IMMREP25: Unseen Peptides

IMMREP25 競技では、実験データが存在しない「未見」ペプチドに対する TCR:pMHC 結合予測において、構造的モデリングを取り入れた手法がランダム推測を有意に上回る精度を達成し、この分野の重要な進展を示しました。

要約

🕵️‍♂️ コンテストの目的：見知らぬ「鍵穴」を探す

私たちの体には、ウイルスやがん細胞を退治する**「T 細胞（免疫の兵隊）」がいます。この兵隊は、敵の細胞が持っている「ペプチド（小さなタンパク質の断片）」という「鍵穴」を見て、自分の「T 細胞受容体（TCR）」という「鍵」**が合うかどうかを確認します。

• 鍵（TCR） ＝ 免疫の兵隊が持っている武器
• 鍵穴（ペプチド） ＝ 敵が持っている特徴
• 鍵穴の枠（MHC） ＝ 鍵穴を固定している台座

これまでの研究では、「過去にデータがある鍵穴（既知のペプチド）」に対しては、コンピューターが「この鍵は合うかも！」と結構高い精度で予測できました。

しかし、今回のコンテストのテーマは**「完全な未知の鍵穴」でした。
「過去に一度も見たことのない、新しいウイルスの鍵穴」に対して、どの鍵が合うのかを予測するゲームです。これは、「新しい鍵穴の形も、誰が持っているかもわからない状態で、鍵が合うか予想する」**という、非常に難しい難問でした。

🏆 結果：これまでの「検索」は通用せず、新しい「想像力」が勝った

このコンテストには、世界中の 126 組のチームが参加しました。

❌ 失敗した方法：辞書引き（検索）

これまでの主流だった方法は、「過去のデータベース（辞書）を調べて、似ているものを探す」というやり方でした。
しかし、**「見たことのない鍵穴」に対しては、この方法は「完全にランダム（サイコロ投げ）」**と同じくらいしか当たりませんでした。過去のデータに頼りすぎているため、新しいものには通用しなかったのです。

✅ 成功した方法：3D 構造の「想像力」

勝者たちは、**「鍵と鍵穴がくっついた時の 3 次元の形を、コンピューターで実際に組み立てて想像する」**という新しいアプローチを取りました。

• 勝者の戦略：
  最新の AI（AlphaFold3 や Chai-1 など）を使って、**「もしこの鍵と鍵穴が出会ったら、どうやってくっつくかな？」と、分子レベルの「3D モデル」**を構築しました。
  その上で、「形がぴったり合っているか（隙間がないか）」を計算してスコア付けしました。

• 結果：
  この「3D 構造を想像する」方法を採用したチームが、**「ランダムよりはるかに良い」成績を収めました。特に、「Bradley さんチーム」**が優勝し、正解率（AUC_0.1）が 0.60 まで上がりました（0.5 は完全な偶然なので、0.60 は「かなり良い手」です）。

💡 重要な発見：なぜ「構造」が重要なのか？

今回の結果は、**「新しい未知のものに立ち向かうには、単なるデータ検索ではなく、『物理的な形』を理解する必要がある」**ということを教えてくれました。

• 従来の方法： 「この鍵穴は、昔見た A という鍵穴に似ているから、A と合う鍵を使おう」→ 失敗（似ていないから）
• 新しい方法： 「この鍵穴の形はこうで、この鍵の形はこうだから、物理的にくっつくかな？」→ 成功（形が合えば、過去にデータがなくても合うとわかる）

これは、**「辞書で意味を調べる」のではなく、「実際にブロックを組み立てて、はまるか試す」**ような感覚に近いものです。

🚧 残された課題：まだ完璧ではない

勝者たちは「ランダムよりは良い」成績を収めましたが、「完璧な予測」にはまだ遠いのが現実です。
また、この「3D 構造を想像する」方法は、コンピューターの計算量が非常に多く、時間とコストがかかるという弱点もあります。

• 現状： 少量の鍵と鍵穴の組み合わせなら、AI が頑張って 3D 模型を作って予測できる。
• 課題： 人間の体には何兆個もの鍵（T 細胞）と、無数の鍵穴がある。すべてを 3D 模型でシミュレーションするのは、今の技術では現実的ではない。

🌟 まとめ

この論文は、「未知のウイルスに対する免疫反応を予測する」という難問において、「過去のデータを探す」時代から、「分子の 3D 構造を AI で想像する」時代へと、科学が大きな転換点を迎えたことを示しています。

まだ道半ばですが、この「構造を想像する」アプローチが、将来、**「新しい感染症が流行した瞬間に、即座に有効な治療法やワクチンを設計する」**ための鍵になることが期待されています。

---

一言で言うと：
「未知の敵（ウイルス）に勝つ鍵を見つけるには、過去の辞書を探すのではなく、AI に『敵の形』を 3D で想像させて、物理的に合うか試させるのが、今のところ一番の近道だ！」という発見でした。

技術概要

以下は、提供された論文「IMMREP25: Unseen Peptides」に基づく技術的な要約です。

論文タイトル

IMMREP25: Unseen Peptides（見えないペプチド）
TCR-pMHC 結合予測における「見えないペプチド」への挑戦と構造モデルの台頭

---

1. 背景と課題 (Problem)

T 細胞受容体（TCR）は、主要組織適合複合体（MHC）分子に提示されたペプチド（pMHC）と結合することで免疫応答を誘導します。この TCR-pMHC 結合を正確に予測することは、診断、治療、基礎研究において極めて重要です。

• 既存の課題: 過去の IMMREP 競技（2022, 2023 年）では、実験データが存在する「既知のペプチド（Seen peptides）」に対しては、機械学習モデルが一定の精度（AUC_0.1 ≥ 0.7）を達成しました。しかし、実験データが存在しない「未知のペプチド（Unseen peptides）」に対しては、既存の手法はランダム推測（AUC ≈ 0.5）と同等の性能しか示せず、汎化能力が欠如していました。
• IMMREP25 の目的: 本競技は、この「未知のペプチド」に対する予測能力を評価することを主目的として設計されました。具体的には、公開データに存在しない 20 種類のペプチドに対する TCR 特異性を予測するタスクです。

2. 評価データセットと手法 (Methodology)

2.1 データセットの構築

• 構成: 1,000 個のユニークな TCR と、20 種類の「未知のペプチド」からなるデータセット。
• MHC 制限: HLA-A02:01 と HLA-B40:01 の 2 種類の MHC 分子に制限されています（各ペプチド 10 種類ずつ）。
• ペプチドの特性: すべて 9 塩基長のウイルス由来エピトープであり、IEDB、VDJdb、McPAS などの既存データベースとの類似性が極めて低いように設計されています（最小ライプシュタイン距離 4 以上、共有サブストリング 5 文字以下）。
• ラベル:
  • 陽性: 1,000 件（各ペプチドあたり 50 個の TCR）。MIRA 法と pairSEQ 法を用いて実験的に同定された TCR-ペプチド対。
  • 陰性: 9,000 件。陽性 TCR を他の 19 種類のペプチドと組み合わせたもの（MIRA 法の多重性を利用し、特定のペプチドに反応しないことを確認）。
• 評価指標: 18 個のプライベートなペプチド（2 個は公開リーダーボード用）に対する「マクロ平均 AUC_0.1」（偽陽性率 10% までの ROC-AUC）を使用。

2.2 参加者のアプローチ

126 の提出方法が評価されました。主なアプローチは以下の通りです。

• 構造モデルベース: AlphaFold 3 (AF3)、Chai-1、Boltz-1、TCRdock、HADDOCK などの構造予測ツールを使用。
  • 結合スコアとして、AF3 の ipTM、pLDDT、PAE（Predicted Alignment Error）などのネイティブ指標を利用。
  • 一部は TCR クラスタリングや XGBoost などの機械学習と組み合わせました。
• シーケンスベース: ESM-2 埋め込みや、構造モデルからの知識蒸留（TAPIR3）を用いた手法。
• 統計ポテンシャル: TCR-en などの接触頻度に基づく統計的ポテンシャル。

3. 主要な結果 (Results)

• 全体的な性能:
  • 提出された 126 件中、73% がランダム推測（0.50）を上回りましたが、半数以上は 0.52 以下でした。
  • 最上位の成績: 最良の手法（Bradley 氏チーム）は、マクロ AUC_0.1 で 0.601 を達成しました。これはランダム推測を有意に上回る結果であり、分野の進展を示しています。
• 手法の傾向:
  • 構造モデルの優位性: 上位 15 位以内の手法のほとんどは、構造モデル（特に AF3 や Chai-1）に基づいていました。
  • トップ手法の詳細:
    • Bradley (AF3-TD): AlphaFold 3 を TCR-pMHC 複合体のドッキングに特化させた TCRdock パイプラインを使用。pLDDT 指標をペプチドと CDR ループ間で平均化してスコアリング。
    • Altin, Pierce, Wang 氏ら: 同様に AF3 または Chai-1 を使用し、PAE や iPTM などの指標を直接、または XGBoost などの分類器と組み合わせて使用。
  • シーケンスベースの限界: 完全にシーケンスのみに依存する手法（STAPLER など）は 0.518 程度で、構造モデルには及びませんでした。ただし、TAPIR3（構造モデルからの知識蒸留）は 0.538 と、一部のネイティブ構造手法を上回る結果を示しました。
• HLA による偏り:
  • HLA-A02:01 の予測精度は、HLA-B40:01 よりも有意に高かった（p = 2.9e-9）。これは、トレーニングデータ（VDJdb や PDB）において HLA-A*02:01 の構造情報が圧倒的に多いことによるバイアスが反映された結果と考えられます。
• クラスタリングの影響:
  • 公開リーダーボード（2 ペプチド）ではクラスタリング手法が有効でしたが、プライベートセット（18 ペプチド）全体では、クラスタリングによるマスコア向上は系統的には確認されませんでした。

4. 主要な貢献と発見 (Key Contributions)

1. 「未知のペプチド」予測のベンチマーク確立: 既存データに依存しない、厳密に設計された「未知のペプチド」データセットを用いた大規模な評価を行いました。
2. 構造モデルの必要性の証明: 未知のペプチドに対する TCR 結合予測において、タンパク質複合体の構造予測（特に AF3 やその派生モデル）が不可欠であることを実証しました。シーケンス情報のみでは限界があることが再確認されました。
3. 構造スコアリング指標の有効性: 複雑な追加学習なしに、AF3 などの構造予測モデルが出力するネイティブな信頼度指標（ipTM, pLDDT, PAE）自体が、結合予測の強力な特徴量となり得ることを示しました。
4. 計算コストと精度のトレードオフ: 構造モデルは高い精度をもたらしますが、計算リソース集約型であるため、大規模なレパートリー解析には適用が困難であるという課題も浮き彫りにしました。

5. 意義と今後の展望 (Significance)

• 分野の転換点: IMMREP25 の結果は、TCR-pMHC 結合予測の分野が、単なるシーケンス類似性や統計的学習から、構造生物学に基づくアプローチへとパラダイムシフトしていることを明確に示しました。
• 臨床応用への道筋: 未知の病原体やがん関連ペプチドに対する TCR 特異性を予測する能力が向上したことは、新しい免疫療法の開発や診断ツールの創出に寄与する可能性があります。
• 今後の課題:
  • 計算コストの削減（知識蒸留モデル TAPIR3 のようなアプローチの発展）。
  • HLA-B*40:01 のようなデータ不足の MHC に対する汎化性能の向上。
  • IMMREP26 以降の競技では、より大規模なデータセットや、構造モデルの効率化が焦点となるでしょう。

結論として、IMMREP25 は「見えないペプチド」に対する予測が依然として困難であるものの、構造モデルの導入によってランダム推測を脱却する重要な第一歩を踏み出したことを示す画期的なベンチマークとなりました。