1737685107
2025-01-24 01:32:00
設計された酵素は、エネルギー、材料、バイオテクノロジー、および医学の用途全体で変革的な影響を与える態勢が整っています。最近、機械学習が酵素工学のための有用なツールとして登場しました。現在、バイオエンジニアと合成生物学者のチームは、何千もの新しい酵素を設計し、現実世界でどのように行動するかを予測し、複数の化学反応でパフォーマンスをテストできる機械学習ガイド付きプラットフォームを開発したと言います。
「酵素工学は、予測設計のためにシーケンス機能関係の大規模なデータセットを迅速に生成し、使用するという課題によって制限されています」と研究者は書いています。 「この課題に対処するために、細胞のないDNAアセンブリ、細胞のない遺伝子発現、および機能的アッセイを統合する機械学習（ML）誘導プラットフォームを開発して、タンパク質配列空間全体にフィットネスランドスケープを迅速にマッピングし、複数の異なる異なる酵素を最適化します化学反応。」
スタンフォードのバイオエンジニアリングの教授であるマイケル・ジュエット博士は、次のように述べています。大学および新研究の上級著者。 「代わりに、機械学習を使用して、実験室で手作業で作成された代わりに、コンピューターでモデル化された変異DNA配列から設計された非常にアクティブなデザイナー酵素を予測します。これらの実験は、数週間ではなく、多くの場合、数か月ではなく数日で実行できます。」
新しい酵素を設計するために作業する場合、科学者は通常、自然にすでに知られている酵素から始めて、望ましい機能を実行するために酵素を変更する必要があります。これらの酵素バリアントに必要なDNAは、サードパーティベンダーから購入し、目的の酵素を生成するために細胞に手動で転送する必要があります。 Jewett氏は、機械学習が潜在的な数千の反復を実行して、科学者が達成しようとしている化学を提供する可能性のある単一の酵素を見つけようとするという課題を克服できると述べた。
「私たちは今、それをすべてコンピューターで行うことができます」と彼は言いました。 「酵素活性を繰り返し改善するために10,000個の化学反応を実行する必要があるのではなく、機械学習モデルを使用して、同様に同様に行う非常に活性なバリアントを予測できます。」
酵素工学の科学は新しいものではなく、機械学習の分野への適用のみです。 Jewettと同僚はそれを「監督の進化」として知っています。彼らは、DNAが偶然変異させ、新しい酵素が重要な結果をもたらすことで、DNAが偶然変異させているため、自然が年齢を超えて経験したプロセスをショートカットしています。
「それは、分子内のこれらのアミノ酸の配列から作られているタンパク質の構造であり、それらの機能につながります」とJewett氏は言いました。 「指示された進化は、タンパク質の機能を変化させるためにアミノ酸を変異させる能力を開発してきた数十年前の分野です。機械学習とコンピューターを使用してプロセスを高速化しています。」チームのワークフローの重要な特徴は、無傷の生物を生きていない細胞のないシステムでタンパク質酵素を合成およびテストする能力であり、それがプロセスをさらに加速することです。
概念の証明として、Jewettと同僚は新しいツールを使用して、最初の10％の収率からの90％の収量での小分子医薬品を合成し、並列で複数の特殊な酵素を構築するために適用できることを示しました。追加の治療。彼は現在、モデルをさらに開発するための製薬パートナーを探しています。
Jewettのグループは、多くの異なる種類の化学反応にわたって触媒または酵素機能を導くために、機械学習モデルを拡大することに関心があります。この論文では、チームは、医薬品から食品まで、さまざまな分野で重要なユビキタスな化学反応であるアミド結合形成のみを検討しました。しかし、他の機会があります。
「私たちは、持続可能性と生物経済における複数の機会を探求することができました。環境から毒素を分解する分子のクラスについて考え始めることができ、タンパク質が豊富な食品のバイオアベイラビリティや、高い圧力、高価な成分、または毒性反応を必要とし、より速く、より安全で、安価にする既存のプロセスをとる他の分子について考え始めることができます。ジュエットは言った。
作業には制限がないわけではありません。 「高品質で高度な機能的データは依然として課題です」と彼は言いました。 「私たちは皆、AIに多くのデータが必要であることを知っています。この時点では、そこにはありません。」
しかし、科学が設計を加速するために機械学習モデルをより頻繁に使用するようになると、これらのデータのニーズは増加するだけで、将来の仕事を指し示しています。この研究では、Jewettは最終的に約1,000の製品と約10,000の化学反応にわたって約3,000の酵素変異体を評価することができました。
「酵素を変異させて何万ものバリアントをテストしたい場合は、スケールの具体的な例を提供し、「私はそこに論文を見つけるかもしれませんが、10のバリアントの変異データを報告するかもしれません。数百ではありません。何千人ではありません。数万の反応ではなく、10。そのため、データの最前線に行く方法がありますが、そこに着きます。これが最初のステップです。」
#AIは酵素工学を加速します