AI統合型ハイスループットスクリーニングプラットフォーム

問い合わせ

Creative Enzymesは、インテリジェントなバリアント優先順位付けとハイスループット実験検証を統合した自動化スクリーニング基盤を運用しています。本プラットフォームは、AIガイド下の選抜、自動アッセイ実行、および定量的活性解析により、膨大なバリアントプールを順位付けされた候補リストへと変換します。

従来型スクリーニングにおける課題

酵素工学では、研究室が実務上評価可能な範囲を超える数のバリアントが生成されます：

膨大なバリアント数

ランダム変異導入、部位飽和変異ライブラリー、組合せ設計により、通常10⁴～10⁶のバリアントが生成されます。標準的な実験設備では網羅的な実験評価は現実的ではありません。

低効率

有益なバリアントは多くのライブラリーにおいてごく一部に限られます。スクリーニング工数は中立または有害な変異体の評価に費やされ、ヒット率はしばしば1%未満です。

実験負荷

大規模スクリーニングには、試薬消費、人員工数、解析キャパシティが大きく求められます。コストは成果ではなくライブラリー規模に比例して増大します。

スループットの制約

手作業中心のスクリーニング手法では、最新のライブラリー構築技術による生成速度に追随できません。ボトルネックが設計から検証へ移行し、プロジェクト進行が停滞します。

これらの課題に対応するには、インテリジェントに優先順位付けを行い、自動運用が可能で、ライブラリー多様性に見合うスケール性を備えたスクリーニング基盤が求められます。

AI支援スクリーニング・プラットフォーム

インテリジェントな候補優先順位付け

機械学習モデルにより、実験前に活性、安定性、発現性の予測に基づいてバリアントを順位付けします。スクリーニングは事前適格化された候補に集中し、ランダム抽出に比べて期待ヒット率が大幅に向上します。

自動化スクリーニング支援

ロボティック液体ハンドリング、プレート調製、アッセイ実行を最小限の手作業介入で運用します。スケジューリングアルゴリズムにより装置稼働率と結果のターンアラウンドを最適化します。

活性プロファイリング

分光光度法、蛍光法、クロマトグラフィーアッセイにより、速度論パラメータ、基質適用範囲、立体選択性を多様な反応化学にわたり測定します。アッセイのミニチュア化により、1キャンペーンあたり数千件の測定が可能です。

バリアント順位付け

多変量スコアリングにより、活性・安定性・発現データを統合して候補順位を一元化します。競合する特性のバランスを最適化するパレート最適バリアントを同定し、下流の検証へ展開します。

安定性スクリーニング

熱シフト解析、ストレス曝露後の残存活性、凝集速度論により、プロセス関連条件下での運用上の堅牢性を評価します。

機能予測

配列および構造に基づくモデルにより、実験スクリーニング未実施のバリアントの機能アウトカムを予測し、測定データから外挿して各キャンペーンの実効カバレッジを拡張します。

スクリーニング・ワークフロー

Screening Workflow

1. バリアントライブラリー：ランダム変異導入、部位飽和変異、組換え、または計算設計に由来するバリアントを投入します。数百～数百万規模のライブラリーに対応します。

2. AIベースのランキング：各バリアントを活性・安定性・発現性の予測指標でスコアリングします。複合ランキングにより、予測性能と信頼度に基づいてスクリーニング階層へ整理します。

3. フォーカスド・スクリーニング：上位階層のバリアントに対してハイスループット実験アッセイを実施します。スクリーニング深度は予測ヒット密度に合わせて調整し、低確率候補への無駄な工数を回避します。

4. 活性解析：アッセイ結果から速度論パラメータ、基質嗜好性、立体化学的アウトカムを解析します。バリアントは親酵素および陽性対照とベンチマーク比較します。

5. 候補選定：高性能バリアントを二次検証およびスケールアップへ選定します。選定基準は一次活性に加え、安定性、発現性、ならびに製造適性（manufacturability）の予測を総合的に勘案します。

対応スクリーニング種別

活性スクリーニング

標準化されたアッセイ条件下で、ターンオーバー速度、基質親和性、触媒効率を速度論的に特性評価します。

基質プロファイリング

化合物ライブラリーまたは天然代謝物パネルにわたり、基質適用範囲、特異性、選択性を評価します。

安定性スクリーニング

熱耐性、pH耐性、有機溶媒耐性、ならびにストレス条件下での長期運用半減期を評価します。

発現スクリーニング

標準的な生産宿主における総収量、可溶性画分、単量体純度、分泌効率を評価します。

適用領域

指向性進化

フォーカスド・ライブラリーの反復スクリーニングを行い、結果を次の設計サイクルへフィードバックします。

酵素最適化

合理設計バリアントに対し、活性・安定性・発現性の改善を目的とした多特性スクリーニングを実施します。

バイオ触媒開発

製造要件に適合する酵素を同定するため、プロセス条件下でのスクリーニングを実施します。

ケーススタディ

持続可能なバイオ触媒のためのハイスループット酵素工学

High-Throughput Enzyme Engineering for Sustainable Biocatalysis 図1. 優れたバイオ触媒を選抜するためのハイスループット技術。（Bozkurt et al., 2026）

本総説は、産業用バイオ触媒および持続可能な化学品製造に向けた酵素の探索・改変・最適化に関する新興戦略を概説しています。酵素工学、計算設計、自動DNAアセンブリ、ハイスループットスクリーニングの統合により、高性能化したバイオ触媒を開発するアプローチを強調しています。マイクロフルイディクス、液体ハンドリングシステム、Gibson Assembly、Golden Gate Assemblyを含むライブラリー構築技術の進展により、酵素バリアントの作製が効率化され、実験負荷が低減しました。さらに、天然物合成をはじめとする用途に向けて有望なバイオ触媒を同定・特性評価する手法についても論じています。これらのイノベーションは酵素開発を加速し、より効率的で環境的に持続可能なバイオエコノミーへの移行を後押しします。

よくあるご質問（FAQ）

Q: 本プラットフォームはどの程度のスループットに対応していますか？

A: 標準アッセイでは週あたり数千バリアント、ミニチュア化した一次スクリーニングでは数万バリアントに対応します。スループットはアッセイの複雑性および特性評価の深度に応じてスケールします。
Q: AIによる優先順位付けはヒット率をどのように改善しますか？

A: 活性および安定性の予測に基づく事前スクリーニングにより、改善確率の高いバリアントへ実験リソースを集中できます。同等のライブラリーサイズをランダムにスクリーニングする場合と比較して、ヒット率は通常5～10倍に向上します。
Q: 複数の特性を同時にスクリーニングできますか？

A: はい。一次スクリーニングで活性を測定し、二次スクリーニングで安定性、発現性、基質適用範囲を特性評価します。多変量ランキングにより、特性プロファイルのバランスが取れたバリアントを同定します。
Q: 利用可能なアッセイフォーマットは何ですか？

A: 分光光度法、蛍光法、HPLC、質量分析ベースのアッセイに対応しています。新規反応化学に対してはカスタムアッセイ開発も支援します。
Q: スクリーニングキャンペーンはどの程度の期間で開始できますか？

A: 標準アッセイでは、プロトコルの適用調整およびバリデーションに1～2週間を要します。カスタムアッセイでは、開発およびキャリブレーションに3～4週間を要します。
Q: 設計サービスとスクリーニングを連携できますか？

A: はい。AI-Guided Mutant Library Designにより設計されたライブラリーは、優先順位付けスクリーニングへ直接投入できる形式で提供可能です。結果は反復的改善のため設計モデルへフィードバックされます。

名：

姓：

メール *

電話：

会社/機関：

国または地域：

数量：

興味のあるサービスと製品 *

プロジェクトの説明：

研究および産業用途にのみご使用ください。個人医療用途には適していません。一部の食品グレード製品は、食品および関連用途における処方開発に適しています。

サービス

オンラインお問い合わせ

名：

姓：