AlphaFoldは配列からタンパク質の形を測定せずに予測した

タンパク質の役割はその3次元形状に依存しており、配列だけを知っても形状は分からない。1つの構造を実験的に決定するには研究チームで数か月から数年かかることがあり、何十億ものタンパク質配列があるにもかかわらず、既知の独自タンパク質構造は約10万件にとどまっていたのはそのためである。

DeepMindのAlphaFoldはこの問題に計算的に取り組んだ。科学者らがすでに解明した構造で訓練され、進化を信号として利用した。共通の祖先を共有する配列は同様に折り畳まれるはずであり、多重配列アラインメントはタンパク質のどの部分が空間的に近いかについての情報を含んでいる。

そしてこのネットワークは、配列だけからすべての原子の3次元座標を生成する。ブラインド評価であるCASP14では、ほとんどのターゲットで実験構造に匹敵する性能を示し、従来のあらゆる計算手法を大きく上回り、実験室では数年かかりうることを数分で行った。

この成果は単に大きなモデルを使ったからではない。鍵は、物理的・進化的知識をアーキテクチャに組み込み、未知のタンパク質の膨大な空間にわたって汎化させることにあった。

形を予測し、すべてを測定しない

実験的な構造決定は生物学で最も遅く高コストな工程の一つであるため、それを予測で置き換えることは研究可能な範囲の規模を変える。

多重配列アラインメントにより、進化が測定の代わりとなり、少数の既知構造を超えた大きな独自の訓練信号をモデルに与える。

このモデルは一般的なタスクを解くため、類似した構造が一度も測定されたことがない場合でも機能する。

ほぼ原子レベルの精度は実用に足るものであり、構造を希少な資源ではなく日常的な入力へと変える。

正解データが高コストな場合、それを汎化するモデルを構築する — 新しい事例ごとに同じものを再測定するのではなく、少数の例から規則を学習する。

AlphaFoldの構造は既知のタンパク質宇宙のほぼ全体について公開され、そのオープンデータベースは創薬、ゲノミクス、疾患研究における標準的なツールとなった。そのアプローチは50年来の未解決問題の終結に寄与し、注意深く設計された深層ネットワークが限られた高コストなデータから一般的な物理的規則を抽出できることを示した。