A deep-learning-based score to evaluate multiple sequence alignments

あなたは、少しずつ異なるバージョンの同じ物語を語る人々のグループを整列させようとしていると想像してください。生物学の世界では、これらの「人々」はDNAやタンパク質の配列であり、「物語」はそれらが共有する進化の歴史です。科学者たちはこのプロセスを**多重配列アラインメント（Multiple Sequence Alignment: MSA）**と呼んでいます。この整列を正しく行うことは極めて重要です。なぜなら、もし物語が混乱してしまえば、科学者がその生物がいかに進化したかについて導き出すあらゆる結論が誤ったものになってしまうからです。

長い間、科学者たちはどの整列が最適かを判断するために、特定の経験則を使用してきました。彼らはそれを**「ペアの総和（Sum-of-Pairs: SP）」スコア**と呼んでいます。SPスコアを、生徒たちの答えがどれくらい一致しているかという点のみに基づいてグループプロジェクトを採点する教師のようなものだと考えてみてください。もし2人の生徒が同じ場所に同じ単語を書いていれば、1ポイント加算されます。最も多くのマッチングポイントを獲得した整列が勝者となります。

問題点
この論文の著者たちは、この採点システムに欠陥があることを発見しました。単にマッチングポイントの合計が高い（最高のSPスコアを持つ）からといって、それが必ずしも最も正確なバージョンの物語であるとは限らないのです。それは、高いスコアを取るために答えを完璧に暗記したものの、物語の筋書きを完全に誤解してしまった学生のようなものです。多くの場合、SPスコアの「勝者」は、真の正しいバージョンと比較すると、実際には不適切なアラインメントでした。

解決策：新しい種類の審判
これを修正するために、研究者たちは、より賢い審判として機能するディープラーニングAIを構築しました。彼らは単なる一致を見るのではなく、整列の中にある手がかりや特徴のコレクション全体を見ました。彼らは問題を解決するために、2つの異なる「モデル（AI審判）」を作成しました。

1. モデル1（個別の批評家）: このモデルは、単一のアラインメントに注目し、それが真実からどれくらい離れているかを推測しようとします。これは、一つの物語を読み、それがどれほど正確であると考えるかに基づいてスコアをつける批評家のようなものです。このモデルは、従来のSPスコースよりも正確性を予測することには優れていましたが、選択肢のグループの中から「最高のもの」を選び出すことにはあまり長けていませんでした。

2. モデル2（トーナメントのレフェリー）: このモデルこそが真の主役です。このモデルは、単独のアラインメントを判断するのではなく、同じ物語に対する一連の異なるアラインメント全体を俯瞰し、それらを互いにランク付けします。これは、個々のチームの統計だけを見るのではなく、どのチームが実際に勝ったかを決めるためにすべてのチームを比較する、スポーツトーナメントのレフェリーのようなものです。

結果
研究者たちがこれらの新しいモデルをテストしたところ、モデル2が最も正確なアラインメントを見つけ出す上で最高であるということが証明されました。モデル2は、従来のSPスコアやモデル1、さらには科学者が使用している他のいくつかの有名なコンピュータプログラムをも打ち負かしました。

最後に、彼らは、科学者がこの新しいAIを使用して最適な整列を選択したとき、生物がいかに互いに関連しているかを示す「系統樹（phylogenetic reconstructions）」がより正確になることを示しました。本質的に、よりスマートな方法でアラインメントを採点することで、科学者ははるかに高い確信を持って進化の真の物語を語ることができるのです。