Fujitsu og RIKEN udvikler AI-lægemiddelopdagelsesteknologi ved at bruge generativ AI til at forudsige strukturelle ændringer i proteiner

Fujitsu og RIKEN udvikler AI-lægemiddelopdagelsesteknologi ved at bruge generativ AI til at forudsige strukturelle ændringer i proteiner

Tidsstempel: 10. oktober 2023 kl. 3
Kildeknude: 2929086

TOKYO, 10. oktober 2023 – (JCN Newswire) – Fujitsu Limited og den HPC- og AI-drevne Drug Development Platform Division af RIKEN Center for Computational Science meddelte i dag, at de har udviklet en AI-lægemiddelopdagelsesteknologi, der kan forudsige strukturelle ændringer af proteiner fra elektronmikroskopbilleder som et 3D-densitetskort i bred vifte ved at bruge generativ AI i januar 2023. De to parter planlægger endvidere at præsentere et papir om denne teknologi på MICCAI 2023, den bedste internationale konference inden for medicinsk billedbehandling, den 10. oktober 2023 (japansk tid).

I forbindelse med denne meddelelse planlægger Fujitsu også at gøre sin forudsigelsesteknologi for proteinstrukturændringer tilgængelig den 10. oktober 2023 som en AI-innovationskomponent i Fujitsu Kozuchi (kodenavn) – Fujitsu AI Platform, en AI-platform, der giver brugerne mulighed for hurtigt at teste avancerede teknologier.

Som en del af et fælles forskningsprojekt, der blev lanceret i maj 2022, udviklede Fujitsu og RIKEN en generativ AI-teknologi, der nøjagtigt estimerer de forskellige former for et målproteins konformation og deres mulige proportioner ud fra et stort antal projektionsbilleder taget ved elektronmikroskopi, samt en teknologi, der forudsiger konformationelle ændringer i målproteinet ud fra de estimerede proportioner. Baseret på disse to teknologier udviklede de to parter en AI-lægemiddelopdagelsesteknologi, der kan forudsige strukturelle ændringer af et protein i en bred vifte, med det formål at udvikle næste generations IT-lægemiddelopdagelsesteknologi, der væsentligt reducerer udviklingstiden og omkostningerne ved lægemidlet. opdagelse.

Teknologien muliggør nøjagtig erhvervelse af proteinkonformationer og ændringer baseret på eksperimentelle data på mere end ti gange kortere tid end konventionelle procedurer (1), hvilket muliggør innovation i designprocessen af ​​lægemidler, der binder til målproteiner såsom bakterier og vira.

Fremover vil Fujitsu og RIKEN bruge den nyudviklede generative AI-teknologi som en af ​​kerneteknologierne til at realisere næste generations IT-lægemiddelopdagelsesteknologi, der kan analysere de komplekse relationer mellem målproteiner og antistoffer og forudsige globale strukturelle ændringer af molekyler med høj nøjagtighed og hastighed.

Baggrund

Proteiner, der er tæt involveret i levende organismers livscyklusser og sygdomsmekanismer, er naturligvis meget fleksible og interagerer med andre molekyler in vivo ved at ændre deres strukturkonformation. For at udvikle lægemidler, der undertrykker infektion med vira såsom COVID-19, der stimulerer dens infektion med konformationelle ændringer på deres overfladeproteiner, er det nødvendigt at fastslå de forskellige konformationelle tilstande af proteinerne, og hvordan de ændrer sig mellem konformationer. Konventionelle strukturelle analysemetoder kræver dog et højt niveau af ekspertise og forsøg og fejl, hvilket kræver betydelig tid og udgifter til at opnå nøjagtige konformationelle ændringer. For at løse dette problem har Fujitsu og RIKEN udviklet følgende to nye lægemiddelopdagelsesteknologier ved hjælp af generativ AI.

To lægemiddelopdagelsesteknologier

Fujitsu og RIKEN udviklede to nye lægemiddelopdagelsesteknologier ved at udnytte den knowhow, der er dyrket gennem udviklingen af ​​Fujitsus deep learning-teknologi og ved at anvende viden om RIKENs lægemiddelopdagelse molekylær simulering ved hjælp af supercomputer Fugaku (2). Kombinationen af ​​de to teknologier reducerede tiden til forudsigelse af konformationelle ændringer i et målprotein fra en dag til to timer (3), hvilket bidrager til at fremskynde og effektivisere lægemiddelopdagelsesprocessen for lægemiddelvirksomheder. Detaljer om hver teknologi er som følger:

1. Generativ AI-teknologi, der nøjagtigt estimerer de forskellige former for proteinkonformation og deres proportioner

Nøjagtig forudsigelse af konformationelle ændringer af et målprotein i et bredt område kræver de mulige former for konformationen og deres nøjagtige proportioner. I denne undersøgelse rekonstruerede Fujitsu og RIKEN et 3D-densitetskort af hver konformation ud fra et stort antal projektionsbilleder og de tilsvarende vinkler på et givet tidspunkt. Samtidig estimerede de to parter andelen baseret på hyppigheden af ​​den rekonstruerede konformation som et fingerpeg.

2. Teknologi til forudsigelse af konformationsændring baseret på lavdimensionelle træk ved proteinkonformation

Da konformationen af ​​målproteinet normalt udtrykkes af højdimensionelle data, er det vanskeligt direkte at forudsige konformationsændringerne. Men i processen med at rekonstruere konformationen ved hjælp af den generative AI-teknologi i det foregående afsnit, udtog Fujitsu og RIKEN et lavdimensionelt træk ved konformationen. Ved at bruge generativ AI-teknologi analyserede Fujitsu og RIKEN de lavdimensionelle data og forudsagde de konformationelle ændringer ved at gendanne 3D-densitetskort.


Billede: Oversigt over den nyudviklede teknologi Encoder og dekoder er trænet på billeder, der er taget i store nok mængder af et mikroskop. Efter træning er det muligt at opnå en analyserbar lavdimensionel fordeling 1) i det latente rum, der svarer til den strukturelle fordeling 2), som er svær at analysere. Samtidig kan dekoderen gendanne forskellige 3D-densitetskort svarende til lavdimensionelle funktioner.Fremtidsplaner

Fremadrettet vil Fujitsu og RIKEN udnytte den nyudviklede AI-lægemiddelopdagelsesteknologi som en af ​​kerneteknologierne til at analysere komplekser mellem målproteiner og antistoffer og til at forudsige strukturelle ændringer i molekyler med høj nøjagtighed og hastighed. For at bidrage til realiseringen af ​​Society5.0 inden for medicin, promoverer RIKEN konstruktionen af ​​en DX-platform til lægemiddelopdagelse på supercomputeren Fugaku, med det formål at innovere lægemiddelopdagelsesprocessen ved at bruge den som en af ​​de nye teknologier til at estimere de forskellige strukturelle tilstande af målproteiner. RIKEN promoverer yderligere forskellige initiativer, herunder TRIP (4) rettet mod at skabe innovative forskningsplatforme, der effektivt genererer nye vidensfelter på tværs af forskningsfelter. Fujitsu planlægger også at begynde at tilbyde sin forudsigelsesteknologi for proteinstrukturændringer den 10. oktober 2023 som et AI-innovationskernekomponentmodul i Fujitsu Kozuchi (kodenavn) – Fujitsu AI Platform. Under Fujitsu Uvance, som har til formål at realisere en bæredygtig verden, promoverer Fujitsu Sund livsstil, som maksimerer livsoplevelsen for alle. Fujitsu vil fortsat bidrage til at løse sociale problemer på det medicinske område ved at udvikle teknologier, der kombinerer dets styrker inden for AI og HPC.

(1) Konventionel procedure:Dette henviser til proceduren til at konstruere en sekvens af konformationel ændring af et målprotein som beskrevet i papiret [Kinman et al. (2023)]. I denne procedure er sekvensen konstrueret ved hjælp af eksisterende generativ AI, cryoDRGN, som er blevet trænet af et stort antal projektionsbilleder af målproteinet.
(2) Supercomputer Fugaku:En computer installeret hos RIKEN som en efterfølger til K-computeren. Fra juni 2020 til november 2021 rangerede den først i 4 kategorier på supercomputer-ranglisten i 4 på hinanden følgende perioder. Fuld drift startede den 9. marts 2021.
(3) Reducer tiden med forudsigelse af en konformationel ændring i et målprotein fra en dag til to timer:Effekten af ​​at anvende almindeligt anvendte ribosomdata til de to teknologier. Benchmark-tiden, en dag, refererer til den køretid, der er beskrevet i papiret [Kinman et al. (2023)].
(4) TUR:Transformativ forskningsinnovationsplatform af RIKEN-platforme

Om Fujitsu

Fujitsus formål er at gøre verden mere bæredygtig ved at skabe tillid til samfundet gennem innovation. Som den foretrukne digitale transformationspartner for kunder i over 100 lande, arbejder vores 124,000 medarbejdere på at løse nogle af de største udfordringer, som menneskeheden står over for. Vores udvalg af tjenester og løsninger trækker på fem nøgleteknologier: Computing, Networks, AI, Data & Security og Converging Technologies, som vi samler for at levere bæredygtighedstransformation. Fujitsu Limited (TSE:6702) rapporterede en konsolideret omsætning på 3.7 billioner yen (28 milliarder USD) for regnskabsåret, der sluttede 31. marts 2023, og er fortsat den bedste digitale servicevirksomhed i Japan efter markedsandel. Find ud af mere: www.fujitsu.com.

Om RIKEN Center for Computational Science

RIKEN er Japans største omfattende forskningsinstitution kendt for forskning af høj kvalitet inden for en bred vifte af videnskabelige discipliner. Grundlagt i 1917 som en privat forskningsfond i Tokyo, er RIKEN vokset hurtigt i størrelse og omfang og omfatter i dag et netværk af verdensklasse forskningscentre og institutter på tværs af Japan, herunder RIKEN Center for Computational Science (R-CCS), hjemstedet for supercomputeren Fugaku. Som lederskabscentret for højtydende databehandling, udforsker R-CCS "videnskaben om computing, ved databehandling og til databehandling." Resultaterne af udforskningen - teknologierne såsom open source-software - er dens kernekompetence. R-CCS stræber efter at styrke kernekompetencen og fremme teknologierne i hele verden.

Tryk på Kontakter

Fujitsu LimitedPublic and Investor Relations Division Forespørgsler

RikenComputational Science Promotion Office E-mail: r-ccs-koho@ml.riken.jp

Tidsstempel:

Mere fra JCN Newswire