AIによる人工酵素の開発

酵素は生命に欠かせないものです。それらは自然の小さな触媒です。腸内では、食物の消化を助けます。少ないエネルギーで香りを高めたり、衣類をきれいにしたりできます。酵素は病気を治療するための強力な薬も作ります。の 科学者 彼らが新しい酵素を作りたがるのは当然のことです。彼らは、空からの温室効果ガスの吸収から環境中の有害な毒素の分解まで、あらゆることを行うと想像されています。

この古くからある新しい酵素の探索が、さらに簡単になりました。産業生物学者と合成生物学者のチームが開発した AIフレームワーク これにより、何千もの新しい酵素を設計し、それらが現実世界でどのように動作するかを予測し、複数の化学反応でのパフォーマンスをテストできます。

«私たちは、今日のように酵素を作るために生きた細胞を使用する必要がないため、酵素をはるかに速く作ることができる計算プロセスを開発しました。“、 言った マイケル・ジュエット、スタンフォード大学の生物工学教授であり、新しい研究の筆頭著者。 」代わりに、機械学習を使用して、研究室で手作業で作成されるのではなく、コンピューター上でモデル化された突然変異 DNA 配列から作られる高活性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、数日で、あるいは、よくあることですが、数か月で実施できます。»。

歴史的に、新しい酵素の作成に取り組む科学者は、自然界ですでに知られている酵素から始める必要がありました。次に、研究室で実際の遺伝子組み換え細胞を使用して、酵素に繰り返し変更を加えて、達成したい望ましい化学反応を酵素が実行するように誘導しました。

これらの酵素変異体に必要な DNA は、サードパーティのサプライヤーから購入する必要があります。次に、目的の酵素を生成するために DNA を手動で細胞に移す必要があり、その後、酵素を精製して一連の化学反応でテストする必要があります。 ジュエット氏の報告によると、科学者が達成しようとしている化学を生み出す可能性のある単一の酵素を見つけようとすると、場合によっては数千回、場合によっては数万回、あるいは数十万回の反復が必要になることもあります。。

今ではこれらすべてをコンピュータ上で行うことができます。酵素活性を反復的に向上させるために 10,000 回の化学反応を実行する代わりに、機械学習モデルを使用して、依然として同様に機能する高活性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ありませんが、この分野での機械学習の応用は確かに新しいものであり、Jewett と彼の同僚はそれを次のように認識しています。指向性進化»。これらは、DNAがランダムに突然変異し、新しい酵素が出現し、時には重大な結果をもたらすため、自然そのものが何世紀にもわたって経験してきたプロセスを短縮します。結局のところ、酵素はアミノ酸の長い列からなるたんぱく質にすぎません。 DNA は鎖の生成を指示します。 DNAを変えると酵素も変わります。

«タンパク質の構造は、分子内のこれらのアミノ酸の配列によって作成され、その機能を駆動します。」と強調する ジュエット。 «指向進化は、アミノ酸を突然変異させてタンパク質の機能を変化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ティングを使用してプロセスを高速化するだけです»。チームの AI フレームワークの重要な機能は、無細胞システムでタンパク質酵素を合成してテストできる機能であり、これによりプロセスがさらに高速化されます。

概念実証として、 Jewettらは、新しいツールを使用して小分子医薬品を元の収率10%から90%の収率で合成し、それを応用して複数の特殊な酵素を並行して製造し、さらに8種類の治療薬を製造できることを示した。 同社は現在、この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る。より広範には、Jewett のチームは、さまざまな種類の化学反応における触媒作用、つまり酵素の機能をガイドするために使用する機械学習モデルを拡張することに興味を持っています。今回の研究では、研究チームはアミド結合の形成のみに注目しました。アミド結合は、医薬品から食品に至るまで、さまざまな分野で重要な普遍的な化学反応です。しかし、他にもチャンスはあります。

私たちは持続可能性とバイオエコノミーにおける複数の機会を探ることができます。私たちは、環境毒素を分解したり、タンパク質が豊富な食品のバイオアベイラビリティを高めたり、高圧、高価な成分、毒性反応を必要とする既存のプロセスを利用して、それらをより速く、より安全で、より安価にする分子のクラスについて考え始めることができるでしょう。

ジュエット氏と彼の同僚の研究には、主にデータ不足による障害がなかったわけではありません。 」高品質かつ量の機能データは依然として課題です。私たちは皆、それを知っています 人工知能 大量のデータが必要ですが、現時点ではデータがありません»。

この研究では、 ジュエット 彼は最終的に、約 1,000 の製品の約 3,000 の酵素変異と約 10,000 の化学反応を評価することができましたが、必要なデータは桁違いに大きくなります。

«酵素を突然変異させて何万ものバリエーションをテストしたい場合“、 言った ジュエット、スケールの具体例を示します。 」論文は見つかるかも知れませんが、10 種類の変異についての変異データが報告されているかもしれません。何百ものではありません。何千ものではありません。反応は何万件ではなく、10件です。したがって、データの面で前進する方法はありますが、必ずそこに到達します。これが最初のステップです»。

[via]