1200倍速い！ MIT が古いモデルを打破する新世代の医薬品研究開発 AI を開発

誰もが知っているように、宇宙全体は無数の分子で満たされています。

これらの分子のうち、命を救う薬の開発に使用できる可能性のある薬のような特性を持っている分子はいくつありますか? 100万ですか？それとも何十億？それとも数兆？

答えは、10 の 60 乗です。

このような膨大な数が新薬の開発を大幅に遅らせています。新型コロナウイルス感染症のような急速に蔓延している病気に対しては、現時点では特効薬がありません。これは分子の種類と量が多すぎるためでもありますが、現在利用可能なものをはるかに超えており、医薬品設計モデルが実行できる計算の範囲。

MIT の研究チームは、この悪事を信じていません。ダメだよね、だったら前モデルを加速すればいいんじゃない？

この加速度は1200倍です。

彼らは、以前の最速の計算分子ドッキング モデル「QuickVina2-W」よりも 1,200 倍高速な「EquiBind」と呼ばれる幾何学的な深層学習モデルを研究し、薬物のような分子を組み合わせることに成功しました。タンパク質に結合すると、治験失敗の可能性とコスト。

この研究論文は ICML 2022 で発表される予定です。

「EquiBind」の初紹介

「EquiBind」は前身「EquiDock」をベースに開発されています 「EquiDock」は後期MITを利用して開発された技術です同大学の AI 研究者 Octavian-Eugen Ganea 氏によると、2 つのタンパク質を組み合わせたものです。 Ganea は、「EquiBind」論文の共著者でもあります。

医薬品開発を開始する前に、研究者は、創薬プロセス中に特定のタンパク質標的に正しく結合、つまり「ドッキング」できる有望な医薬品のような分子を見つけなければなりません。

タンパク質とのドッキングに成功した後、薬物（リガンド）を組み合わせると、タンパク質の機能が妨げられることがあります。これが細菌の必須タンパク質の 1 つに起こると、細菌を殺し、体を守ることができます。

しかし、創薬のプロセスは、経済面でも計算量の面でも多額の費用がかかる可能性があり、研究開発プロセスには数十億ドルの費用がかかることが多く、FDA による最終承認までには 10 年以上かかります。長年にわたる開発とテスト。

さらに重要なことは、薬の 90% は、効果がないか、副作用が多すぎるため、人体での治験後に失敗するということです。

したがって、製薬会社がこれらのコストを回収する方法の 1 つは、最終的に開発に成功した薬の価格を上げることです。

「EquiBind」について

現在、有望な薬剤候補分子を見つけるための計算プロセスは次のとおりです。最先端の計算モデルのほとんどは、多数の候補サンプルをスコアリング、ランキング、微調整などの方法と組み合わせて、リガンドとタンパク質の最適な「一致」を取得します。

マサチューセッツ工科大学電気工学・コンピューターサイエンス学科の大学院1年生で論文の筆頭著者であるハンネス・スターク氏は、典型的な「リガンドとタンパク質」の結合方法を「鍵をはめようとする試み」に例えた。何か。「錠前には鍵穴がたくさんある。」

# 一般的なモデルは、最適なモデルを選択する前に、時間をかけて各「適合度」をスコアリングします。これに対し、「EquiBind」はタンパク質のターゲットポケットを事前に知る必要がなく、わずか1ステップで正確なキーの位置を直接予測することができ、これを「ブラインドドッキング」と呼びます。

タンパク質内のリガンドの好ましい位置を見つけるために何度も試行する必要があるほとんどのモデルとは異なり、「EquiBind」には、モデルが分子の基礎となる物理的特性を学習し、成功するのに役立つ幾何学的推論機能がすでに組み込まれています。要約する。これにより、新しいデータや認識できないデータに遭遇したときに、一般化を成功させてより適切な予測を行うことができます。

これらの調査結果の発表はすぐに、Relay Therapeutics の最高データ責任者である Pat Walters を含む業界専門家の注目を集めました。

ウォルターズ博士は、チームが肺がん、白血病、胃腸腫瘍に使用されている既存の薬剤とタンパク質でモデルを試すことができると提案しました。従来のドッキング方法のほとんどはこれらのタンパク質上のリガンドをうまく結合できませんでしたが、EquiBind は成功しました。

Walters 氏は次のように述べています。「EquiBind は、姿勢予測と結合部位の同定を組み合わせた、ドッキング問題に対する独自のソリューションを提供します。」

「そして、この方法は、「公開されている何千もの情報からの情報」からのデータを利用します。結晶構造は、新しい方法でこの分野に影響を与える可能性を秘めています。」シュテルク氏は、「他のアプローチがすべて完全に間違っていたか、1 つだけが正しかったときは驚きました。なぜなら、EquiBind はそれを正しいポケットに入れることができたので、私たちは今、この結果を見ることができてとても興奮しています!」

「EquiBind」をヘルプしてください

「EquiBind」には業界の専門家から多くのコメントが寄せられていますが、そのフィードバックはチームが計算モデルの実際的な使用法を検討するのに役立ちました。しかし、スターク氏は、7 月に開催される ICML で異なる視点を見つけたいと考えています。

Stärk 氏は次のように述べています。「私が最も楽しみにしているフィードバックは、モデルをさらに改善する方法についての提案です。」

「私はこれらの研究者たちと話し合い、次のステップがどのようなものになると考えているかを伝え、前進して自分の論文や手法でモデルを使用するよう奨励したいと考えています。すでに多くの研究者から連絡を受けています。このモデルが彼らの問題に役立つかどうか尋ねてください。」

さらに、この記事は、幾何学機械学習の研究に重要な貢献をし、多くの学生を惜しみなく指導し、傑出した功績を残した Octavian-Eugen Gane を記念しています。謙虚な魂を持った学者。

今年の前半、彼はハイキング旅行中に私たちと永遠に別れました。

以上が1200倍速い！ MIT が古いモデルを打破する新世代の医薬品研究開発 AI を開発の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。