学術的背景 タンパク質の自己集合は生物学的システムにおいて普遍的な現象であり、その機能は構造支持から生化学的反応の制御まで多岐にわたる。近年、タンパク質設計の分野で顕著な進展が見られたが、既存の自己集合タンパク質構造は通常、厳密な対称性に依存しており、そのサイズと複雑性のさらなる向上が制限されていた。この制限を打破するため、研究者らは細菌のマイクロコンパートメントやウイルスカプシドに見られる擬似対称性（pseudosymmetry）に着想を得て、大規模な擬似対称性を持つ自己集合タンパク質ナノ材料を設計するための階層的な計算手法を開発した。この研究は、厳密な対称性の制約を超えることで、より大きく、より複雑なタンパク質ナノケージ（nanocages）を設計し、自己集合タンパク質構造の多様性を拡大...

深層学習を活用したタンパク質設計：条件付き拡散モデルによる機能的タンパク質配列の生成 タンパク質は生命科学研究および応用の中心的要素であり、その多様性と機能の複雑性は科学者に無限の可能性を提供します。深層学習技術の発展により、タンパク質設計は新たな高みに到達しつつあります。上海交通大学やケンブリッジ大学など複数の機関の科学者が共同で発表した研究「A conditional protein diffusion model generates artificial programmable endonuclease sequences with enhanced activity」は、「条件付きタンパク質拡散モデル」（Conditional Protein Diffusion Model、CPD...