Fujitsu og RIKEN utvikler AI-medisinteknologi ved å bruke generativ AI for å forutsi strukturelle endringer i proteiner

Fujitsu og RIKEN utvikler AI-medisinteknologi ved å bruke generativ AI for å forutsi strukturelle endringer i proteiner

Tidsstempel: 10. oktober 2023 3:29
Kilde node: 2929086

TOKYO, 10. oktober 2023 – (JCN Newswire) – Fujitsu Limited og den HPC- og AI-drevne Drug Development Platform Division ved RIKEN Center for Computational Science kunngjorde i dag at de har utviklet en AI-medisinteknologi som kan forutsi strukturelle endringer av proteiner fra elektronmikroskopbilder som et 3D-tetthetskart i et bredt spekter ved å bruke generativ AI i januar 2023. De to partene planlegger videre å presentere en artikkel om denne teknologien på MICCAI 2023, den beste internasjonale konferansen innen medisinsk bildebehandling, den 10. oktober 2023 (japansk tid).

I forbindelse med denne kunngjøringen planlegger Fujitsu også å gjøre sin prediksjonsteknologi for proteinstrukturendringer tilgjengelig 10. oktober 2023 som en AI-innovasjonskomponent i Fujitsu Kozuchi (kodenavn) – Fujitsu AI-plattform, en AI-plattform som lar brukere raskt teste ut avanserte teknologier.

Som en del av et felles forskningsprosjekt lansert i mai 2022, utviklet Fujitsu og RIKEN en generativ AI-teknologi som nøyaktig estimerer de ulike formene for et målproteins konformasjon og deres mulige proporsjoner fra et stort antall projeksjonsbilder tatt med elektronmikroskopi, samt en teknologi som forutsier konformasjonsendringer i målproteinet fra de estimerte proporsjonene. Basert på disse to teknologiene utviklet de to partene en AI-legemiddeloppdagelsesteknologi som kan forutsi strukturelle endringer av et protein i et bredt spekter, med sikte på å utvikle neste generasjons IT-legemiddeloppdagelsesteknologi som betydelig reduserer utviklingstiden og kostnadene for legemidlet. oppdagelse.

Teknologien muliggjør nøyaktig anskaffelse av proteinkonformasjoner og endringer basert på eksperimentelle data på mer enn ti ganger kortere tid enn konvensjonelle prosedyrer (1), og muliggjør dermed innovasjon i designprosessen av legemidler som binder seg til målproteiner som bakterier og virus.

Fremover vil Fujitsu og RIKEN bruke den nyutviklede generative AI-teknologien som en av kjerneteknologiene for å realisere neste generasjons IT-medisinteknologi som kan analysere de komplekse relasjonene mellom målproteiner og antistoffer, og forutsi globale strukturelle endringer av molekyler med høy nøyaktighet og hastighet.

Bakgrunn

Proteiner som er nært involvert i livssyklusene og sykdomsmekanismene til levende organismer er naturlig svært fleksible og samhandler med andre molekyler in vivo ved å endre strukturkonformasjonen deres. For å utvikle legemidler som undertrykker infeksjon av virus som COVID-19 som stimulerer infeksjonen med konformasjonsendringer på overflateproteinene deres, er det nødvendig å fastslå de ulike konformasjonstilstandene til proteinene og hvordan de endrer seg mellom konformasjonene. Imidlertid krever konvensjonelle strukturelle analysemetoder et høyt nivå av ekspertise og prøving og feiling, og krever betydelig tid og utgifter for å oppnå nøyaktige konformasjonsendringer. For å løse dette problemet har Fujitsu og RIKEN utviklet følgende to nye medikamentoppdagelsesteknologier ved bruk av generativ AI.

To medikamentoppdagelsesteknologier

Fujitsu og RIKEN utviklet to nye medikamentoppdagelsesteknologier ved å bruke kunnskapen som er dyrket gjennom utviklingen av Fujitsus dyplæringsteknologi og ved å anvende kunnskapen om RIKENs legemiddeloppdagelse molekylær simulering ved bruk av superdatamaskin Fugaku (2). Kombinasjonen av de to teknologiene reduserte tiden for prediksjon av konformasjonsendringer i et målprotein fra én dag til to timer (3), og dermed bidra til å øke hastigheten og effektiviteten av legemiddeloppdagelsesprosessen for farmasøytiske selskaper. Detaljer om hver teknologi er som følger:

1. Generativ AI-teknologi som nøyaktig estimerer de ulike formene for proteinkonformasjon og deres proporsjoner

Nøyaktig prediksjon av konformasjonsendringer av et målprotein i et bredt spekter krever de mulige formene for konformasjonen og deres nøyaktige proporsjoner. I denne studien rekonstruerte Fujitsu og RIKEN et 3D-tetthetskart av hver konformasjon fra et stort antall projeksjonsbilder og de tilsvarende vinklene i et gitt øyeblikk. Samtidig estimerte de to partene andelen basert på frekvensen av den rekonstruerte konformasjonen som en ledetråd.

2. Teknologi for å forutsi konformasjonsendring basert på lavdimensjonale trekk ved proteinkonformasjon

Siden konformasjonen av målproteinet vanligvis uttrykkes av høydimensjonale data, er det vanskelig å direkte forutsi konformasjonsendringene. Imidlertid, i prosessen med å rekonstruere konformasjonen ved hjelp av den generative AI-teknologien i det foregående avsnittet, hentet Fujitsu og RIKEN ut et lavdimensjonalt trekk ved konformasjonen. Ved å bruke generativ AI-teknologi analyserte Fujitsu og RIKEN de lavdimensjonale dataene og forutså konformasjonsendringene ved å gjenopprette 3D-tetthetskart.


Bilde: Oversikt over den nyutviklede teknologien Koder og dekoder er trent på bilder som er tatt i store nok mengder av et mikroskop. Etter trening er det mulig å oppnå en analyserbar lavdimensjonal fordeling 1) i det latente rommet som tilsvarer den strukturelle fordeling 2), som er vanskelig å analysere. Samtidig kan dekoderen gjenopprette ulike 3D-tetthetskart som tilsvarer lavdimensjonale funksjoner. Fremtidsplaner

Fremover vil Fujitsu og RIKEN utnytte den nyutviklede AI-medisinteknologien som en av kjerneteknologiene for å analysere komplekser mellom målproteiner og antistoffer og for å forutsi strukturelle endringer i molekyler med høy nøyaktighet og hastighet. For å bidra til realiseringen av Society5.0 innen medisin, fremmer RIKEN byggingen av en DX-plattform for medikamentoppdagelse på superdatamaskinen Fugaku, med sikte på å innovere legemiddeloppdagelsesprosessen ved å bruke den som en av de nye teknologiene for å estimere de ulike strukturelle tilstander til målproteiner. RIKEN fremmer ytterligere ulike initiativer, inkludert TRIP (4) rettet mot å skape innovative forskningsplattformer som effektivt genererer nye kunnskapsfelt på tvers av forskningsfelt. Fujitsu planlegger også å begynne å tilby sin prediksjonsteknologi for proteinstrukturelle endringer 10. oktober 2023 som en kjernekomponentmodul for AI-innovasjon til Fujitsu Kozuchi (kodenavn) – Fujitsu AI Platform. Under Fujitsu Uvance, som har som mål å realisere en bærekraftig verden, promoterer Fujitsu Healthy Living, som maksimerer livserfaringen til alle. Fujitsu vil fortsette å bidra til å løse sosiale problemer innen det medisinske feltet ved å utvikle teknologier som kombinerer styrkene innen AI og HPC.

(1) Konvensjonell prosedyre:Dette refererer til prosedyren for å konstruere en sekvens av konformasjonsendring av et målprotein som beskrevet i artikkelen [Kinman et al. (2023)]. I denne prosedyren er sekvensen konstruert ved bruk av eksisterende generativ AI, cryoDRGN, som har blitt trent av et stort antall projeksjonsbilder av målproteinet.
(2) Superdatamaskin Fugaku:En datamaskin installert på RIKEN som en etterfølger til K-datamaskinen. Fra juni 2020 til november 2021 rangerte den først i 4 kategorier i superdatamaskinrangeringene i 4 påfølgende perioder. Full drift startet 9. mars 2021.
(3) Reduser tiden med prediksjon av en konformasjonsendring i et målprotein fra én dag til to timer:Effekten av å bruke ofte brukt ribosomdata til de to teknologiene. Referansetiden, én dag, refererer til kjøretiden beskrevet i avisen [Kinman et al. (2023)].
(4) TUR:Transformativ forskningsinnovasjonsplattform av RIKEN-plattformer

Om Fujitsu

Fujitsus formål er å gjøre verden mer bærekraftig ved å bygge tillit i samfunnet gjennom innovasjon. Som den foretrukne digitale transformasjonspartneren for kunder i over 100 land, jobber våre 124,000 6702 ansatte for å løse noen av de største utfordringene menneskeheten står overfor. Vårt utvalg av tjenester og løsninger bygger på fem nøkkelteknologier: databehandling, nettverk, kunstig intelligens, data og sikkerhet og konvergerende teknologier, som vi samler for å levere bærekraftstransformasjon. Fujitsu Limited (TSE:3.7) rapporterte konsoliderte inntekter på 28 billioner yen (31 milliarder USD) for regnskapsåret som ble avsluttet 2023. mars XNUMX og er fortsatt det beste digitale tjenesteselskapet i Japan etter markedsandel. Finne ut mer: www.fujitsu.com.

Om RIKEN senter for beregningsvitenskap

RIKEN er Japans største omfattende forskningsinstitusjon kjent for høykvalitets forskning i et mangfoldig utvalg av vitenskapelige fagområder. RIKEN ble grunnlagt i 1917 som et privat forskningsstiftelse i Tokyo, og har vokst raskt i størrelse og omfang, og omfatter i dag et nettverk av forskningssentre og institutter i verdensklasse, inkludert RIKEN Center for Computational Science (R-CCS), hjemmet til superdatamaskinen Fugaku. Som ledelsessenter for høyytelses databehandling utforsker R-CCS "Science of computing, by computing, and for computing." Resultatene av letingen - teknologiene som programvare med åpen kildekode - er kjernekompetansen. R-CCS strever for å forbedre kjernekompetansen og fremme teknologiene over hele verden.

Trykk på Kontakter

Fujitsu LimitedPublic and Investor Relations Divisjon forespørsler

RIKENComputational Science Promotion Office E-post: r-ccs-koho@ml.riken.jp

Tidstempel:

Mer fra JCN Newswire