在藥物發現領域，設計新的蛋白質以表現出必要的功能和功效。過去，在逐漸改變作為蛋白質藍圖的氨基酸序列的同時進行實驗和結構搜索模擬，以檢查所得蛋白質是否具有必要的功能和功效。精確的設計需要大量的計算。

　去年，該研究小組將蛋白質進化的新假設與機器學習方法相結合，以比傳統方法快得多的速度成功實現了蛋白質設計。此外，通過應用複雜系統物理學和信息統計力學的理論，我們成功地推導出了一個無需模擬的氨基酸序列估計數學公式。

　因此，與去年宣布的高效設計方法相比，蛋白質設計所需的時間已減少至約 10/1。此外，由於所獲得的數學公式是允許對每個氨基酸殘基進行並行計算的格式，因此在將其應用於作為實際藥物發現目標的巨大蛋白質的設計時，存在計算複雜度爆炸的問題。它還具有不太可能發生的優點。此外，由於本次使用的理論模型不依賴於蛋白質的詳細特性，因此有望應用於新材料和新器件的設計等問題。

論文信息：[Journal of Statistical Mechanics: Theory and Experiment] 蛋白質設計問題的腔法