evedesign: accessible biosequence design with a unified framework

本論文は、機械学習を用いたタンパク質設計の非専門家の利用障壁を解消し、多目的最適化や実験との反復的連携を可能にする統合型オープンソースフレームワーク「evedesign」を提案し、抗体や酵素の設計・発見におけるその有用性を実証したものである。

要約

この論文は、**「evedesign（エブデザイン）」**という新しいツールについて紹介しています。

これを一言で言うと、**「タンパク質（生体分子）を設計するための『万能レゴブロック』のような仕組み」**です。

これまで、タンパク質を設計する機械学習のツールは、それぞれがバラバラの言語を話していて、組み合わせるのが大変でした。evedesign は、それらをすべて一つにまとめ、誰でも使いやすくした「共通のプラットフォーム」です。

わかりやすくするために、いくつかの比喩を使って説明しましょう。

1. 問題：バラバラな「料理道具」の山

これまでのタンパク質設計の世界は、こんな状態でした。

• A さんの道具：卵を割るのに特化しているが、他のことはできない。
• B さんの道具：野菜を切るのにすごいけど、卵とは相性が悪い。
• C さんの道具：お肉を焼くのに最高だが、使い方が難しすぎてプロしか使えない。

研究者たちは、新しい料理（新しいタンパク質）を作ろうとすると、これらの道具を一つ一つ手作業でつなぎ合わせ、コード（レシピ）を書き直す必要がありました。これでは、一般の人や、実験室の研究者が簡単に新しい薬や酵素を作るのは不可能でした。

2. 解決策：evedesign は「魔法のキッチン」

evedesign は、このバラバラな道具をすべて**「標準化された取っ手」**を持つように変えました。

• どんな道具でも繋げられる：A さんの道具でも B さんの道具でも、evedesign の「魔法のキッチン」に置けば、すぐに連携して動きます。
• 共通の言語：「卵を割る」「野菜を切る」という作業を、すべて「インスタンス（設計案）」という共通の形に変換して受け渡します。

3. 3 つの魔法のアクション

このシステムは、3 つの基本的な操作だけで複雑な料理（設計）を作れます。

1. 生成（Generate）：「新しいレシピ（タンパク質の配列）を思いついてください！」と頼むと、AI が次々とアイデアを出します。
2. 採点（Score）：「このレシピは美味しいですか？」と AI に聞いて、点数をつけます。
3. 変換（Transform）：「このレシピを、3D の料理写真に変えてください」と頼むと、構造を予測して見せてくれます。

これらを組み合わせて、「熱に強いけど、アレルギーを起こさない抗体を作りたい」といった**「条件付きの複雑な注文」**も、簡単にこなせます。

4. 具体的な例：3 つの実践

論文では、このシステムが実際にどう役立つかを 3 つの例で示しています。

• 例 1：酵素の設計（進化の力）
  • 自然に存在する酵素の「DNA の履歴（進化的な記録）」を読み取り、AI が「もっと良い酵素」をゼロから生み出しました。まるで、過去の成功例を学習した天才シェフが、新しい料理を考案するようなものです。
• 例 2：抗体の改良（2 人の専門家チーム）
  • 「言葉（配列）の専門家」と「形（3D 構造）の専門家」の 2 人の AI を同時に使いました。言葉の専門家だけだと見逃していた「結合する部分の弱点」を、形のプロが指摘して、より良い抗体を見つけ出しました。
• 例 3：実験室との連携（フィードバックループ）
  • 実験室で実際に作ったタンパク質のデータを、すぐに AI に返して「次はこう直して」と指示できます。これを繰り返すことで、どんどん高性能なタンパク質が生まれます。

5. なぜこれが重要なのか？

• 誰でも使える：プログラミングが苦手な実験室の研究者でも、ウェブブラウザ上でマウスをポチポチするだけで、複雑な設計ができるようになります。
• 秘密を守れる：企業の機密情報や患者さんのデータは、自分の会社のサーバーで動かすことも可能です。
• オープンソース：この「魔法のキッチン」は無料で公開されており、世界中の誰かが新しい道具（AI モデル）を追加すれば、すぐにみんなが使えるようになります。

まとめ

evedesignは、タンパク質設計という「難解な魔法」を、**「誰でも使えるレゴブロック」**に変えるプロジェクトです。

これによって、新しい薬の開発、環境をきれいにする酵素の発見、持続可能な製造プロセスなど、人類が抱える大きな課題を、より速く、より安く、より多くの人で解決できるようになるでしょう。

技術概要

evedesign: 統合フレームワークによるアクセス可能なバイオ配列設計

技術的サマリー（日本語）

本論文は、タンパク質工学における機械学習手法の相互運用性の欠如と非専門家へのアクセス障壁を解決するため、**「evedesign」**という統合されたオープンソースフレームワークを提案しています。このフレームワークは、条件付きバイオ配列設計を手法に依存しない形で形式化し、複雑な多目的ワークフローや実験データを取り込む反復的な「ラボ・イン・ザ・ループ」ワークフローを可能にします。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細をまとめます。

---

1. 背景と問題定義

タンパク質設計における機械学習手法（MSA ベースのアプローチ、大規模言語モデル、逆フォールディングモデル、de novo 3D 構造設計モデルなど）は急速に発展していますが、実用的なワークフローへの適用には以下の 2 つの重大な課題が存在します。

1. 相互運用性の欠如: 各ツールが独自の API とデータ形式を持っており、モデルを比較・組み合わせ・交換することが困難です。特に、熱安定性や pH 耐性などの現実的な制約条件を課す「条件付き設計」や、実験データに基づいて設計を反復的に改善する「ラボ・イン・ザ・ループ」ワークフローにおいて、この非互換性がボトルネックとなっています。
2. アクセシビリティと再現性の欠如: 完全な設計ワークフロー（ターゲットタンパク質から注文可能な DNA 配列まで）をカバーするオープンソースのインタラクティブなユーザーインターフェースが存在しません。既存の商用ツールは存在しますが、非計算系の研究者には利用が難しく、再現性も制限されています。

2. 手法とアーキテクチャ

evedesignは、FAIR 原則（検索可能性、アクセス可能性、相互運用性、再利用性）に基づき、以下の 3 つの層から構成されるモジュール型のオープンフレームワークです。

A. 統一された条件付きモデリングの枠組み

• 条件付きモデリング問題としての定式化: 生物学的な設計問題を、タンパク質、核酸、リガンドなどの「エンティティ」と、それらに関する既知の情報（配列、構造、ホモログなど）を指定する「条件」として扱います。
• 多レベルインスタンス表現: 設計の候補（インスタンス）は、配列、位置埋め込み、3D 構造（PDB 形式）という 3 つのレベルを同時に保持する形式で表現されます。これにより、異なる入力形式を持つモデル間でも設計がシームレスに流れます。
• 3 つの標準化された操作: すべてのワークフローは以下の 3 つの標準操作の組み合わせで記述されます。
  1. Generate（生成）: 条件に基づいて新しい設計インスタンスを生成。
  2. Score（スコアリング）: 各インスタンスに定量的な適合度（ログ尤度など）を割り当て。
  3. Transform（変換）: 表現レベル間の変換（例：配列から 3D 構造の予測、配列から埋め込みの計算）。

B. ソフトウェア実装

• Python パッケージ (evedesign): 上記のインターフェースを実装し、EVmutation2、ESM-2、ProteinMPNN/LigandMPNN などの主要モデルの参照実装を含みます。
• REST API サーバー (evedesign_server): 分散実行とジョブのステータス追跡を可能にする軽量パイプライン実行エンジン。プライベートインフラでのホスティングにより、機密データの保護が可能です。
• Web ユーザーインターフェース: コード記述なしで設計ジョブを提出し、生成された配列を 3D 構造や進化的文脈で可視化・フィルタリングできる React ベースのフロントエンド（https://evedesign.bio）。

C. 新モデル：EVmutation2

• 既存の進化モデル（EVE など）は MSA ごとにトレーニングが必要で遅いため、対話型サーバーには不向きでした。
• EVmutation2は、コンパクトな AlphaFold3 の実装（1430 万パラメータ）と順序不変な自己回帰デコーダを結合した新しい進化モデルです。
• 既知のトークンをランダムな順序でプレフィックスに移動させることで、設計位置に対して最大限のコンテキストを提供し、直接シーケンスサンプリングを可能にします。
• 各ターゲットごとの微調整を必要とせず、高速な推論が可能です。

3. 主要な貢献

1. 手法非依存の標準化インターフェース: 異なるモデル（教師あり・教師なし、配列・構造ベース）を組み合わせるための統一されたデータ形式と操作定義を提供。
2. 多目的・条件付き設計の容易化: 宣言的な仕様により、複雑な制約条件や多目的最適化をコードなしで定義可能。
3. ラボ・イン・ザ・ループのサポート: 実験データをインスタンスにラベルとして付与し、反復的な設計サイクルを宣言的パイプラインで実行可能に。
4. コミュニティとアクセシビリティ: オープンソース（MIT/AGPLv3 ライセンス）であり、Web 界面と自己ホスティング可能なサーバーを提供することで、計算研究者から実験研究者まで幅広く利用可能に。

4. 結果とケーススタディ

論文では、3 つのケーススタディを通じて evedesign の実用性を示しています。

• 教師なし酵素設計（進化的モデル）:
  • 酵素コリマターゼ（EcCM）の多様化された機能変異体を設計。
  • EVmutation2 は、ゼロショットスコアで機能性/非機能性の配列を区別でき（AUROC 0.77-0.81）、自然配列の統計特性を再現しつつ、自然配列分布からの意味のある外挿を示しました。
• 配列・構造ベースの抗体スコアリングの組み合わせ:
  • 7 つの臨床的抗体の変異体に対して、ESM-2（配列ベース）と ProteinMPNN（構造ベース）を組み合わせました。
  • 両者のスコアは相関しますが、特に抗原結合界面近傍の変異では補完的な情報を提供しました。ProteinMPNN は界面近傍の有害な変異を適切に低スコア化し、ESM-2 との組み合わせにより、親和性向上変異の特定精度が向上しました。
• 教師あり酵素変異体の発見:
  • キヌレナーゼ（KYNase）の触媒効率（kcat/Km）を予測する回帰モデルを構築。
  • ESM-2 の埋め込みと実験データを用いてランダムフォレストを訓練し、Eom et al. の研究と同等の性能（Spearman 相関係数 0.73）を達成。
  • 5,676 個の未ラベルホモログをスコアリングし、実験的に確認された高効率変異体を上位にランク付けすることに成功しました。

5. 意義と将来展望

• 実用性の向上: 個別のツールを組み合わせるためのカスタムコード（グルーコード）の必要性を排除し、複雑な現実世界の設計課題（創薬、バイオセキュリティ、持続可能な製造など）に ML を適用することを可能にします。
• コミュニティの成長: モジュラー設計により、新しいモデルやワークフローの追加が容易で、分野の進展に合わせてフレームワーク自体が進化します。
• ラボ・イン・ザ・ループの実現: 実験データと計算設計を密接に連携させる反復的なプロセスを標準化し、これが分野の次の重要なフロンティアとなると位置付けています。

結論として、evedesign はタンパク質設計の分野における断片化とアクセシビリティの障壁を取り除くための基盤となるソフトウェアであり、計算科学者と実験科学者の協働を促進し、より効率的で再現性の高いバイオエンジニアリングを実現するものです。