレーニングされます。

生物学のセントラルドグマでは、遺伝情報が流れる方向を DNA – RNA – タンパク質と定義しています。 転写と呼ばれるプロセスを通じて、メッセンジャー RNA は DNA から遺伝情報を取得し、それを翻訳を通じてタンパク質合成を担う細胞構造に伝えます。 mRNA の一部だけが将来のタンパク質に必要な遺伝暗号を含み、その部分も翻訳されます。 特定の、 5`非翻訳領域 これは mRNA 分子の先頭にあり、翻訳プロセスの制御に重要な役割を果たし、タンパク質の遺伝子発現レベルにも影響します。

こちらもお読みください:

メッセンジャーRNAに基づくワクチン 彼らは新型コロナウイルス感染症のパンデミックによって世間の注目を集めるようになったが、その裏には20年以上の研究があった。 現在、これらのワクチンががん治療に与える影響について研究が行われています。