AlphaFold はタンパク質の折り畳みを超え、「デジタル生物学」の次の時代を推進するでしょうか?

ライフサイエンスに革命をもたらしたAlphaFoldが再びアップデートされました——

精度が大幅に向上し、対象範囲がタンパク質からリガンドを含む他の生体分子にまで拡大されました。

AlphaFold は 2020 年のリリース以来、タンパク質とその相互作用を理解する方法に革命をもたらし、タンパク質研究における重要なマイルストーンとなりました。

Google DeepMindは本日、同社とIsomorphic Laboratoryの共同の取り組みにより、AlphaFoldが次世代にアップデートされ、生物科学におけるAIの応用にさらに強固な基盤が築かれると公式ブログで発表した。

新世代のAlphaFoldモデルは、タンパク質データバンク（PDB）内のほぼすべての分子を予測でき、その予測精度は原子レベルに達すると報告されています。

これにより、複数の主要な生体高分子クラスに対する新たな理解が広がるだけでなく、予測精度も大幅に向上します。これらの生体高分子クラスには、リガンド（小分子）、タンパク質、核酸（DNA および RNA）、翻訳後修飾（PTM）を伴う生体高分子が含まれ、これらの構造タイプと複合体は、細胞内の生物学的メカニズムを理解する上で非常に重要です。

Google DeepMindは、このモデルの機能と性能の拡張により、生物医学分野における進歩が加速し、人類を「デジタル生物学」の次の時代へと導くことになるだろうと述べた。これは、疾患経路、ゲノミクス、バイオ再生可能材料、植物免疫、潜在的な治療標的、薬物設計メカニズム、さらにはタンパク質工学と合成生物学の機能研究のための新たな洞察とプラットフォームを提供します。

AlphaFold は、単鎖タンパク質の予測において根本的な進歩を遂げました。 AlphaFold-Multimer は、複数のタンパク質鎖の複合体にまで拡張されました。 AlphaFold2.3 はパフォーマンスを向上させるだけでなく、より大きな複合体へのカバレッジも拡張します。

2022 年、AlphaFold は欧州バイオインフォマティクス研究所 (EMBL-EBI) と提携し、科学界に知られているほぼすべてのカタログ化されたタンパク質に対する AlphaFold の構造予測を、AlphaFold タンパク質構造データベースを通じて無料で利用できるようにしました。

現在までに、190 か国以上から 140 万人のユーザーが AlphaFold データベースにアクセスしており、世界中の科学者が AlphaFold の予測を利用して、新しいマラリアワクチンの開発の加速、抗がん剤の発見の促進、汚染問題を解決するためのプラスチックを食べる酵素の開発など、さまざまな分野の研究を前進させています。

この研究で、 Google DeepMind は、タンパク質の折り畳みを超えた正確な構造を予測する AlphaFold の並外れた能力を実証しました。リガンド、タンパク質、核酸、翻訳後修飾の非常に正確な構造予測を行うことができます。

図 |タンパク質-リガンド複合体、タンパク質、核酸、共有結合修飾の性能

さらに、AlphaFold の応用により、創薬分野も広がりました。

最新モデルは、創薬に関連するタンパク質構造の問題に関して AlphaFold2.3 や業界標準を大幅に上回る性能を発揮し、特に抗体結合予測におけるパフォーマンスに注目が集まっています。

従来の方法では、タンパク質のリガンド構造を予測するために、剛性タンパク質構造とドッキング法が使用されます。しかし、新世代の AlphaFold モデルでは、このような事前情報は必要なく、より高い精度を示し、タンパク質リガンド構造を予測するための基準を再定義し、これまで構造が不明だったタンパク質を予測できるようになりました。

さらに、このモデルはすべての原子の位置を共同でモデル化する機能を備えているため、他の分子と相互作用する際のタンパク質や核酸の柔軟性をより完全に明らかにすることができます。

さらに、最近発表された最新の治療事例では、モデルによって予測された構造は、抗癌分子の結合（PORCN）、主要な癌標的（KRAS）の共有結合リガンド結合、脂質キナーゼアロステリック阻害剤（PI5P4Kγ）の構造予測など、事例実験で決定された構造に非常に近いものでした。

図 | PORCN、KRAS、PI5P4Kγの構造予測。新しい AlphaFold モデルの予測はカラーで表示され、ケース実験の予測は灰色で表示されます。

Isomorphic Labs は、新世代の AlphaFold モデルを治療薬の設計に適用し、病気の治療に非常に重要なさまざまな種類の高分子構造を迅速かつ正確に記述するのに役立てていると報告されています。

さらに、タンパク質、リガンド、核酸、翻訳後修飾構造のシミュレーションが可能になったことで、このモデルは基礎生物学研究のためのより高速で正確なツールを提供できるようになります。

たとえば、CasLambda が crRNA と DNA に結合した構造では、CasLambda は、研究者が植物、動物、微生物の DNA を変更するために使用できる「遺伝子はさみ」とも呼ばれる CRISPR-Cas9 システムの遺伝子編集機能を共有しており、CasLambda のサイズが小さいため、遺伝子編集の効率が向上する可能性があります。

図 | CasLambdaがcrRNAとDNAに結合する際の予測構造

新世代の AlphaFold がこのような複雑なシステムをモデル化する能力は、AI がこれらのタイプのメカニズムをより深く理解し、治療への応用を加速するのに役立つことを示唆しています。

ブログ記事には、「Google の次世代 AlphaFold モデルは科学分野に無限の可能性をもたらし、より広い自然界に対するより深い科学的理解をもたらします。この大きな進歩は、生命科学における AI の明るい展望を告げるものであり、将来の科学的探究を強力にサポートします。」と書かれています。

参考リンク:

https://deepmind.google/discover/blog/a-glimpse-of-the-next-generation-of-alphafold/

https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/a-glimpse-of-the-next-generation-of-alphafold/alphafold_latest_oct2023.pdf

著者: ヤン・イーミ

編集者: 学術