1P by neo 14일전 | favorite | 댓글 1개

AlphaProteo가 생물학 및 건강 연구를 위한 새로운 단백질을 생성함

  • 새로운 AI 시스템이 목표 분자에 성공적으로 결합하는 단백질을 설계하여 약물 설계, 질병 이해 등에서 잠재력을 가짐
  • 모든 생물학적 과정은 단백질이라는 분자 간의 상호작용에 의존함
  • AlphaFold와 같은 단백질 구조 예측 도구는 단백질 상호작용에 대한 통찰력을 제공하지만, 새로운 단백질을 생성하여 이러한 상호작용을 직접 조작할 수는 없음
  • 과학자들은 목표 분자에 성공적으로 결합하는 새로운 단백질을 생성할 수 있음
  • 이러한 결합체는 약물 개발, 세포 및 조직 이미징, 질병 이해 및 진단, 해충 저항성 작물 개발 등 다양한 연구에 도움을 줄 수 있음
  • 최근 기계 학습 접근 방식은 큰 진전을 이루었지만, 여전히 많은 실험적 테스트가 필요함

AlphaProteo 소개

  • AlphaProteo는 생물학 및 건강 연구를 위한 새로운 고강도 단백질 결합체를 설계하는 첫 번째 AI 시스템임
  • 이 기술은 생물학적 과정에 대한 이해를 가속화하고 새로운 약물 발견, 바이오센서 개발 등에 도움을 줄 수 있음
  • AlphaProteo는 암 및 당뇨병 합병증과 관련된 VEGF-A를 포함한 다양한 목표 단백질에 대한 새로운 단백질 결합체를 생성할 수 있음
  • AlphaProteo는 실험적 성공률이 높고 기존 방법보다 3배에서 300배 더 나은 결합 친화성을 가짐

단백질 결합의 복잡한 방법 학습

  • 단백질 결합체를 설계하는 것은 시간 소모적이며 여러 번의 실험실 작업이 필요함
  • AlphaProteo는 Protein Data Bank(PDB)와 AlphaFold에서 예측된 1억 개 이상의 구조로부터 학습함
  • 목표 분자의 구조와 선호하는 결합 위치를 제공하면 AlphaProteo는 해당 위치에 결합하는 후보 단백질을 생성함

중요한 단백질 결합 목표에 대한 성공 시연

  • AlphaProteo는 다양한 목표 단백질에 대한 결합체를 설계함
  • 실험실 테스트에서 7개의 목표 단백질에 대해 AlphaProteo가 생성한 후보 단백질이 강하게 결합함
  • BHRF1 바이러스 단백질에 대해 88%의 후보 분자가 성공적으로 결합함
  • TrkA 목표에 대해 AlphaProteo의 결합체는 기존 최상의 결합체보다 더 강함

결과 검증

  • AlphaProteo의 결합체는 Francis Crick Institute의 연구 그룹에 의해 검증됨
  • SC2RBD 결합체는 SARS-CoV-2와 일부 변종의 세포 감염을 방지함
  • AlphaProteo는 초기 실험 시간을 크게 단축할 수 있음
  • 그러나 TNFɑ 목표에 대한 결합체 설계에는 실패함
  • AlphaProteo의 기능을 개선하고 확장할 계획임

단백질 설계의 책임 있는 개발을 향하여

  • 단백질 설계는 질병 원인 이해, 진단 테스트 개발 가속화, 지속 가능한 제조 공정 지원, 환경 오염물 제거 등 과학 발전에 큰 잠재력을 가짐
  • 생물 보안 위험을 고려하여 외부 전문가와 협력하여 책임 있는 개발을 진행 중임
  • AlphaProteo의 성공률과 친화성을 개선하고, 설계 문제의 범위를 확장하며, 다양한 학문 분야의 연구자들과 협력하여 포괄적인 단백질 설계 제공을 목표로 함

GN⁺의 정리

  • AlphaProteo는 생물학 및 건강 연구를 위한 새로운 단백질 결합체를 설계하는 AI 시스템임
  • 이 기술은 약물 개발, 질병 이해 및 진단 등 다양한 연구에 큰 도움을 줄 수 있음
  • AlphaProteo는 기존 방법보다 높은 성공률과 결합 친화성을 자랑함
  • 그러나 일부 목표 단백질에 대한 결합체 설계에는 한계가 있음
  • AlphaProteo의 기능을 지속적으로 개선하고 확장할 계획임
Hacker News 의견
  • 혁신성 부족: de novo 단백질 결합체는 이미 많이 연구되었음. David Baker 그룹의 예시 참고 가능함
    • 기대: 이러한 발전이 새로운 생촉매 설계 방법으로 이어지길 바람
  • 관련 영상: Two minute papers의 관련 영상 링크 제공
  • 바이러스 공학 질문: 특정 유전적 마커를 가진 인구 집단을 타겟으로 하는 바이러스 공학 가능성에 대한 질문
    • 우려: 이러한 기술의 상용화가 LLM 안전성 논의보다 훨씬 더 무서울 수 있음
  • AlphaFold 3 오류: 관련 영상 링크 제공
  • Google의 활용: Google이 이러한 시스템을 어떻게 활용하는지에 대한 질문
    • 의문: 신약 개발에 직접 사용 중인지, 제약 산업에 라이선스 중인지 궁금함
  • 단백질 구조 설계 질문: 특정 세포에만 결합하는 단백질 구조 설계 가능성에 대한 질문
    • 연구 관심사: 다면발현 효과를 최대한 많이 매핑하는 것에 관심이 있음
    • 문제점: 약물의 다면발현이 문제임. 단백질이 여러 기능을 수행할 수 있어 부작용이 클 수 있음
    • 기대: 특정 영역에만 결합하는 초특이적 단백질 구조를 만들 수 있다면 큰 돌파구가 될 것임
  • 논문 분석 부족: 설계된 단백질의 참신성에 대한 더 많은 분석이 필요함
    • 기존 데이터: VEGF와 Covid 스파이크 단백질에 대한 다른 결합체가 이미 존재함
    • 미래 전망: AlphaProteo가 현재는 최고 성능을 내지 못하더라도 곧 그럴 것임
  • 단백질 생성의 어려움: 단백질 생성은 어렵고 예측된 3D 구조로 접히는지 불확실함
    • 소분자 합성: 소분자 합성이 더 쉽고 저렴하며 확장 가능함
    • 개선 필요: SOTA 소분자-단백질 상호작용 모델 개선에 집중했으면 더 영향력이 컸을 것임
  • 중요한 스타트업: www.molecularReality.com에 대한 언급