【de novoデザイン】深層学習を利用したタンパク質デザイン手法総まとめ

論文タイトル

Protein design via deep learning

出典

Brief Bioinform. 2022 May 13;23(3):bbac102.

Protein design via deep learning - PubMed
Proteins with desired functions and properties are important in fields like nanotechnology and biomedicine. De novo protein design enables the production of pre...
pubmed.ncbi.nlm.nih.gov

確認したいこと

  • 深層学習を活用した、タンパク質デザイン手法

要旨

深層学習を利用して、タンパク質デザインする手法についてレビューした論文です。

章立て

  1. 緒言
  2. 本レビューに関連する深層学習技術
    1. 識別モデル
    2. 生成モデル
    3. 深層強化学習
  3. 構造に基づくタンパク質デザインのための深層学習
    1. 骨格構造サンプリングと生成
    2. 最適なエネルギーランドスケープに基づく配列デザイン
    3. スコアリング関数とランキング評価手法
  4. 直接配列デザインのための深層学習
    1. 表現学習
    2. 配列生成
  5. 深層強化学習を用いたデザイン
  6. 結言と展望

解説など

深層学習に関連するレビュー論文は多数ありますが、本記事のように、タンパク質デザインに特化して整理されている内容は、数多くありません。ここ1年間で、様々な深層学習のアーキテクチャがタンパク質の生成に活用され、報告されています。具体的にどのようなモデルが成果を上げているのか、深層学習技術側の視点から、情報を整理するために、この文献は非常に有用です。

本文では、適応事例を羅列するだけでなく、そのモデルのアーキテクチャについても概要が解説されています。

深層学習によるタンパク質デザインは、構造情報（残基間距離、角度など）と、言語モデルによる配列情報を活用したデザイン手法に、分けることができます。

前者における代表的な手法は、AlphaFoldやRoseTTAFoldなどのタンパク質構造予測モデルを逆向きに実行する”hallucination”です。また言語モデルではLSTMやBERTを利用したタンパク質デザインが近年多数報告されています。また構造・配列にどちらに基づくタンパク質デザインにおいても、生成モデルとして主流のGANまたは、その改良型のアーキテクチャの採用事例が多数存在しています。

個人的に目新しく、本ブログでも紹介の薄かった手法として、

・スコアリング関数

・レコメンデーション

・深層強化学習

などの存在について学べたので、深堀してみたいと思いました。

タンパク質のデザインは、

・目的に応じて難度が異なる

・評価指標が多様化している

ことから、各技術の特徴を相対的に比較することが難しいです。ベンチマークとなるデータセットを元に適切に技術が評価されることが重要と感じます。

コメント