🧬 ProteinAI Research Platform

AI医学研究のためのタンパク質解析・生成プラットフォーム

概要

このプロジェクトは、最先端のAI技術を用いてタンパク質の解析・生成を行う統合プラットフォームです。

主要技術

技術	用途	モジュール
LLM/Transformer	タンパク質機能予測	protein_llm.py
GCN (Graph Neural Network)	構造解析	protein_gcn.py
Diffusion Model	配列生成 (AIGC)	protein_diffusion.py
Reinforcement Learning	配列最適化	protein_rl.py
Flask	Webダッシュボード	app.py

プロジェクト構造

ai_medical_research/
├── src/
│   ├── protein_llm.py      # LLMベース機能予測
│   ├── protein_gcn.py      # GCN構造解析
│   ├── protein_diffusion.py # Diffusion配列生成
│   ├── protein_rl.py       # 強化学習最適化
│   └── protein_utils.py    # ユーティリティ
├── templates/
│   └── index.html          # Webダッシュボード
├── app.py                  # Flask Webアプリ
├── main.py                 # CLI エントリポイント
└── requirements.txt        # 依存パッケージ

インストール

# 依存パッケージのインストール
pip install -r requirements.txt

# または個別に
pip install torch numpy flask

使用方法

コマンドライン

# デモ実行
python main.py --demo

# 配列解析
python main.py --analyze MVLSPADKTNVKAAWGKVGAH

# 配列生成
python main.py --generate 5

Webダッシュボード

python app.py
# http://localhost:5000 でアクセス

技術詳細

1. LLM-based Function Prediction

Transformerアーキテクチャを用いたタンパク質機能予測:

• Multi-head Self-Attention: 長距離依存性の捕捉
• Positional Encoding: 配列位置情報のエンコード
• Few-shot Learning: 少数サンプルからの予測

from src.protein_llm import ProteinLLM

llm = ProteinLLM()
predictions = llm.predict_function("MVLSPADKTNVKAAWGKVGAH")

2. Graph Convolutional Network

分子グラフ表現による構造解析:

• Graph Attention Layer: 動的な隣接ノード重み付け
• Residue Embedding: アミノ酸特徴量の学習
• Structure Classification: 二次構造クラス分類

from src.protein_gcn import ProteinStructureAnalyzer

analyzer = ProteinStructureAnalyzer()
structure = analyzer.analyze_structure("AEEAAKAFIEAIKALK")

3. Diffusion Model

Denoising Diffusion Probabilistic Model (DDPM):

• De Novo Generation: ゼロからの配列生成
• Conditional Sampling: 部分配列の補完
• Mutation Generation: 既存配列の変異体生成

from src.protein_diffusion import ProteinDiffusion

diffusion = ProteinDiffusion()
new_sequences = diffusion.sample(n=3, length=30)

4. Reinforcement Learning

Policy Gradientによる配列最適化:

• PPO-style Training: 安定した学習
• Property Optimization: 疎水性・電荷の最適化
• Reward Engineering: 目標特性への報酬設計

from src.protein_rl import ProteinRL

rl = ProteinRL()
results = rl.optimize({'hydro': -2.0, 'charge': 0}, steps=50)

関連技術・ツール

このプロジェクトは以下のツール・技術に関連しています:

• AlphaFold: タンパク質構造予測
• RFdiffusion: Diffusionベース構造生成
• ProteinMPNN: 配列設計
• ESM: タンパク質言語モデル

ライセンス

MIT License

著者

AI Medical Research Portfolio Project