バイオテクノロジー分野において、新たなスタートアップ企業であるLatent Labsが、5000万ドルの資金調達を受け、ベールを脱ぎました。元Google DeepMindの科学者Simon Kohl氏が設立した同社は、人工知能基礎モデルを活用して「生物学をプログラマブル化」することを目指し、バイオテクノロジー企業や製薬会社と連携してタンパク質の生成と最適化を行っています。Latent Labsの使命を理解するには、まず生物学におけるタンパク質の重要な役割を認識する必要があります。タンパク質は生細胞の…

先日、元DeepMind科学者のサイモン・コール（Simon Kohl）氏が、新たなAI創薬会社を設立したと発表しました。同社は、タンパク質予測分野、特にノーベル賞を受賞したAlphaFoldシステムに関する豊富な経験を活用することを目指しています。AlphaFoldは、タンパク質の3次元構造を正確に予測できる画期的なAIツールであり、その躍進はバイオメディカル研究において広く注目を集めています。画像注記：画像はAIによって生成されており、画像ライセンスサービスを利用しています。

マサチューセッツ工科大学（MIT）の科学者たちは最近、Boltz-1という強力なオープンソース人工知能モデルを発表しました。このイノベーションは、生物医学研究と創薬を大幅に加速する可能性を秘めています。Boltz-1は、生物分子構造予測において、Google DeepMindのAlphaFold3と同等の高度なレベルに到達する、初の完全にオープンソースのモデルです。このモデルは、MIT Jameel機械学習ヘルスクリニックの研究チーム、主に大学院生のジェレミー・ウォルヴァンド氏とによって開発されました。

Google DeepMindは先日、AlphaFold3のソースコードとモデルウェイトを予想外の発表で公開し、科学的発見と創薬を加速する可能性のある大きな進歩を示しました。この発表から数週間後、システムの開発者であるDemis Hassabis氏とJohn Jumper氏は、タンパク質構造予測への貢献により2024年ノーベル化学賞を受賞しました。前バージョンであるAlphaFold2と比較して、AlphaFold3の技術的能力は…

ノーベル賞受賞者のデミス・ハサビス氏が先日、英フィナンシャル・タイムズ紙のインタビューに応じ、科学研究におけるAIの役割と影響について語りました。彼は、AIが転換期に達しており、人々はAIが科学的発見に役立つほど成熟していることを認識していると述べています。ハサビス氏は、AlphaFoldが科学発見の新たな時代を告げていると述べ、10年後にはAlphaFoldが、これらさまざまな分野の科学的発見が新たな黄金時代に入ったことを示すものになっていることを期待しています。

バイオテクノロジー新興企業Chai Discoveryが、分子構造を予測し創薬を支援するAIモデルChai-1を発表。Google DeepMindのAlphaFoldを上回る精度を達成し、OpenAIとThrive Capitalから支援を受けています。Chai-1の無料ウェブインターフェースとオープンソースコードは、非営利研究を促進します。様々な種類の分子の予測において優れた性能を発揮し、特にデータが不完全な場合でも予想以上の精度を示し、創薬分野に革命を起こす可能性を秘めています。

AlphaFold3は、生物科学とコンピュータサイエンスの交差点における重要なブレークスルーとして、Google DeepMindによって発表されましたが、コードやモデルの重みが提供されなかったため、科学界で再現への熱狂が巻き起こりました。Ligoというスタートアップ企業がAlphaFold3の再現に成功した最初のチームとなり、3人の創設者全員がオックスフォード大学の学部生であり、わずか4ヶ月でこの偉業を達成し、科学の可能性を示しました。この成果は、特にタンパク質構造予測において大きな可能性を秘めたバイオサイエンス分野の画期的な出来事と見なされています。しかし、DeepMind...

A-Alpha Bio社が開発したAlphaSeqは、タンパク質間相互作用（PPI）予測の限界を突破し、7.5億件以上の測定結果を含む世界最大のPPIデータセットとなりました。タンパク質構造予測におけるAlphaFoldの成功と対照的に、AlphaSeqはPPI予測に特に優れ、革新的な手法でこのプロセスを簡素化しています。AlphaSeqの実験プラットフォームは、数百万件ものPPIの結合親和性を効率的に測定でき、タンパク質研究の進歩を加速させます。計算生物学の専門知識を活かし…

AlphaFold3（AF3）は、DeepMindチームによる最新のタンパク質、核酸、小分子の構造予測ツールです。単一のタンパク質配列とその複合体の構造を解明できる能力を備え、AF3は配列情報から3次元構造への変換を実現しました。そのアーキテクチャは、3つの主要なモジュールで構成されています。入力準備（配列の整理と、類似構造を持つ分子の検索）、表現学習（多層アテンション機構を用いた表現の更新）、構造予測（条件付き拡散モデルを用いた予測）です。AF3は、様々な分子を独自の数字に変換するという革新的な手法を採用しています。

AlphaFoldの最新バージョンは、タンパク質、核酸、PTMを含む分子の構造を予測できるようになり、リガンド、タンパク質、核酸の高精度な原子レベル予測を実現しました。抗体結合関連の問題では以前のバージョンを大幅に上回り、タンパク質-リガンド構造をより迅速かつ正確に予測できるため、複雑な生物学的メカニズムの理解と医療応用の加速に役立ちます。

ハーバード大学とコロンビア大学が、1600万のタンパク質の多重配列アラインメントと関連データを収録したオープンソースデータセット「OpenProteinSet」を発表。AIモデルの訓練を支援します。AlphaFold 2はタンパク質構造予測において画期的な精度を達成しましたが、その私有データが他の研究者の進歩を妨げていました。OpenProteinSetにはPDBに登録されているすべてのタンパク質のMSAが含まれており、タンパク質機械学習コミュニティに豊富な事前計算済みMSAリソースを提供します。このデータセットは構造予測などに利用できます。