aiProteinサービスについて
サービス全般について
-
Q. 有望変異体の配列提供までの期間はどのくらいですか？
抗体は8-10 ヶ月、酵素は10-12ヶ月程度です。
対象タンパク質の特性や評価項目により前後する場合がありますが、プロジェクトの進行状況や目的に応じて柔軟に対応可能です。 -
Q. いくつの有望変異体が納品されるのですか？
aiProteinでは約10種類の候補配列をご提案します。配列の多様性も考慮して候補を提案するため、お客様にて他の評価軸も含めた最終候補を選定いただけます。また、複数配列を確保することで、知的財産（IP）戦略の観点でも有利になります。
一方、RevoAbでは最大3種類の候補配列をご提供します。RevoAbに限り、候補配列をご提供できなかった場合は無償となりますので、安心してご利用いただけます。
データ提供について
-
Q. 申込者からの実験データやタンパク質の提供は必須ですか？
いいえ、実験データやタンパク質のご提供は必須ではありません。
お手持ちの実験データやタンパク質をご提供いただくことで、配列空間や評価系の設計効率が向上する可能性はありますが、ない場合でも本サービスは十分に実施可能です。 -
Q. 申込者からの実験データ提供の有無によって、タイムラインは変わりますか？
いいえ、大きな差はありません。
申込者からの実験データ提供の有無にかかわらず、レボルカの標準的な実験・解析フローに基づいて進めるため、全体のスケジュールは概ね同等です。 -
Q. 設計や評価は、すべてレボルカが行うのですか？
はい、基本的には、設計からタンパク質調製・評価までをすべてレボルカが担当します。
ただし、プロジェクトのタイムラインや評価系の特性に応じて、申込者と役割分担しながら進めることも可能です。
RevoAbについて
-
Q. RevoAbとはどのようなサービスですか？
RevoAbは、オンラインで完結する抗体配列最適化サービスです。タンパク質収量や安定性といった物性の改善が期待できます。
専用の入力フォームから対象抗体のアミノ酸配列をご提供いただくことで、独自の設計アルゴリズムに基づき、最大3本の有望配列をご提案します。
結果は最短即日でのご提供が可能です（※内容によりお時間をいただく場合があります）。 -
Q. RevoAbとaiProteinの関係性を教えてください。
RevoAbは、aiProteinを活用した抗体改変において、第1ステップである「配列空間設計(簡易版)」に相当します。RevoAbで有効性が確認された抗体については、aiProteinのフルパッケージサービスに移行することで、後続の機械学習により、さらなる機能向上が期待できます。
知財の取扱いについて
-
Q. 知的財産権の帰属はどのようになりますか？
本サービスを通じて創出される知的財産権は、原則としてすべて申込者に帰属します。
サービス実績について
-
Q. 国内案件の実績はどのようなものがありますか？
国内案件に関しては各取引先との秘密保持義務があるため、詳細な開示はできませんが、近日中に実績サマリーを公開予定です。
-
Q. 海外案件の実績はどの程度ありますか？
海外案件は、現在進行中または協議中のプロジェクトがあり、今後さらに拡大予定です。
aiProtein技術について
技術全般について
-
Q. 酵素の基質特異性の改変も対応可能ですか？
はい、酵素の基質特異性を改変した実績があります。
酵素はアミノ酸配列や機能特性の多様性が高く、一般的にはモデル構築が難しい対象です。しかし、レボルカでは実験による実際の評価結果から学習を行うため、従来技術では難しい特性の改変にも対応可能です。 -
Q. 従来の合理的設計では到達が難しい機能の向上にも対応可能ですか？
はい、対応可能です。
単純な結合性の最適化や合理的な設計だけでは到達や解釈が難しい解に対しても、機械学習を活用することで到達できる点がレボルカの強みです。
また、機械学習によって機能向上が確認された変異体を起点に、後から合理的な理由が見えてくるケースもあります。
評価系の設計やレボルカでの対応可否については、個別にご相談ください。 -
Q. 機械学習に用いる約100個の変異体データは、どのように選定するのですか？
レボルカの強みの一つである配列空間設計技術により絞り込んだ変異候補（残基位置×アミノ酸種）に対し、ランダムに変異を導入します。
-
Q. 教師データ取得と評価のサイクルは、通常どの程度繰り返しますか？
1回の設計・評価サイクルで目標とする結果が得られるケースが多いです。
ただし、得られた結果がご希望に満たない場合には、複数回のサイクルを重ねて更なる最適化を試みることも可能です。 -
Q. 離れた位置にある複数の残基を同時に考慮することは可能ですか？
はい、可能です。
レボルカでは、対象タンパク質の全長配列をもとに配列空間設計を行います。これにより、空間的または配列上で離れた残基同士の相互作用や影響も考慮した最適化が可能です。その結果、局所的な設計では見つけにくい最適な変異の組み合わせを特定できます。 -
Q. 教師データに機能が向上した変異体が存在しない場合、機械学習は不可能ですか？
原則として、向上した変異体がまったく存在しない場合、機械学習は困難です。そのため、通常、教師データ取得後に、機械学習の継続可否をご判断いただけるマイルストーンを設けています。
ただし、レボルカの配列空間設計技術により、これまで向上変異体が得られなかったケースはありません。向上変異体の存在割合は数％程度で十分であり、向上幅は小さくても問題ありません。また、向上しなかったデータ（ネガティブデータ）も、最適化の方向性を学習するうえで重要な情報となります。 -
Q. マウスとヒトの交差性を付与・最適化する場合、抗原の配列情報のみで機械学習による予測は可能ですか？
いいえ、抗原の配列情報のみでは十分ではありません。
レボルカでは、スタートとなる抗体が実際にどの程度マウス・ヒト間で交差性を示すか、また各変異体でその交差性がどのように変化するかといった実測データを取得したうえで、機械学習により最適化を行います。
これにより、両種に対してバランスよく結合・機能を示す条件を学習し、交差性の最適化が可能になります。 -
Q. 実験から取得される教師データの数はどの程度必要ですか？
目安として、約100個の変異体データをご想定ください。
対象タンパク質や評価する特性により必要なデータ数は変動しますが、タイムラインに合わせて最小限のデータから機械学習を開始することも可能です。
