タンパク質エンジニアリングは、科学や医学の様々な領域で莫大な可能性を持つ分野ですが、重要な課題が存在しています。新しい機能を持つまたは改良された機能を持つタンパク質を設計するための従来の方法は、遅く、骨の折れる、非効率的であり、その全力を活かすことを阻んでいます。
しかし、ウィスコンシン-マディソン大学の研究者たちは、画期的な解決策を提案しました: Self-driving Autonomous Machines for Protein Landscape Exploration (SAMPLE)プラットフォーム。この革新的なアプローチでは、知能エージェントと完全自動化されたロボットシステムを統合して、タンパク質エンジニアリングを強化します。
SAMPLEプラットフォームは、共同のプロセスを通じて操作されます。知能エージェントは新しいタンパク質を設計しながら、配列と機能の関係について学習し、ロボットシステムは実験を実施し、フィードバックを提供します。
研究者たちは、SAMPLEプラットフォームを使用して10,000回のシミュレートされたタンパク質エンジニアリング試行を行いました。その中で、サイトクロムP450のデータに焦点を当てました。テスト用のタンパク質配列を選択するため、彼らはさまざまなベイジアン最適化（BO）手法を採用しました。エンジニアリングされたタンパク質の熱安定性は、手法の効果を評価する指標として使用されました。また、バッチテストも調査し、小規模なバッチ実験にはいくつかの利点があることが明らかにされました。シーケンスと機能のデータでトレーニングされたガウシアンプロセス（GP）モデルは、エージェントの設計上の決定を導き、例外処理と品質管理の複数のレイヤーを通じて堅牢性と信頼性を確保しました。
驚くべきことに、SAMPLEプラットフォームは、初期の配列と比較して照合した安定性が格段に向上したグリコシドヒドロラーゼ酵素を特定することに成功しました。これらの機械設計されたタンパク質は、少なくとも12℃の熱耐性の向上を示しました。興味深いことに、各エージェントが特定したトップなシーケンスは独自でしたが、最終的にはフィットネスの地形の同じ領域に収束しました。機械設計されたタンパク質の高い熱安定性と保たれた触媒活性は、人間の特性評価によって確認されました。
SAMPLEプラットフォームは、タンパク質エンジニアリングの大きな飛躍を示しており、自動化された自律型ラボが科学的な発見を自動化し、迅速化する潜在能力を見せています。学習、意思決定、実験を完全自律的に統合するこの体系的なアプローチは、従来の準自律システムよりも大幅に進化しています。この体系的なアプローチは、タンパク質エンジニアリングの進歩において、知能計算デザイン、自動化実験、正確なデータ管理のシナジーを強調しています。
SAMPLEプラットフォームの可能性により、タンパク質エンジニアリングの未来は、化学、エネルギー、医学をはじめとする領域において、進歩の加速と革新的な発見という約束を実現する可能性があります。
よくある質問
The source of the article is from the blog karacasanime.com.ve