大腸菌における組換えタンパク質生産を予測する深層学習モデルRP3Net

科学分野:

• バイオテクノロジー
• 計算生物学
• タンパク質工学

背景:

• 組換えタンパク質発現は、創薬およびバイオテクノロジーにとって重要です。
• 現在の方法は、タンパク質生産効率の予測において限界に直面しています。
• AIは、組換えタンパク質発現を最適化するためのソリューションを提供する可能性があります。

研究 の 目的:

• 大腸菌における小規模な異種可溶性タンパク質発現を予測するためのAIモデルを開発すること。
• タンパク質およびゲノムの基盤モデルにおける最近の進歩を活用すること。
• バイオテクノロジーアプリケーション向けのタンパク質試薬生産の効率を向上させること。

主な方法:

• AIモデルであるRP3Net（Recombinant Protein Production Prediction Network）を開発しました。
• 最近のタンパク質およびゲノムの基盤モデルを利用しました。
• アストラゼネカおよび構造ゲノミクスコンソーシアムからのキュレーションされたデータでRP3Netをトレーニング、検証、テストしました。

主要な成果:

• RP3Netは、ベースラインモデルと比較して受信者操作特性曲線下面積（AUROC）を0.15有意に増加させました。
• 97の構築物に対する実験的検証により、RP3Netは0.83のAUROCを達成しました。
• RP3Netは77%のケースで発現を正確に予測し、92%のケースで成功した構築物を特定しました。

結論:

• RP3Netは大腸菌における組換えタンパク質発現の予測を強化します。
• このAIモデルは既存の方法を上回り、タンパク質生産の効率を向上させます。
• RP3NetはMITライセンスの下で利用可能であり、研究開発のためのアクセスを促進します。