【タンパク質デザイン】事前学習モデルとベイズ最適化の組み合わせで、タンパク質をエンジニアリング

Now What Sequence? Pre-trained Ensembles for Bayesian Optimization of Protein Sequences

深層学習を利用した、タンパク質構造予測・デザイン手法をベンチマークしています。

ベイズ最適化によるタンパク質の分子デザイン手法を、事前学習モデルにも適用できる手法を提案した論文です。

ベイズ最適化とは、「ブラックボックス最適化」アルゴリズムの1種です。

「ブラックボックス」とは、ある入力に対する出力は得ることはできるものの、その目的関数による情報は手に入らない状況を指します。つまり、目的関数に対する勾配情報も得ることができないため、勾配法に基づく最適化アルゴリズムは使用できません。

このような状況下でベイズ最適化は、探索と活用の両立を目指して、最適な実験計画を見つけ出すことができます。ベイズ最適化は、今までの実験結果に基づいて、逐次的な校正を実行することで、次の実験をデザインします。

これまで、ベイズ最適化をタンパク質のデザインに応用した事例が複数存在します。

このようにベイズ最適化は、タンパク質デザインへの応用が期待されますが、既往の手法では、更新される訓練データに対する適応性はありませんでした。つまり事前学習モデルとの相性は悪いということです。

本研究では、この課題を解決し、既存の事前学習モデルをもとにベイズ最適化をタンパク質デザインに適応して、溶血性ペプチドやRASバインダーペプチドデザインに取り組んでいます。

まだベイズ最適化についての理解が追い付いていないので、ベイズ最適化を利用したタンパク質デザインの既往の事例について、情報を追ってみたいと思っています。