GYDE (Guide Your Design and Engineering)
AlphaFold2、Boltz、Chaiなど、複数のAIモデルを統合して実行するバイオ設計プラットフォーム
- AIモデルの一括実行：AlphaFold2、Boltz-1/2、Chai-1r、OpenFold3、ABodyBuilder2、Ibex、MOE Ab_workflow（構造予測）、ProteinMPNN、ThermoMPNN、LigandMPNN、BindCraft、RFDiffusion（タンパク質設計）、MAFFT、Absolve、RaSP、Rosetta ΔΔG、TAP、MolDesk（解析）など、10種類以上の最新のタンパク質AIモデルをSlivka APIを通じてWeb GUI上で直接実行 - Mol*ベースの3D構造可視化：配列-構造の自動同期、MSAビューワー（フィルタリング、整列、注釈）、ヒートマップ（飽和変異データ）、散布図（予測スコア vs 実験値）、配列ロゴ（残基の保存度）、画像ビューワーなど、インタラクティブなプロットを統合 - 抗体エンジニアリングワークフロー：Absolveナンバリング → ABodyBuilder2構造予測 → TAP/MolDesk開発性解析 → ProteinMPNN変異設計の一貫したパイプライン - 柔軟なデータモデル：カラムベースのデータフレーム構造で、配列、構造、実験データを統合。CSV、XLSX、FASTA、PDBのアップロード、およびPDB/UniProt/Pfam公開DBとの連携 - セッションバージョン管理とコラボレーション：OAuth2認証、セッションアクセス制御、バージョン履歴により、研究者間のコラボレーションを支援 - Send-to-GYDE API：外部システムからcurlエンドポイントを通じてプログラムによるデータインポート（パイプライン自動化との連携） - HPCスケジューラとの連携：Slivkaを通じて、LSF、Slurm、SunGrid Engineなどの主要なHPCジョブスケジューラをサポート
💻 必要なスペック
GYDE自体はCPUベースのウェブサーバーです。SlivkaのコンピューティングレイヤーでAlphaFold2/RFDiffusionなどのAIモデルを実行する際には、NVIDIA GPUが必要です（モデルによって異なります。AlphaFold2は16GB以上、ProteinMPNNは8GB以上、RFDiffusionは16GB以上）。
GYDEコアは約500MBです。SlivkaのコンピューティングツールとAIモデルの重みを合わせると、数十GBから数百GBになります（AlphaFold2のデータベースは別途約2.5TBで、ローカルに構築する場合）。
⚡ インストール
### 4-1. 簡単なセットアップ（Docker、推奨）
```bash
git clone https://github.com/proteinverse/gyde.git
cd gyde
export SLIVKA_DATA_DIR=/path/to/slivka/data
docker compose --profile setup run slivka-bio-installer
docker compose up gyde-server
# http://localhost:3030 にアクセス
```
### 4-2. ローカル開発環境
```bash
# 事前条件：Node.js v14以上、MongoDB v4.4以上、Git
git clone https://github.com/proteinverse/gyde.git
# フロントエンド
cd gyde/gyde-frontend && npm install && npm start
# http://localhost:3000
# バックエンド（別のターミナル）
cd gyde/gydesrv && npm install
export GYDE_SLIVKA_URL=http://your-slivka-server:4040
export GYDE_MONGO_CONNECTION=mongodb://localhost:27017/
npm start
```
### 4-3. 本番環境へのデプロイ
```bash
cd gyde-frontend && npm run build
cd ../gydesrv
export GYDE_HOST=0.0.0.0
export GYDE_PORT=3030
export GYDE_SLIVKA_URL=http://your-slivka-server:4040
export GYDE_MONGO_CONNECTION=mongodb://localhost:27017/
node index.js
```
### 主要な環境変数
| 変数 | 用途 | デフォルト値 |
|------|------|--------|
| `GYDE_HOST` | バインドアドレス | 127.0.0.1 |
| `GYDE_PORT` | ポート | 3030 |
| `GYDE_SLIVKA_URL` | Slivka コンピューティング API エンドポイント | **必須** |
| `GYDE_MONGO_CONNECTION` | MongoDB 接続 URI | mongodb://localhost/ |
| `GYDE_DB_NAME` | データベース名 | gydedb_prd |
| `GYDE_CA_BUNDLE` | 企業 SSL 証明書パス | (なし) |🧬 バイオ活用シナリオ
タンパク質-タンパク質相互作用（PPI）の大規模フィルタリング
プロテオミクスデータから得られた1,381個の相互作用候補をAlphaFold2-multimerで構造予測し、GYDE内でpTM/ipTMスコアに基づいてフィルタリング — Molビューアーでインターフェース残基を視覚的に検証し、実験検証の優先順位を決定
構造予測手法のベンチマーク
Boltz-1とChai-1rのコフォールディングの結果を同じセッションで直接比較 — 予測品質のメトリック、構造の不一致領域、信頼度スコアを視覚的に確認し、プロジェクトごとに最適なモデルを選択
抗体エンジニアリング（合理的設計）
B細胞レパートリー配列から、抗体番号付け、構造予測、CDR変異ヒートマップの視覚化、開発性（TAP/MolDesk）の評価、実験用のピックリストの作成までを単一のプラットフォームで実行。Anti-PD-1抗体をProteinMPNNで設計し、最適化した事例をデモンストレーション
酵素の最適化
HyperTEVプロテアーゼにProteinMPNNベースの飽和変異設計ワークフローを適用し、野生型と比較して約20倍の触媒効率の向上を達成した先行研究の計算による再現
De novoバインダーの設計
BindCraftとRFDiffusionを活用して、LRRC15ターゲットAAVカプシドのリターゲティングを設計 — 実験的な結合/VLP収量データと予測構造をGYDEで統合的に分析
協調的な反復設計
セッションのバージョン管理とアクセス制御を通じて、計算生物学者、実験科学者、プロジェクトリーダーが同じ設計セッションを共有し、反復設計-実験サイクルを実行
📝 アップデートノート
まだアップデートノートはありません。
🧪 関連「生命のコード」
関連する「生命のコード」記事はまだありません。