Agentic campaign control for high-throughput de novo binder design
本論文は、LLMを用いて、救済（rescue）、探索（explore）、または活用（exploit）の設計戦略を動的に決定することにより、限られた計算予算内で高スループットなデノボ・バインダー生成を最適化する、複数のタンパク質生成モデルと評価器をオーケストレートするエージェント型フレームワークであるT-REXを紹介する。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
ゼロから新しいタンパク質を設計するという探求は、現代生物学における最も有望な最前線の一つです。タンパク質は、組織の構築から感染症との戦いに至るまで、生細胞内のほぼすべてのタスクを実行する分子機械です。数十年にわたり、科学者たちは、薬や工業用触媒として機能するカスタムタンパク質を設計しようと試みてきましたが、そのプロセスは遅く、かつ高価なものでした。それは、何百万もの潜在的な形状を生成し、それらが正しく折り畳まれるかどうかをコンピュータ上でテストし、失敗した大部分を破棄するという工程を必要とするからです。近年、人工知能は、タンパク質の構造を予測し、新しい配列を驚異的な速度で生成できるツールを生み出すことで、この分野に革命をもたらしました。しかし、これらのツールはしばしば専門化されています。あるツールは特定の形状を作成することに長けている一方で、別のツールはそれを保持する化学的配列を洗練させることに優れているといった具合です。研究者にとっての課題は、ツールの不足ではなく、戦略の欠如、すなわち、強力で時に矛盾する性質を持つ一連のAIプログラムに直面した際、限られた計算資源をいかに効果的に管理するかという点になりました。
プリンストン大学とマサチューセッツ工科大学の研究チームは、この問題に対する解決策として、設計プロセスを単一のタスクではなく、動的な「キャンペーン（作戦）」として捉える新しいアプローチを導入しました。彼らは、さまざまなAIタンパク質デザイナーの艦隊を制御するインテリジェントなマネージャーとして機能する、T-REXと呼ばれるシステムを開発しました。T-REXは、一つのプログラムが終了するまで実行し続けたり、あらゆる可能な組み合わせを盲目的に試したりするのではなく、大規模言語モデルを使用して、進行中の実験の結果を常に監視します。それは成功、失敗、あるいは停滞の兆候を監視し、有望ではあるが欠陥のある設計を救済すべきか、全く新しい手法を探索すべきか、あるいはすでに良い結果を出している経路に注力すべきかを、リアルタイムで決定します。このシステムは、6つの異なる生成ツール、1つの配列精緻化ツール、および1つの構造評価ツールをオーケストレート（統合制御）し、固定された計算時間の予算内で、作成されるユニークで高品質なタンパク質バインダーの数を最大化するように、複数のグラフィックス・プロセッシング・ユニット（GPU）にわたってこれらを調整します。
研究者たちは、このシステムを7つの異なる生物学的ターゲット（新しいタンパク質が結合するように設計された特定の分子）に対してテストしました。彼らは、単一のAIツールを単独で使用する場合や、ワークフローを管理するために単純で非知的なアルゴリズムを使用する場合を含む、いくつかの他の戦略とT-REXを比較しました。結果は明白でした。T-REXは、他のどの手法よりも一貫して、構造的に異なるヒット（成功例）を多く生み出しました。7つのターゲットすべてにおいて、このシステムは厳格な品質基準を満たすユニークなタンパク質設計を、他の手法よりも大幅に多く生成しました。場合によっては、次に優れた代替案よりも4倍以上多くの成功した設計を生み出しました。システムは、キャンペーンが進展するにつれて戦略を適応させることで、これを達成しました。特定のメソッドが新しい結果を出さなくなったとき、T-REXはリソースを別のツールへとシフトさせました。設計が成功に近づきながらも特定の指標で失敗した場合、システムは最初からやり直すのではなく、その特定の弱点を修正するために特化したツールを指示しました。
最も重要な発見の一つは、システムがどのように失敗を処理したかという点でした。従来の設計キャンペーンでは、プロセスが停滞すると、研究者が単一のツールの終了を待ったり、手動で介入したりするために、時間の浪費につながることがよくあります。しかし、T-REXは、異なる種類の失敗を明確なシグナルとして扱います。もし設計が全体の形状の不安定さによって失敗した場合、システムは異なる生成メソッドを試みるかもしれません。もし化学的配列がわずかにずれているために失敗した場合、形状を維持したまま配列を微調整するために、精緻化ツールへと切り替えるかもしれません。このように、失敗の具体的な原因を診断し、標的を絞ったレスポンスを選択する能力により、システムは他の手法よりもはるかに速く停滞期から回復することができました。シミュレーションにおいて、システムが「救済」戦略の使用を強制的に停止させられた場合、新しい成功した設計を見つけるまでに著しく長い時間を要したことから、この適応的な回復メカニズムがその成功の鍵となる推進力であることが証明されました。
T-REXによって生成された設計は、数が多いだけでなく、多様でもありました。システムは、ヘリカル（螺旋）構造が豊富なものや、シート状の形成物に支配されたものなど、幅広い形状を持つタンパク質を生成しました。また、ターゲット分子の異なる場所に結合するバインダーも見つけ出し、これはタンパク質がターゲットと相互作用する可能性のある方法を広く探索していることを示唆しています。この多様性は創薬において極めて重要です。なぜなら、異なる形状や結合位置は、異なる治療効果をもたらしたり、耐性メカニズムを回避したりすることができるからです。研究者たちは、これらの設計が単なる統計的な異常ではなく、安定性と結合強度をチェックする複数の層の計算評価に合格し、厳格なテストに耐えうるものであることを検証しました。
この研究は完全にコンピュータ・シミュレーション内で行われましたが、現実世界の科学への影響は多大です。この研究は、タンパク質設計の未来が、単一の完璧なAIモデルを構築することにあるのではなく、多くの異なるモデルを管理し、組み合わせることができるインテリジェントなシステムを構築することにあるということを示しています。設計プロセスを「観察、推論、行動」の連続的なループとして扱うことで、T-REXは、比較的短い期間の推論が、より高価で時間の掛かる計算を導くことができることを示しました。このシステムは現在オープンソースのソフトウェアとして公開されており、他の科学者が自身の研究を加速させるために、このオーケストレーション・フレームワークを利用できるようになっています。このアプローチは、生物学的エンジニアリングの次の飛躍が、私たちの計算ツールの構築ではなく、その「管理」の向上から来るものであることを示唆しています。つまり、専門化されたプログラムの集合体を、複雑な設計課題を解決できる、協調的で適応力のあるチームへと変えることなのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。