生物工学：言語モデルを用いた哺乳類の代謝物の予測と発見

数十年にわたる研究にもかかわらず、哺乳類メタボロームの大部分は未探索のままである。質量分析に基づいたメタボロミクスでは、ヒトの組織と生体液において日常的に数千の小分子関連ピークが検出されているが、通常、それらのうち特定できるのはごく一部であり、新規代謝物の構造解明はいまだに困難である。生化学言語モデルは、DNA、RNA、タンパク質の配列の解釈に変革をもたらしているが、小分子代謝の理解においては、まだそれに匹敵する影響を及ぼしていない。今回我々は、化学言語モデルを用いて、これまでに特徴付けされていない代謝物の存在を予測する手法について報告する。ここで紹介するDeepMetは、既知の代謝物の構造から学習し、これまで認識されていなかった代謝物の存在を予測する化学言語モデルである。DeepMetを質量分析に基づいたメタボロミクスデータと統合することで、代謝物の発見が容易になる。我々はDeepMetを活用して、構造的に多様な数十の哺乳類代謝物を明らかにした。我々の研究は、言語モデルが哺乳類メタボロームのマッピングを前進させる可能性を実証している。

目次へ戻る