深層学習がタンパク質設計に挑戦する (Deep learning takes on protein design)
AlphaFoldやRosettafoldのような深層学習のアプローチにより、信頼性の高いタンパク質構造予測が広く利用できるようになった。その逆問題である、所望の構造に折り畳まれる配列を見出すことについては、ほとんどのアプローチは依然としてエネルギー最適化に基づいている。 2つの論文は、深層学習による方法によって、さまざまなタンパク質設計の問題に取り組んでいる。Dauparasたちは、最近の深層学習によるタンパク質設計のアプローチを基に、ProteinMPNNと呼ばれる手法を開発した。彼らは設計を実験的に検証し、 RosettaFoldやAlphaFold を用いて作られた以前には失敗だった設計を、ProteinMPNNが救うことができることを示した。Wickyたちは、ランダム配列から開始し、AlphaFoldによる構造予測と組み合わせたモンテカルロ法による配列検索を用いて、環状ホモ・オリゴマーを設計した。その設計はそれでも、安定して発現するように生成されたが、その配列はProteinMPNNを使用して再生成する必要があった。このアプローチは、実験的に検証された広範な環状オリゴマーの設計を可能とし、より複雑な集合体設計への道が開いた。(Wt,kh)