新しい抗生物質が切実に必要とされている時に､MLが役立つ

June, 21, 2019, Stanford--スタンフォードの研究チームは､以前の研究にガイドされて､抗菌性と最も一致しそうなDNA配列をレイアウトするアルゴリズムを開発した｡
　抗生物質に対する耐性の脅威が迫ってきているので､新たなソリューションを考案しているのは微生物学者だけではない｡スタンフォードの生物医学データ科学准教授､James Zou, PhDは､マシンラーニングを適用して､全く新しい仮想DNA配列を生成するアルゴリズムを開発した｡目的は､後に抗微生物タンパク質を作ることである｡
　そのアルゴリズムは､Feedback GANと言い､基本的に､様々なDNA小片の大量生成器として機能する｡またこれらの配列が多少ランダムな間は､そのアルゴリズムは盲目的に動作することはない｡これは新たに可能性のあるペプチド､つまり小さなアミノ酸グループを基準にしており､抗微生物特性に最も一致しそうなDNA配列をレイアウトする以前の研究に基づいている｡
　現在のところ､これらのテンプレートは自然には存在せず､理論的にコンピュータで生成されたものである｡しかし､微生物抵抗に対する懸念に直面して､まだ存在しないソリューションを考案することは極めて重要である､Zouは考えている｡
　｢われわれは、抗微生物タンパク質の追求を選択した｡それは､非常に重要であり､影響の大きな問題だからであるが、アルゴリズムにとっては､比較的扱いやすい問題でもある｡われわれのシステムに組み込む既存ツールはある｡それは､新しい配列が思い通りの抗微生物タンパク質の特性を持つかどうかを評価するものである｣と同氏は話している｡
　Feedback GANは､それをベースにしており､偶然と正確さの適切なバランスを組み込むように機能する｡
　論文は､Nature Machine Learningに発表された｡

自己改良
　研究チームのアルゴリズムは、単にDNAの新しい組合せを量産するだけではない｡それは活発に自己改良し、フィードバックループを通じて何がよくて何がだめかを学ぶ｡そのアルゴリズムが広範なDNA配列を排出した後､試行錯誤により､ペプチド示唆を取捨選択するプロセスを学ぶ｡既知の他の抗菌性ペプチドとの類似性に基づいて､その｢良い｣ものをアルゴリズムに取り入れ､コードから生成される今後のDNA配列に情報を提供し、自己改良する。
　「内臓の裁定者が存在する。このフィードバックループを持つことでシステムは、抗微生物特性を持つ可能性があると判断された、新たに生成される配列をモデル化することができるようになる。したがって、その考えは個別のペプチド配列と、配列の世代がどんどん改善されることの両方である」とZouは説明している。
　Zouは、仮説的なたんぱく質の別のコアコンポーネントも考案した。たんぱく質折り畳みである。たんぱく質は、その機能に関連した非常に特殊な構造に捻じ曲がる。アルゴリズムは完璧な配列を作ることができるが、それが折りたたまれないと、役に立たない。テーブルにばらまかれた時計の歯車のようなものである。
　Zouは、抗微生物特性の傾向を分析する代わりに、それが正しい折り畳み可能性を決めるようにアルゴリズムを改善することができる。
　「われわれは実際に、この二つのことを実行できる。そこでは､一つの配列の抗微生物特性ともう一つの折り畳み可能性を見ている。われわれは､抗微生物特性か、もう1つの折り畳み能力かのいずれかを最適化できるように、両方を実行する」と同氏は話している。
　次に、同氏は、微生物を殺す能力と折りたたまれて真正たんぱく質になる能力の両方に最適化されるようにペプチド配列を作るアルゴリズムの2つの変化を融合したいと考えている。
(詳細は、http://med.stanford.edu/)