AlphaFold2やRoseTTAFoldのようなAIプログラムにより、研究者はアミノ酸配列からタンパク質の三次元構造を特定できる。
しかしAlphaFold2は今や、そうした予測を目的に設計されたわけではないにもかかわらず、アミノ酸同士が反応するかどうかを正確にモデル化できるようになった。
この結果は、深層学習アルゴリズムにほかに何ができるのか、そしてこうした能力の飛躍が望ましいのかという問いを投げかける。
人工知能は、現代の科学機器が生み出す膨大なデータを研究者が分析できるようにし、科学の進め方を変えてきた。情報の山から針を探し出し、深層学習を用いて、データそのものから学習できる。AIは、遺伝子探索、医療、創薬設計、有機化合物の創出における進歩を加速している。
深層学習では、アルゴリズム、しばしば大量のデータで訓練されたニューラルネットワークを使って、新たなデータから情報を抽出する。段階ごとの命令に従う従来のコンピューティングとは大きく異なり、データから学習する。深層学習は従来のコンピュータープログラミングよりはるかに透明性が低く、システムは何を学んだのか、何を知っているのかという重要な問いを残す。
私は化学教授として、学生の知識を試す難問を少なくとも一つ含むテストを作るのが好きだ。異なる考えを組み合わせ、新たな考えや概念をまとめ上げられるかを確かめるためである。AI支持者の看板的存在であり、タンパク質フォールディング問題を解決したAlphaFoldに、私たちはそのような問いを用意した。
タンパク質の折りたたみ
タンパク質はあらゆる生物に存在する。細胞に構造を与え、反応を触媒し、小分子を運び、食物を消化するなど、多くの役割を担う。タンパク質は、ひもに通したビーズのように、アミノ酸が長く連なってできている。しかし、細胞内で機能するには、複雑な三次元構造になるようねじれ、折れ曲がらなければならない。この過程をタンパク質の折りたたみという。誤って折りたたまれたタンパク質は病気の原因となることがある。
1972年のノーベル化学賞受賞演説で、クリスチャン・アンフィンセンは、タンパク質を構成する要素であるアミノ酸の配列からタンパク質の三次元構造を計算できるはずだと仮説を立てた。
この記事の文字の並びや間隔が意味やメッセージを生むのと同じように、アミノ酸の並びがタンパク質の同一性と形を決め、それが機能につながる。
アミノ酸という構成要素が本質的に柔軟なため、典型的なタンパク質は推定で10の300乗通りの形を取りうる。これは途方もない数で、宇宙に存在する原子の数を上回る。それでも生物の体内では、1ミリ秒以内に各タンパク質が固有の形に折りたたまれる。それは、タンパク質を構成するすべての化学結合が最も低いエネルギー状態をとる配置だ。タンパク質に通常含まれる数百個のアミノ酸のうち、たった一つを変えるだけで、誤って折りたたまれ、機能しなくなることがある。
AlphaFold
50年にわたり、コンピューター科学者たちはタンパク質フォールディング問題の解決を試みてきたが、ほとんど成功しなかった。ところが2016年、DeepMindは、Googleの親会社Alphabet傘下のAI企業として、AlphaFoldプログラムを始動した。訓練データにはタンパク質データバンクを用いた。そこには、実験で構造が明らかになった15万種を超えるタンパク質が収録されている。
5年足らずで、AlphaFoldはタンパク質フォールディング問題を克服した。少なくとも最も有用な部分、すなわちアミノ酸配列からタンパク質の構造を特定することに成功した。AlphaFoldは、タンパク質がなぜこれほど速く正確に折りたたまれるのかを説明するものではない。科学界で大きな名声を得ただけでなく、人々の暮らしに影響しうる大きな科学的進歩でもあったため、AIにとって大きな勝利だった。
今日では、AlphaFold2やRoseTTAFoldのようなプログラムのおかげで、私のような研究者は、タンパク質を構成するアミノ酸配列から、その三次元構造を無料で1、2時間ほどで特定できる。AlphaFold2以前は、タンパク質を結晶化し、X線結晶構造解析を用いて構造を解明する必要があり、構造一つにつき数か月かかり、数万ドルの費用がかかった。
現在はさらに、AlphaFoldタンパク質構造データベースも利用できる。DeepMindはそこに、ヒト、マウス、その他20種を超える生物に見られるタンパク質のほぼすべての三次元構造を登録した。これまでに100万を超える構造を解明しており、今年だけでさらに1億件を追加する計画だ。タンパク質に関する知識は急速に増えている。2022年末までに、既知の全タンパク質の半数の構造が記録される見込みで、その中には新たな有用な機能と結びついた独自の構造も数多く含まれる。
化学者のように考える
AlphaFold2はタンパク質同士の相互作用を予測するよう設計されていなかったが、個々のタンパク質が結合して複数のタンパク質からなる大きく複雑な単位を形成する様子をモデル化できた。AlphaFoldには難しい問いを投げかけた。構造データを使った訓練によって、化学の知識も身につけたのだろうか。まれだが重要な現象であるアミノ酸同士の反応を見分けられるだろうか。
私は、蛍光タンパク質に関心を持つ計算化学者だ。これらはクラゲやサンゴなど、数百種の海洋生物に見られるタンパク質である。その発光は、照明に使うことや、病気の研究に役立てることができる。
タンパク質データバンクには、578種の蛍光タンパク質が登録されている。そのうち10種は「壊れて」おり、蛍光を発しない。タンパク質データバンク。タンパク質が自己を攻撃することはまれで、これは自己触媒的な翻訳後修飾と呼ばれる。どのタンパク質が自己と反応し、どれが反応しないかを予測するのは非常に難しい。
蛍光タンパク質について豊富な知識を持つ化学者でなければ、アミノ酸配列を手がかりに、蛍光を生み出すのに必要な化学変換を受ける正しい配列を持つ蛍光タンパク質を見つけることはできないだろう。タンパク質データバンクに登録されていない44種の蛍光タンパク質の配列をAlphaFold2に与えると、機能する蛍光タンパク質と機能しないものとで、異なる折りたたみ構造を示した。
この結果に私たちは驚いた。AlphaFold2は化学の知識を身につけていたのだ。蛍光タンパク質のどのアミノ酸が、発光をもたらす化学反応を担うのかを見極めていた。タンパク質データバンクの訓練データと複数配列アラインメントによって、AlphaFold2は化学者のように「考え」、タンパク質を蛍光させるために互いに反応する必要のあるアミノ酸を探せるようになったのではないかと、私たちは考えている。
折りたたみ予測プログラムが訓練データから化学の知識を学んだことには、さらに広い意味がある。適切な問いを投げかければ、ほかの深層学習アルゴリズムから何を引き出せるだろうか。顔認識アルゴリズムは病気の隠れた兆候を見つけられるだろうか。消費者の支出パターンを予測するよう設計されたアルゴリズムは、軽微な窃盗や欺瞞に走る傾向も見つけられるだろうか。そして最も重要なのは、こうした能力、さらには同様の能力の飛躍がほかのAIシステムで起きることは、望ましいのだろうか。
