awesome AI based protein design

素晴らしい AI ベースのタンパク質設計

AIベースのタンパク質設計に関する研究論文集です。また、リポジトリは AI ベースのタンパク質設計の最前線を追跡するために継続的に更新されます。

フォローとスター大歓迎です！

目次

• AIベースのタンパク質設計の概要/例

• 論文

  • 自然 (重要!!! )
  • 自然生物医工学
  • ネイチャーコミュニケーションズ
  • ネイチャーマシンインテリジェンス
  • 科学
  • ICML、ICLR、または NeurIPS 2022
  • Arxiv または bioRxiv
  • その他

• 貢献する

タンパク質設計の概要

AI ツールはタンパク質の構造予測の問題を解決しました。この問題は、AlphaFold 2 などのアミノ酸配列から空間構造を導き出し、原子レベルの予測精度を実現します。これまでのタンパク質構造予測モデルを組み合わせて、タンパク質設計法を自動的に学習することで、人間の製薬ニーズに真に応えます。

タンパク質設計の具体的な実践は大きく異なり、異なる設計プロセスに適用できる問題の定義も大きく異なります。以下にいくつかの例を示します。

1. 空間構造からアミノ酸配列を予測する問題（Alphafold の逆）。分子動力学シミュレーションなどにより目的のタンパク質の空間構造が導かれることを前提としています。
2. 有名な David Baker グループによる最近の Science [1] など、特定の部分構造に対するタンパク質の構造完成問題。これは、部分的な構造一致のみが見つかることを前提としています。
3. 中国の Liu Haiyan チームによる最近の Nature [2] など、タンパク質設計のための適合エネルギー関数と MD シミュレーションの組み合わせ。

さらに、タンパク質の設計には多くの方法が使用でき、対応する AI 問題の定義も大きく異なります。この記事には、AI ベースのタンパク質設計に関するいくつかのハイレベルな記事がリストされており、今後も継続的に更新される予定です。

論文

 format:
- [title](paper link) [links]
  - author1, author2, and author3...
  - publisher
  - keyword

自然

• AlphaFold 3 との生体分子相互作用の正確な構造予測

  • ジョシュ・アブラムソン、ジョナス・アドラー、ジャック・ダンガー、リチャード・エヴァンス、ティム・グリーン、アレクサンダー・プリッツェル、オラフ・ロンネバーガー、リンゼイ・ウィルモア、アンドリュー・J・バラード、ジョシュア・バンブリック、セバスチャン・W・ボーデンシュタイン、デヴィッド・A・エヴァンス、チア・チュン・ハン、マイケル・オーニール、デヴィッド・ライマン、キャスリン・トゥニャスヴナクール、ザカリー・ウー、アクヴィレ・ジェムグリテ、エイリーニ・アルヴァニティ、チャールズ・ビーティ、オッタヴィア・ベルトーリ、アレックス・ブリッジランド、アレクセイ・チェレパノフ、マイルズ・コングリーブ、アレクサンダー・I・コーウェン＝リバース、アンドリュー・カウィー、マイケル・フィグルノフ、ファビアン・B・フックス、ハンナ・グラッドマン、リシュブ・ジェイン、ユスフ・A・カーン、キャロライン MR ロウ、クバ パーリン、アンナポタペンコ、パスカル・サヴィ、スクディープ・シン、エイドリアン・ステキュラ、アショーク・ティライスンダラム、キャサリン・トン、セルゲイ・ヤクニーン、エレン・D・ゾン、ミハル・ジエリンスキー、アウグスティン・ジーデク、ヴィクター・バプスト、プッシュミート・コーリ、マックス・ジェイダーバーグ、デミス・ハサビス、ジョン・M・ジャンパー
  • キーワード: 拡散基盤構造、タンパク質構造モデリング、生体分子空間モデリング

• タンパク質設計のためのニューラルネットワークのバックボーン中心のエネルギー関数

  • B Huang、Y Xu、X Hu、Y Liu、S Liao、J Zhang、C Huang
  • キーワード: エネルギー関数、MDシミュレーション、バックボーン中心

• ディープネットワーク幻覚によるデノボタンパク質設計

  • イワン・アニシュチェンコ、サミュエル・J・ペロック、タムカ・M・チジャウシク、テレサ・A・ラメロット、セルゲイ・オフチニコフ、荊州ハオ、クシュブー・バフナ、クリストファー・ノーン、アレックス・カン、アシム・K・ベラ、フランク・ディマイオ、ローレン・カーター、キャメロン・M・チョウ、ガエタノT・モンテリオーネ & デヴィッド・ベイカー
  • キーワード: 幻覚、修復、タンパク質設計

• 標的構造のみからタンパク質結合タンパク質を設計

  • ロンシン・カオ、ブライアン・コベントリー、インナ・ゴレシュニク、ブウェイ・ファン、ウィリアム・シェフラー、ジュン・ソン・パーク、ケビン・M・ジュード、イヴァ・マルコヴィッチ、ラメシュワル・U・カダム、コーエン・H・G・ヴァーシューレン、ケネス・フェルストラート、スコット・トーマス・ラッセル・ウォルシュ、ナサニエル・ベネット、アシッシュ・ファル、アエリン・ヤン、リサ・コゾドイ、ミシェルデウィット、ローラ・ピクトン、ローレン・ミラー、エヴァ＝マリア・ストラウチ、ニコラス・D・デブーバー、アリソン・ピレス、アシム・K・ベラ、サメール・ハラビヤ、ブラッドリー・ハンマーソン、ウェイ・ヤン、ステフェン・バーナード、ランス・スチュワート、イアン・A・ウィルソン、ハンネレ・ルオホラ・ベイカー、ジョゼフ・シュレッシンジャー、サンウォン・リー、サバス・N・サヴィデス、K.クリストファー・ガルシア & デヴィッド・ベイカー
  • キーワード: 結合引用

自然生物医工学

• 深い生成モデルと分子動力学シミュレーションによる抗菌薬の発見の加速
  • パエル・ダス、トム・セルク、カヒニ・ワダワン、インキット・パディ、セバスティアン・ゲールマン、フラビウ・チプシガン、ヴィジル・チェンタマラクシャン、ヘンドリック・ストロベルト、シセロ・ドス・サントス、ピン・ユー・チェン、イー・ヤン・ヤン、ジェレミー・PK・タン、ジェームズ・ヘドリック、ジェイソン・クレイン、アレクサンドラ・モジシロビッチ
  • キーワード: 抗菌剤、生成オートエンコーダー、分子動力学

ネイチャーコミュニケーションズ

• 機械学習を使用して酵素の新規ペプチド基質を発見

  • ロリリー・タロリン、ジアレイ・ワン、ウージュ・E・キム、スワガット・サフ、ニコラス・M・コーサ、プ・ヤン、マシュー・トンプソン、マイケル・K・ギルソン、ピーター・I・フレイジャー、マイケル・D・バーカート、ネイサン・C・ジャネスキ
  • キーワード: 酵素設計、機械学習

• ECNet は、タンパク質工学のための進化的コンテキスト統合深層学習フレームワークです

  • Yunan Luo、Guangde Jiang、Tianhao Yu、Yang Liu、Lam Vo、Hantian Ding、Yufeng Su、Wesley Wei Qian、Huimin Zhao、Jian Peng
  • キーワード: 機能的フィットネス、進化

• 自己回帰生成モデルを使用したタンパク質の設計と変異予測

  • シン・ジョンウン、アダム・J・リースセルマン、アーロン・W・コラッシュ、コナー・マクマホン、エラナ・サイモン、クリス・サンダー、アーシシュ・マングリク、アンドリュー・C・クルーゼ、デボラ・S・マークス
  • キーワード: 自己回帰生成モデル、タンパク質設計

• 学習された可能性を備えたタンパク質配列設計

  • ナムラタ・アナンド、ラファエル・エグチ、イリンパン・I・マシューズ、カーラ・P・ペレス、アレクサンダー・デリー、ラス・B・アルトマン、ポースー・ファン
  • キーワード: タンパク質設計、エネルギー機能、深層ニューラルネットワーク

• 自己回帰生成モデルを使用したタンパク質の設計と変異予測

  • シン・ジョンウン、アダム・J・リースセルマン、アーロン・W・コラッシュ、コナー・マクマホン、エラナ・サイモン、クリス・サンダー、アーシシュ・マングリク、アンドリュー・C・クルーゼ、デボラ・S・マークス
  • キーワード: 自己回帰生成モデル、タンパク質設計

ネイチャーマシンインテリジェンス

• Regression Transformer により、分子言語モデリングのシーケンス回帰と生成を同時に行うことができます

  • ジャニス・ボーン & マテオ・マニカ
  • キーワード: 分子言語モデリング、回帰、トランスフォーマー

• 言語モデルを使用した制御可能なタンパク質設計

  • ノエリア・フェルス & ビルテ・ホッカー
  • キーワード: 言語モデル、制御可能、調査

科学

• ProteinMPNN を使用した堅牢な深層学習ベースのタンパク質配列設計

  • J. ダウパラス、I. アニシチェンコ、N. ベネット、H. バイ、RJ ラゴット、LF ミルズ、BIM ウィッキー、A. クールベ、RJ デ ハース、N. ベセル、PJY レオン、TF ハディ、S. ペロック、D. ティッシャー、F. チャン、B. ケプニック、H. グエン、A. カン、B. サンカラン、AK ベラ、 NP キング、D. ベイカー
  • キーワード: 言語モデル、構造予測

• 深層学習を用いたタンパク質機能部位の足場構築

  • ジュエ・ワン、シドニー・リザンザ、デヴィッド・ユルゲンス、ダグ・ティッシャー、ジョセフ・L・ワトソン、カーラ・M・カストロ、ロバート・ラゴット、アミジャイ・サラゴヴィ、ルーカス・F・ミルズ、ミンギョン・ペク、イワン・アニシチェンコ、ウェイ・ヤン、デリック・R・ヒックス、マーク・エクスポジット、トーマス・シュリヒターレ、チョン・ジュンホ、ジャスタス・ダウパラス、ナサニエル・ベネット、バジル・IM・ウィッキー、アンドリュー・ムエンクス、フランク・ディマイオ、ブルーノ・コレイア、セルゲイ・オフチニコフ、デヴィッド・ベイカー
  • キーワード: 機能部位、深層学習、幻覚、修復

ICML、ICLR、または NeurIPS

• タンパク質複合体をモデリングするための深層強化学習

  • Ziqi Gao、Tao Feng、Jiaxuan You、Chenyi Zi、Yan Zhou、Chen Zhang、Jia Li
  • キーワード: タンパク質複合体構造予測、ドッキングパス予測、ポリシーネットワーク、強化学習

• BERTology と生物学の出会い: タンパク質言語モデルにおける注意の解釈

  • ジェシー・ヴィグ、アリ・マダニ、ラヴ・R・ヴァーシュニー、カイミン・ション、リチャード・ソーチャー、ナズニーン・ファテマ・ラジャニ
  • キーワード: 言語モデル、トランスフォーマー、構造的および機能的特性

• 3D 等価グラフ変換としての条件付き抗体設計

  • Xiangzhe Kong、Wenbing Huang、Yang Liu
  • キーワード: 抗体設計、グラフ翻訳

• 適応サンプリングによるコンディショニングによる堅牢な設計

  • デヴィッド・ブルックス、ハーンボム・パーク、ジェニファー・リストガーテン
  • キーワード: アダプティブサンプリング、タンパク質設計

• 深い生成モデルが新しく多様なタンパク質構造を作成する

  • ゼミン・リン、トム・セルク、ヤン・ルカン
  • キーワード: 多様性、生成モデル、タンパク質設計

• デノボタンパク質設計のためのトポロジカル特徴の徹底的なシャープ化

  • ザンダー・ハートフェルト、ジョシュア・サザン、マイケル・デフェラール、アンドレアス・ルーカス、ピエール・ヴァンデルハインスト、マイケル・ブロンスタイン、ブルーノ・コレイア
  • キーワード: 変分オートエンコーダ、トポロジカル特徴、シャープ化

• Fold2Seq: タンパク質設計のための結合シーケンス (1D)-フォールド (3D) 埋め込みベースの生成モデル

  • ユエ・カオ、パイエル・ダス、ヴィジル・チェンタマラクシャン、ピン・ユー・チェン、イーゴリ・メルニク、ヤン・シェン
  • キーワード: 生成モデル、タンパク質設計

• タンパク質構造の生成モデリング

  • ナムラタ・アナンド、ポッス・ファン
  • キーワード: 生成モデル、タンパク質設計

• グラフベースのタンパク質設計のための生成モデル

  • ジョン・イングラハム、ヴィカス・ガーグ、レジーナ・バルジライ、トミ・ジャーッコラ
  • キーワード: 生成モデル、タンパク質設計

• 生物学的配列設計のためのモデルベースの強化学習

  • クリストフ・アンガーミュラー、デヴィッド・ドーハン、デヴィッド・ベレンジャー、ラムヤ・デシュパンデ、ケビン・マーフィー、ルーシー・コルウェル
  • キーワード: 強化学習、シーケンス設計

• 構造モチーフを使用した標的タンパク質結合のための分子生成

  • Zaixi Zhang、Yaosen Min、Shuxin Zheng、Qi Liu
  • キーワード: 標的タンパク質、構造モチーフ、フラグメントごとの生成

• 幾何構造の事前学習によるタンパク質表現の学習

  • ズオバイ・チャン、ミンハオ・シュー、アリアン・ジャマスブ、ヴィジル・チェンタマラクシャン、オーレリー・ロザーノ、パイエル・ダス、ジャン・タン
  • キーワード: 創薬、ドラッグデザイン、新規分子構造生成モデル

Arxiv または bioRxiv

• 進化的拡散を伴うタンパク質の生成: 必要なのは配列だけです

  • サラ・アラムダリ、ニティア・タッカー、リアンヌ・ヴァン・デン・バーグ、アレックス・シージエ・ルー、ニコロ・フシ、アヴァ・パーディス・アミニ、ケビン・K・ヤン
  • キーワード: 拡散モデル、深層生成モデル、タンパク質生成、フレームワーク、配列設計

• 生成タンパク質設計のための高レベルプログラミング言語

  • ブライアン・ヒエ、サルヴァトーレ・カンディド、ゼミン・リン、オリ・カベリ、ロシャン・ラオ、ニキータ・スメタニン、トム・セルク、アレクサンダー・リヴス
  • キーワード: ESMFold、言語モデル、エネルギーベース

• 構造予測ネットワークと拡散生成モデルを統合することで、幅広く応用可能な正確なタンパク質設計を実現

  • ジョセフ・L・ワトソン、デヴィッド・ユルゲンス、ナサニエル・R・ベネット、ブライアン・L・トリップ、ジェイソン・イム、ヘレン・E・アイゼナック、ウディ・アハーン、アンドリュー・J・ボースト、ロバート・J・ラゴット、ルーカス・F・ミルズ、バジル・IM・ウィッキー、ニキータ・ハニケル、サミュエル・J・ペロック、アレクシス・クールベ、ウィリアム・シェフラー、ジュエ・ワン、プリーサムヴェンカテシュ、アイザック・サピントン、スサナ・バスケス・トーレス、アンナ・ラウコ、バレンティン・デ・ボルトリ、エミール・マチュー、レジーナ・バルジライ、トミー・S・ジャッコラ、フランク・ディマイオ、ミンギョン・ペク、デヴィッド・ベイカー
  • キーワード: 普及、一般的な深層学習フレームワーク、de novo バインダー設計

• ディープマニホールドサンプリングによる機能誘導タンパク質設計

  • ウラジミール・グリゴリエヴィッチ、ダニエル・ベレンバーグ、スティーヴン・ラー、サイモン・ケロウ、チョ・キョンヒョン
  • キーワード: シーケンスノイズ除去オートエンコーダー、ディープマニホールドサンプリング

• 言語モデルは天然タンパク質を超えて一般化される

  • ロバート・ヴァークイル、オリ・カベリ、イールン・ドゥ、バジル・IM・ウィッキー、ルーカス・F・ミルズ、ジャスタス・ダウパラス、デヴィッド・ベイカー、セルゲイ・オフチニコフ、トム・セルク、アレクサンダー・リヴス
  • キーワード: ESMFold、言語モデル、固定バックボーン設計

• 進化のスケールでのタンパク質配列の言語モデルにより、正確な構造予測が可能になります

  • ゼミン・リン、ハリル・アキン、ロシャン・ラオ、ブライアン・ヒエ、ゾンカイ・ジュー、ウェンティン・ルー、アラン・ドス・サントス・コスタ、マリアム・ファゼル=ザランディ、トム・セルク、サル・カンディド、アレクサンダー・リヴス
  • キーワード: 構造予測、言語モデル

• TERMinator: 三次反復モチーフを使用した構造ベースのタンパク質設計のための神経フレームワーク

  • アレックス・J・リー、ヴィクラム・サンダー、ゲヴォーグ・グリゴリアン、エイミー・E・キーティング
  • キーワード: タンパク質設計、三次モチーフ

• 言語モデルは天然タンパク質を超えて一般化される

  • ロバート・ヴァークイル、オリ・カベリ、イールン・ドゥ、バジル・IM・ウィッキー、ルーカス・F・ミルズ、ジャスタス・ダウパラス、デヴィッド・ベイカー、セルゲイ・オフチニコフ、トム・セルク、アレクサンダー・リヴス
  • キーワード: 言語モデル、タンパク質設計

その他

• ディープ グラフ ニューラル ネットワークを使用した高速かつ柔軟なタンパク質設計

  • アレクセイ・ストロカッハ、デヴィッド・ベセラ、カルレス・コルビ＝ヴァージ、アルバート・ペレス＝リバ、フィリップ・M・キム
  • キーワード: タンパク質設計、グラフニューラルネットワーク

• 自己回帰生成モデルを使用したタンパク質の設計と変異予測

  • シン・ジョンウン、アダム・J・リースセルマン、アーロン・W・コラッシュ、コナー・マクマホン、エラナ・サイモン、クリス・サンダー、アーシシュ・マングリク、アンドリュー・C・クルーゼ、デボラ・S・マークス
  • キーワード: 変異予測、タンパク質設計、自己回帰生成モデル

参照

[1] Wang、Jue、他。 「深層学習を利用したタンパク質機能部位の足場構築」サイエンス 377.6604 (2022): 387-394。

[2] Huang、Bin、他。 「タンパク質設計のためのニューラルネットワークのバックボーン中心のエネルギー機能」ネイチャー 602.7897 (2022): 523-528。

貢献する

私たちの目的は、このリポジトリをさらに改善することです。貢献に興味がある場合は、貢献の手順についてはこちらを参照してください。

ライセンス

素晴らしい AI ベースのプロテイン設計は、Apache 2.0 ライセンスの下でリリースされています。