Cryo-EM画像からもっともらしいたん白質構造変化を予測する生成AI技術

　富士通と理研R-CCSは，富士通のAI技術DeepTwinと理研の創薬分子シミュレーションの知見を応用し，たん白質構造変化を大量の低温電子顕微鏡（Cryo-EM）画像とその撮影方位から広範囲に3D密度マップとして予測する生成AI技術を共同で開発した．

　たん白質は生体内で様々な形態に変化しながら生体内分子と相互作用をするため，その広範囲な変化の予測は病原の解明や薬剤の設計につながる．予測にはたん白質形態の種類や割合の情報をもつ構造分布上でもっともらしい変化経路の計算が必要であるが，通常たん白質は高次元データで多様な形態をもつため，その計算には長い期間と多くの費用を要する．ごく最近提案された生成AIを利用した手法^(注1)でも依然多くの手動操作が必要で，十分に期間や費用を削減したとは言い難い．

　本技術は，これらの困難を解決するために提案され，以下二つの部品から構成されている．

・cryoTWIN：Cryo-EM画像とその方位から訓練されるDeepTwinの考えに基づいた独自の生成AI技術（図1）．標的たん白質の大量Cryo-EM画像とその正確な方位で訓練された場合，高次元の構造分布（図1②）と等価な低次元潜在分布（図1①）を獲得できる．また潜在分布からサンプリングされた潜在変数に訓練済み復号器を適用することで，対応するたん白質構造の3D密度マップを得ることができる．