21 世紀の最も差し迫った課題のいくつかに対処するバイオテクノロジーの可能性を過大評価することはできません。 これらの課題には、増加する世界人口への食糧供給、医療と治療へのアクセスの改善、気候変動の影響の緩和などが含まれます。
生物学的実験の「データが豊富な」性質とそのようなデータへの依存度を考慮すると、人工知能 (AI) が生物学的システムの設計、構築、最適化を促進することで合成生物学の進歩において重要な役割を果たしているのも不思議ではありません。 合成生物学を進歩させるために AI を使用する主な方法には、次のようなものがあります。
CRISPRベースの遺伝子編集
人工知能は、CRISPR-Cas9 テクノロジーを使用した遺伝子編集の強化において重要な役割を果たしています。 CRISPR-Cas9 は、研究者が DNA 配列のセクションを追加、削除、または変更することでゲノムを正確に編集できる強力な遺伝子編集ツールです。 しかし、CRISPR-Cas9 テクノロジーにおける課題の XNUMX つは、オフターゲット効果 (意図した標的部位に類似した DNA 配列の意図しない修飾) を予測し、最小限に抑えることです。
AI は、膨大な量のゲノムデータを分析して潜在的なオフターゲット効果とその可能性を予測することで、この問題の解決に役立ち、研究者をより正確で効率的な遺伝子編集に導くことができます。 ゲノム配列と CRISPR-Cas9 切断プロファイルの大規模なデータセットで機械学習アルゴリズムをトレーニングし、ターゲット配列とオフターゲット配列の間の類似性や、クロマチンのアクセス可能性などの他の要因に基づいてオフターゲット効果を予測できます。
さらに、AI は、ゲノムのコンテキスト、機能的アノテーション、および潜在的なオフターゲット部位を分析することで、CRISPR-Cas9 編集に最適なターゲット部位を特定するのに役立ちます。 これにより、研究者はオフターゲットのリスクを最小限に抑え、より高い編集効率でターゲット部位を選択できるようになります。
AI が CRISPR-Cas9 テクノロジーに貢献できるもう 9 つの側面は、ガイド RNA (gRNA) 設計の最適化です。 gRNA は CRISPR-Cas9 システムの重要な構成要素であり、CasXNUMX ヌクレアーゼを標的 DNA 配列に導く役割を果たします。 AI アルゴリズムを使用して、配列の特徴を分析し、gRNA 結合効率を予測し、特定の標的に最適な gRNA 配列を提案することで、全体的な遺伝子編集の効率と特異性を向上させることができます。
この文脈で興味深い企業は、 シンセゴは、CRISPR ゲノムエンジニアリング ソリューションのプロバイダーであり、機械学習アルゴリズムを使用して最適なガイド RNA (gRNA) 設計を分析および予測し、オフターゲット効果を最小限に抑え、編集効率を最大化します。
他社、 インスクリプト は、ハイスループット遺伝子編集のための完全自動ベンチトップ装置である Onyx プラットフォームを開発している遺伝子編集技術会社です。 同社の高度なアルゴリズムと機械学習モデルにより、CRISPR 実験の迅速な設計、最適化、実行が可能になり、プロセスが合理化され、結果が向上します。
遺伝子配列の最適化
遺伝子配列の最適化では、AI アルゴリズム、特に機械学習および深層学習モデルを活用して、大量の遺伝データを分析し、標的とする生物学的機能に理想的な遺伝子配列を決定します。 そうすることで、研究者は効率と安定性を高めて合成遺伝子を操作できるようになります。
この分野で有名な企業の XNUMX つが、 ベンチリングは、ライフサイエンス研究のためのクラウドベースのプラットフォームを提供し、科学者が機械学習アルゴリズムを使用して遺伝子配列を設計、編集、シミュレーションできるようにします。 別の例は DNA2.0は、現在 ATUM として知られており、独自の GeneGPS™ テクノロジーを使用して、あらゆる宿主生物での発現に最適化された遺伝子を設計します。 ツイストバイオサイエンス は、遺伝子配列の最適化の最前線にも立っており、シリコンベースの DNA 合成を利用して、さまざまな用途に最適化された高品質の遺伝子を生成しています。
タンパク質の設計
タンパク質の設計と工学では、AI を活用してアミノ酸配列に基づいてタンパク質の構造と機能を予測し、科学者が特定の特性を持つ革新的なタンパク質を作成できるようにします。 このプロセスにより、新しい酵素、治療薬、生体材料が作成される可能性があります。
この領域の主要なプレーヤーは次のとおりです。 ディープマインドは、アミノ酸配列に基づいてタンパク質の構造を正確に予測し、タンパク質の構造予測に革命をもたらす AI システムである AlphaFold を開発している会社です。 ロゼッタ・バイ・ザ タンパク質デザイン研究所 は、タンパク質構造の予測と設計のためのもう XNUMX つの強力な計算ツールであり、カスタムタンパク質の作成を可能にします。 さらに、 ザイマーゲン AI 主導の技術を採用して、農業、医療、材料科学などの産業に応用できる新しいタンパク質を設計および操作します。
最後に、Facebook と Instagram を運営する Meta は、600 億を超える推定上のタンパク質の構造を含む ESM Metagenomic Atlas を発表しました。 Meta AI アルゴリズムである ESMFold は、DeepMind の AlphaFold ほど正確ではないかもしれませんが、より速い処理時間を誇ります。 この速度の向上は、配列データ、つまりタンパク質を構成する直鎖のアミノ酸の順序に基づいてトレーニングされた言語モデルを使用する、アルゴリズムのタンパク質構造予測方法によるものです。
高速化された処理能力の結果、研究者らは約 600 台のグラフィックス処理ユニットのネットワークを利用して、わずか 2 週間以内に 2,000 億の構造を予測することができました。
代謝経路工学
代謝経路工学では、AI を活用して、バイオ燃料、医薬品、さまざまな化学物質などの特定の化合物を生成するための代謝経路を特定し、強化します。 AI アルゴリズムは、遺伝子、酵素、代謝産物間の相互作用を調べることで、標的分子を合成するための最も効果的なルートを予測できます。
この分野における先駆的な企業の XNUMX つが、 イチョウのバイオワークスこれは、AI 主導の技術を利用して微生物を操作し、産業用途で貴重な化合物を生産するものです。 もう一つの注目すべき例は、 インスクリプトは、標的分子生産のための代謝経路を最適化する微生物株を設計および操作するための Onyx™ プラットフォームを提供します。 さらに、 ザイマーゲン AI と自動化を利用して微生物を操作し、代謝経路を最適化し、その用途は農業、ヘルスケア、材料科学に及びます。
自動化された実験計画
AI は、合成生物学における実験計画の最適化に役立ち、どの実験が貴重な結果をもたらす可能性が最も高いかを予測し、研究者がより多くの情報に基づいた意思決定を行えるように導きます。
この分野のリーダーは、 シンセは、機械学習アルゴリズムを使用して生物学的研究のワークフローを設計、シミュレーション、実行するためのクラウドベースのソフトウェアである Antha プラットフォームを提供します。 もう一人の重要な選手は、 アルゼダは、AI とコンピューターによるタンパク質設計を利用して、さまざまな産業用途向けのカスタム遺伝子回路を構築する企業です。
テセラゲン は、バイオテクノロジー向けの最先端の AI 対応情報テクノロジーを安全なエンタープライズ オペレーティング システムとして組み込んだ最初のソリューションを導入しています。 TeselaGen は、Synthetic Evolution® 機械学習エンジンを搭載し、さまざまなソースからのデータを標準化、分析、統合し、高スループット、高内容の実験の設計を可能にします。
最後に、AI には合成生物学に大きな変化をもたらす力があり、今日の最も緊急な問題のいくつかに取り組むのに役立ちます。 ただし、この分野間のコラボレーションには独自の課題が伴うことを覚えておくことが重要です。 生物学的システムの複雑な性質、私たちが持っているデータの限界、モデルを検証するための苦労、さまざまな分野間の協力の必要性はすべて、克服すべきハードルになります。
トピック： 業界動向
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 自動車/EV、 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- ブロックオフセット。 環境オフセット所有権の近代化。 こちらからアクセスしてください。
- 情報源： https://www.biopharmatrend.com/post/642-from-gene-editing-to-pathway-design-how-ai-is-transforming-synthetic-biology/
