Fujitsu och RIKEN utvecklar AI-läkemedelsupptäcktsteknologi som använder generativ AI för att förutsäga strukturella förändringar i proteiner

Fujitsu och RIKEN utvecklar AI-läkemedelsupptäcktsteknologi som använder generativ AI för att förutsäga strukturella förändringar i proteiner

Tidsstämpel: 10 oktober 2023 3:29
Källnod: 2929086

TOKYO, 10 oktober 2023 – (JCN Newswire) – Fujitsu Limited och den HPC- och AI-drivna Drug Development Platform Division vid RIKEN Center for Computational Science tillkännagav idag att de har utvecklat en AI-läkemedelsupptäcktsteknologi som kan förutsäga strukturella förändringar av proteiner från elektronmikroskopbilder som en 3D-densitetskarta inom ett brett spektrum genom att använda generativ AI i januari 2023. De två parterna planerar vidare att presentera ett dokument om denna teknik vid MICCAI 2023, den främsta internationella konferensen inom området medicinsk bildbehandling, den 10 oktober 2023 (japansk tid).

I samband med detta tillkännagivande planerar Fujitsu också att göra sin prediktionsteknologi för proteinstrukturförändringar tillgänglig den 10 oktober 2023 som en AI-innovationskomponent i Fujitsu Kozuchi (kodnamn) – Fujitsu AI Platform, en AI-plattform som tillåter användare att snabbt testa avancerad teknik.

Som en del av ett gemensamt forskningsprojekt som lanserades i maj 2022, utvecklade Fujitsu och RIKEN en generativ AI-teknologi som exakt uppskattar de olika formerna av ett målproteins konformation och deras möjliga proportioner från ett stort antal projektionsbilder tagna med elektronmikroskopi, samt en teknologi som förutsäger konformationsförändringar i målproteinet från de uppskattade proportionerna. Baserat på dessa två teknologier utvecklade de två parterna en AI-läkemedelsupptäcktsteknologi som kan förutsäga strukturella förändringar av ett protein inom ett brett spektrum, med syftet att utveckla nästa generations IT-läkemedelsupptäcktsteknologi som avsevärt minskar utvecklingstiden och kostnaden för läkemedel upptäckt.

Tekniken möjliggör noggrant förvärv av proteinkonformationer och förändringar baserat på experimentella data på mer än tio gånger kortare tid än konventionella procedurer (1), vilket möjliggör innovation i designprocessen av läkemedel som binder till målproteiner som bakterier och virus.

Framöver kommer Fujitsu och RIKEN att använda den nyutvecklade generativa AI-teknologin som en av kärnteknologierna för att förverkliga nästa generations IT-läkemedelsupptäcktsteknologi som kan analysera de komplexa relationerna mellan målproteiner och antikroppar och förutsäga globala strukturella förändringar av molekyler med hög noggrannhet och hastighet.

Bakgrund

Proteiner som är nära involverade i levande organismers livscykler och sjukdomsmekanismer är naturligt mycket flexibla och interagerar med andra molekyler in vivo genom att ändra deras strukturkonformation. Till exempel, för att utveckla läkemedel som undertrycker infektion av virus som COVID-19 som stimulerar dess infektion med konformationsförändringar på deras ytproteiner, är det nödvändigt att fastställa proteinernas olika konformationstillstånd och hur de förändras mellan konformationerna. Konventionella strukturanalysmetoder kräver dock en hög nivå av expertis och försök och misstag, vilket kräver avsevärd tid och utgifter för att erhålla korrekta konformationsförändringar. För att lösa detta problem har Fujitsu och RIKEN utvecklat följande två nya läkemedelsupptäcktsteknologier med hjälp av generativ AI.

Två läkemedelsupptäcktsteknologier

Fujitsu och RIKEN utvecklade två nya läkemedelsupptäcktsteknologier genom att använda det kunnande som odlats genom utvecklingen av Fujitsus djupinlärningsteknologi och tillämpa kunskapen om RIKENs läkemedelsupptäckande molekylär simulering med hjälp av superdator Fugaku (2). Kombinationen av de två teknologierna minskade tiden för förutsägelse av konformationsförändringar i ett målprotein från en dag till två timmar (3), vilket bidrar till att snabba upp och effektivisera läkemedelsupptäcktsprocessen för läkemedelsföretag. Detaljer för varje teknik är följande:

1. Generativ AI-teknik som noggrant uppskattar de olika formerna av proteinkonformation och deras proportioner

Noggrann förutsägelse av konformationsförändringar av ett målprotein inom ett brett område kräver de möjliga formerna av konformationen och deras exakta proportioner. I denna studie rekonstruerade Fujitsu och RIKEN en 3D-densitetskarta av varje konformation från ett stort antal projektionsbilder och motsvarande vinklar vid ett givet ögonblick. Samtidigt uppskattade de två parterna andelen baserat på frekvensen av den rekonstruerade konformationen som en ledtråd.

2. Teknik för att förutsäga konformationsförändringar baserat på lågdimensionella egenskaper hos proteinkonformation

Eftersom konformationen av målproteinet vanligtvis uttrycks av högdimensionella data, är det svårt att direkt förutsäga konformationsförändringarna. Men i processen att rekonstruera konformationen med den generativa AI-tekniken i föregående stycke, extraherade Fujitsu och RIKEN ett lågdimensionellt inslag i konformationen. Med hjälp av generativ AI-teknik analyserade Fujitsu och RIKEN lågdimensionella data och förutspådde konformationsförändringarna genom att återställa 3D-densitetskartor.


Bild: Översikt över den nyutvecklade tekniken Kodare och avkodare tränas på bilder som har tagits i tillräckligt stora mängder av ett mikroskop. Efter träning är det möjligt att få en analyserbar lågdimensionell fördelning 1) i det latenta utrymmet som är likvärdig med den strukturella fördelningen 2), vilket är svårt att analysera. Samtidigt kan avkodaren återställa olika 3D-densitetskartor som motsvarar lågdimensionella funktioner. Framtidsplaner

Framöver kommer Fujitsu och RIKEN att utnyttja den nyutvecklade tekniken för upptäckt av AI-läkemedel som en av kärnteknologierna för att analysera komplex mellan målproteiner och antikroppar och för att förutsäga strukturella förändringar i molekyler med hög noggrannhet och hastighet. För att bidra till förverkligandet av Society5.0 inom medicinområdet, främjar RIKEN konstruktionen av en DX-plattform för läkemedelsupptäckt på superdatorn Fugaku, som syftar till att förnya läkemedelsutvecklingsprocessen genom att använda den som en av de nya teknologierna för att uppskatta de olika strukturella tillstånd hos målproteiner. RIKEN främjar ytterligare olika initiativ inklusive TRIP (4) som syftar till att skapa innovativa forskningsplattformar som effektivt genererar nya kunskapsfält över forskningsfält. Fujitsu planerar också att börja erbjuda sin prediktionsteknologi för proteinstrukturförändringar den 10 oktober 2023 som en kärnkomponentmodul för AI-innovation i Fujitsu Kozuchi (kodnamn) – Fujitsu AI Platform. Under Fujitsu Uvance, som syftar till att förverkliga en hållbar värld, främjar Fujitsu Sund livsstil, vilket maximerar livsupplevelsen för alla. Fujitsu kommer att fortsätta att bidra till att lösa sociala problem inom det medicinska området genom att utveckla teknologier som kombinerar dess styrkor inom AI och HPC.

(1) Konventionell procedur:Detta hänvisar till proceduren för att konstruera en sekvens av konformationsförändring av ett målprotein som beskrivs i artikeln [Kinman et al. (2023)]. I denna procedur konstrueras sekvensen med hjälp av befintlig generativ AI, cryoDRGN, som har tränats av ett stort antal projektionsbilder av målproteinet.
(2) Superdator Fugaku:En dator installerad på RIKEN som en efterträdare till K-datorn. Från juni 2020 till november 2021 rankades den först i fyra kategorier i superdatorrankingen under fyra på varandra följande perioder. Full drift startade den 4 mars 4.
(3) Minska tiden med förutsägelse av en konformationsförändring i ett målprotein från en dag till två timmar:Effekten av att applicera vanligen använda ribosomdata till dessa två tekniker. Benchmarktiden, en dag, hänvisar till den löptid som beskrivs i tidningen [Kinman et al. (2023)].
(4) RESA :Transformativ forskningsinnovationsplattform av RIKEN-plattformar

Om Fujitsu

Fujitsus syfte är att göra världen mer hållbar genom att bygga förtroende i samhället genom innovation. Som den digitala transformationspartnern för kunder i över 100 länder arbetar våra 124,000 6702 anställda för att lösa några av de största utmaningarna som mänskligheten står inför. Vårt utbud av tjänster och lösningar bygger på fem nyckelteknologier: Computing, Networks, AI, Data & Security och Converging Technologies, som vi sammanför för att leverera hållbarhetstransformation. Fujitsu Limited (TSE:3.7) rapporterade konsoliderade intäkter på 28 biljoner yen (31 miljarder USD) för räkenskapsåret som slutade den 2023 mars XNUMX och är fortfarande det bästa digitala tjänsteföretaget i Japan efter marknadsandel. Få reda på mer: www.fujitsu.com.

Om RIKEN Center for Computational Science

RIKEN är Japans största omfattande forskningsinstitution känd för högkvalitativ forskning inom ett brett spektrum av vetenskapliga discipliner. RIKEN grundades 1917 som en privat forskningsstiftelse i Tokyo och har vuxit snabbt i storlek och omfattning och omfattar idag ett nätverk av forskningscentra och institut i världsklass i Japan, inklusive RIKEN Center for Computational Science (R-CCS), hem för superdatorn Fugaku. Som ledarskap för högpresterande datorutforskning utforskar R-CCS "Science of computing, by computing, and for computing." Resultaten av utforskningen - teknologierna som öppen källkodsprogramvara - är dess kärnkompetens. R-CCS strävar efter att förbättra kärnkompetensen och främja teknologierna över hela världen.

Presskontakter

Fujitsu LimitedAvdelningen för offentliga och investerarrelationer förfrågningar

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

Tidsstämpel:

Mer från JCN Newswire