Supervised Deep Learning for Efficient Cryo-EM Image Alignment in Drug Discovery with cryoPARES

複雑な3Dオブジェクトがどのような形をしているのかを理解するために、あらゆる角度から撮られた何千枚ものぼやけた写真を想像してみてください。しかし、それらの写真はすべて混ざり合い、床に散らばっています。これは、科学者が新しい薬を設計するための重要なステップである、微小な生物学的分子を研究するために「クライオ電子顕微鏡（Cryo-EM）」を使用する際に直面している状況そのものです。

現在、これらの写真を整理し、それぞれの正しい角度を特定するプロセスは、暗闇の中で巨大なジグソーパズルを解こうとするようなものです。スーパーコンピュータが膨大な計算を行うのに長い時間を要し、多くの場合、プロセスをガイドするために人間の専門家が介入する必要があります。このことは、科学者が多くの異なる薬の候補を迅速にテストする必要がある高速な創薬において、あまりにも遅く、使い勝手が悪いものです。

この論文は、これを解決するための新しいツールである「cryoPARES」を紹介しています。その仕組みを、簡単な比喩を用いて説明します：

• 「賢い学生」対「白紙の状態」： 従来の手法は、たとえ昨日似たようなテストを受けたばかりであっても、テストを受けるたびにゼロから学習しなければならない学生のようなものです。彼らはすでに知っていることを無視してしまいます。一方、cryoPARESは、すでに教材を学習済みの賢い学生のようなものです。テストされているタンパク質は非常に似通っているため、cryoPARESは「事前知識」（以前の成功したアライメントから学んだこと）を利用して、ゼロから始めるのではなく、即座に正しい角度を推測します。
• 「オートフィルター」： 昔は、もし写真がぼやけていたり役に立たなかったりした場合、人間が手動で見つけて捨てなければなりませんでした。cryoPARESは、クラブの自動ボディーガードのように機能します。それは瞬時に「不良品」（役に立たない粒子）を見つけ出し、誰の手も借りずにそれらを排除します。
• 「ライブストリーム」： 高速かつ自動化されているため、cryoPARESは単にデータが収集された後に機能するだけではありません。それは「リアルタイム」で動作します。カメラがまだ撮影している間に、映像がどんどん鮮明になっていくライブ放送のように考えてください。これにより、科学者は結果が出るのを数日間待つのではなく、データを収集している最中に即座にフィードバックを得ることができます。

結果：
著者らは、この「賢い学生」を7つの異なる薬結合タンパク質複合体（4つの異なるターゲット）でテストしました。彼らは、cryoPARESが従来の方法よりもはるかに速く3D構造を特定できることを示しました。さらに特典として、小さな薬の断片がどのようにタンパク質に結合するかを示す3つの新しいデータセットを公開し、この情報を他の人々が利用できるようにしました。

要するに、cryoPARESは、遅くて手動的で反復的なプロセスを、高速で自動化されたインテリジェントなプロセスへと変え、科学者が薬の標的の形状をより迅速に把握できるよう支援するのです。