標的分子に結合するタンパク質/抗体や、既存のタンパク質と比較して親和性や安定性が改善したタンパク質などを生成AIによってde novo proteinとして設計する技術。

技術の詳細については、Website、企業名での論文や特許、共同創業者メンバーの論文や特許などを確認したが、関連すると思われる情報は特定できなかった。

AlphaFoldの開発に携わったSimon Kohl (共同創業者兼CEOとして参画)やAlex Bridgland (共同創業者として参画)がコアメンバーであるため、AlphaFoldの技術は活用されていると思われる。

2024年に発表された最新モデルのAlphaFold3は、タンパク質のアミノ酸配列からタンパク質構造を予測するという本来の機能はそのままに、AlphaFold2でEvoformerモジュールと呼ばれていたiterativeにdesignとrefineを繰り返す工程を簡略化しつつ精度を保ったPairformerモジュールを採用し、その後拡散モデル(Diffusion module)によってタンパク質構造の生の原子座標を予測し、回転調整などの複雑な操作を不要にしつつ予測精度を高めている(Fig.1d)。 結果として、AlphaFold3では単一のソフトウェアでタンパク質-タンパク質間相互作用やタンパク質-核酸相互作用などの様々な分子間の相互作用の複合体構造を簡便に予測・出力できるようになっており、抗体-抗原結合の予測精度やタンパク質-核酸結合の予測精度がAlphaFold 2と比較して向上している。

Latent Labでは、更にこの機能を改善して、予測タスクではなく生成タスクを実行しようとしていることが、プレスリリースの説明から伺える。 具体的には、アミノ酸配列からタンパク質構造を予測するのではなく、目的の機能要件(標的分子との結合親和性、分子安定性など)を入力すると、タンパク質配列が生成AIによって出力されることを目指している。

すでにパイロットモデルが存在する様で、プレスリリースの説明から、AI platformで生成されたタンパク質を実際にWet labで評価し、実験的に検証を行っていると言及されている。

また、タンパク質設計を担う研究スタッフの求人情報から、(CRISPR)ヌクレアーゼやインテグラーゼなどのゲノム編集ツールとしての酵素の設計経験がある人材を募集しており、またハイスループットなタンパク質の評価(スクリーニング)系を持ち、その実験データのフィードバックによってAIモデルを改善していくプロセスを踏んでいることが伺える。