ディープマインド、生物学を変革するタンパク質構造予測問題を解決へ

GoogleのAI部門であるDeepMindは、生物学における最古の課題の1つである、タンパク質の形状をアミノ酸配列から計算することに、最近重大な進展を達成しました。Natureによると、このブレークスルーは、生物学と化学の分野を変革する可能性があり、科学者が現在謎のままである多くのタンパク質の機能を決定できるようになるでしょう。

タンパク質の形状がその機能を決定し、ほとんどの生物学的機能はタンパク質に依存しています。「タンパク質構造予測」とは、アミノ酸配列から3次元構造への変換プロセスを指します。科学者がアミノ酸配列と生成されるタンパク質の形状の関係を決定できれば、どのタンパク質が異なる生物学的プロセスに影響を与えるかを判断できます。

科学者は、ヒトプロテオームには少なくとも80,000個のタンパク質があると推測していますが、これらのタンパク質のうち構造がわかっているのはごく一部です。伝統的な方法でタンパク質の形状を決定するには、実験室実験に数年かかることがあります。DeepMindの成果は、タンパク質構造の発見を劇的に高速化する可能性があります。

DeepMindの研究者は、約170,000個のタンパク質配列と対応する形状で構成されるデータベースを使用してアルゴリズムをトレーニングしました。研究者によって開発されたアルゴリズムは、100〜200個のGPUでトレーニングされ、トレーニングプロセスは数週間で完了しました。開発されたモデルは「AlphaFold」と命名されました。

AlphaFoldは、「テンションアルゴリズム」を使用して動作し、小さなタンパク質の断片を接続してから、より大きなセクションに拡張します。最初に小さなアミノ酸クラスターが接続され、次にアルゴリズムはこれらのクラスターを接続する方法を探しました。

AlphaFoldの研究者は、伝統的な深層学習アルゴリズムを遺伝子データと構造データに適用して、アミノ酸とタンパク質の関係を予測しようとしました。AlphaFoldは、タンパク質のスタイルのコンセンサスモデルを作成しました。ただし、このテクニックは多くの制限があることがわかり、研究者は新しい戦略を試しました。AlphaFoldの研究チームは、より多くの機能でトレーニングされたモデルを作成し、モデルは最終的なタンパク質構造の予測を返しました。

エンジニアリングチームは、AlphaFoldを「Critical Assessment of Protein Structure Prediction」（CASP）と呼ばれるコンペティションに参加させました。コンペティションでは、コンピュータアルゴリズムがアミノ酸配列からタンパク質の構造を予測する能力を評価します。参加者は100個のアミノ酸配列を受け取り、モデルはタンパク質の構造を決定する必要があります。AlphaFoldは、他のコンピュータモデルを上回る精度で優勝し、伝統的な実験室ベースのモデリング技術と同等の性能を示しました。AlphaFoldの最終的な中央値スコアは約92で、実験室ベースの方法は90でした。最も難しいタンパク質では、AlphaFoldのスコアは87％に低下しました。

DeepMindのCEO兼共同創設者であるDemis Hassabisによると、同社はすでにAlphaFoldを研究者に提供する計画を立てており、Max Planck Institute for Development Biologyの科学者は10年以上前に作業を開始したタンパク質構造の発見にAlphaFoldを使用しています。

European Bioinformatics InstituteのディレクターであるJanet Thorntonは、ScienceMagの引用で、DeepMindの成果は「構造生物学とタンパク質研究の未来を変える」と述べています。マリランド大学の生物学者であるShady GroveのJohn Moultは、「私が生きた間にタンパク質構造予測問題が解決されることはないと思っていました」と述べています。

AlphaFoldは、伝統的な実験室ベースのタンパク質構造決定方法を完全に置き換えることはないかもしれませんが、タンパク質構造の発見を劇的に高速化する可能性があります。研究者は、タンパク質構造を決定するために、高品質の実験データが必要になる可能性は低く、すでに大量のゲノムデータにアクセスでき、AlphaFoldのソリューションを使用してこれらのデータを構造に変換できます。