ProMaya: a hierarchical universal Deep Learning framework for accurate and interpretable Protein-Protein interaction identification

ProMaya は、3 次元原子幾何学やタンパク質言語モデルの埋め込みなど多様な情報を統合した階層的なグラフ・トランスフォーマーフレームワークであり、9 種の生物および 47GB の実験データを用いたベンチマークにおいて 95% 以上の高い精度でタンパク質間相互作用を特定し、既存の手法を大幅に上回る性能を示しました。

要約

この論文は、**「ProMaya（プロマヤ）」**という、新しい人工知能（AI）の仕組みについて書かれています。

この AI の役割は、「タンパク質同士が、お互いに出会って仲良くなる（相互作用する）かどうか」を、実験をせずにコンピューター上で正確に予測することです。

難しい専門用語を使わず、日常の例え話を使って、この研究が何をしたのか、なぜすごいのかを解説します。

---

1. 問題：タンパク質の「出会い」を見つけるのは大変すぎる

まず、タンパク質とは何かというと、**「細胞という街のレゴブロック」**のようなものです。これらが組み合わさって、私たちの体は動いています。

• 従来の方法（実験）：
  これまで、どのレゴがどのレゴとくっつくかを知るには、実際に実験室で「レゴをぶつけてみる」必要がありました。しかし、タンパク質の組み合わせは無限に近く、実験には莫大な時間と費用がかかります。また、実験では「見えないもの（一時的なつながり）」を見逃してしまうことも多いです。
• 従来の AI（計算機）：
  実験を代わりに行う AI もありましたが、それらは「レゴの形（3D 構造）」だけを見て判断したり、「レゴの作り方（アミノ酸の並び）」だけを見て判断したりしていました。
  • 形だけ見ると、似ているのに実はくっつかないものを見抜けない。
  • 作り方だけ見ると、形が合えばくっつくのに、実はくっつかないものを見抜けない。
  • 結果： 精度が 80% 前後で止まっており、重要な「見落とし」が多発していました。

2. 解決策：ProMaya（プロマヤ）という「超能力を持つ探偵」

この論文で紹介されているProMayaは、これまでの AI とは全く違う、**「マルチスケール・マルチモーダル（多面的）」**な探偵です。

① 3 つの視点で「相性」を見る

ProMaya は、タンパク質の出会いを判断する際、以下の 3 つの視点（スケール）を同時に見ています。

1. 原子レベル（ミクロ）：
   • 例え： 「レゴの突起部分の重さや、静電気のような微細な力」。
   • 特徴： 従来の AI は見逃していた「原子の重さの分布（LSMD）」という新しい情報を重視します。これにより、**「表面がどのくらいぎっしり詰まっているか」**を計算し、くっつきやすさを判断します。
2. アミノ酸レベル（メゾ）：
   • 例え： 「レゴブロックの色の組み合わせや、ブロックの並び順」。
   • 特徴： 形だけでなく、タンパク質の「歴史（進化）」や「柔軟性（しなやかさ）」も考慮します。
3. タンパク質全体レベル（マクロ）：
   • 例え： 「完成されたレゴ模型全体の形と、他の模型との距離感」。
   • 特徴： 大きな構造や、タンパク質言語モデル（タンパク質の「言葉」を学ぶ AI）の知識も取り入れます。

② 「階層的なグラフ・トランスフォーマー」

ProMaya は、これら 3 つの視点を**「階層的なグラフ」**という仕組みでつなぎます。

• 例え： 街の地図（マクロ）、建物の間取り（メゾ）、部屋の中の家具配置（ミクロ）を、**「超高速で情報を交換できる神経網」**でつなぎ、すべてを統合して判断します。
• これにより、「形は合っているけど、重さが合っていない」「言葉は似ているけど、中身が合わない」といった微妙な違いも見抜けます。

3. 驚異的な成果：実験を凌駕する精度

ProMaya をテストした結果、以下のような驚くべき成果が出ました。

• 95% 以上の正解率：
  これまでの最高峰の AI（80% 前後）を大きく引き離し、95% 以上の精度を達成しました。
• どんな生物でも通用する：
  人間、マウス、植物（トウモロコシ）、ウイルス（コロナウイルス）など、進化の遠い生物同士でも、正確に「くっつくか」を予測できました。
  • 例え： 「日本語しか話せない AI」が、突然「スワヒリ語」の会話も完璧に理解できるようになったようなものです。
• 「見えない」つながりも見抜く：
  実験では見つけにくい、一時的なつながりや、植物特有の複雑なつながりも、見事に予測しました。

4. 具体的な活用例：ヒマラヤの薬草「キツネノマゴ」の謎を解く

この AI は、単にテスト用ではなく、実際に**「ヒマラヤの薬草（キツネノマゴ）」**の研究に使われました。

• 背景： この植物は、寒さ（15℃）に当たると、抗がん作用のある成分（ピロサイド）を大量に作りますが、暖かい（25℃）と作らなくなります。なぜか？
• ProMaya の発見：
  • 15℃では、成分を作る酵素たちが**「手を取り合って、ぎっしりと固まったチーム（メタボロン）」**を組んでいることがわかりました。
  • 25℃になると、そのチームは**「バラバラになり、ただの触れ合い」に変わってしまい**、成分が作られなくなることが判明しました。
• 意味： これまで「遺伝子の働き（命令）」だけで説明しようとしていた現象を、**「タンパク質同士の物理的なつながり（チームワーク）」**という視点から解明しました。

5. 結論：なぜこれが重要なのか？

ProMaya は、**「実験の代わりに、コンピューターで正確に未来を予測する」**ための強力なツールです。

• コスト削減： 何年もかかる実験を、数分でシミュレーションできます。
• 新薬開発： 病気を治す薬の候補を、効率的に見つけられます。
• 農業・環境： 気候変動に強い作物を作るためのヒントが得られます。

まとめの比喩：
これまでの AI は、「レゴの箱の絵（表面）」を見て「これとこれは合いそう」と推測する程度でした。しかし、ProMayaは、「箱の中身（原子の重さや力）」まで見透かし、「組み立ての歴史（進化）」も読み解き、さらに「完成品の形」もチェックすることで、「本当にくっつくかどうか」を、実験室に行かずに 95% の確率で言い当ててしまう、画期的な AI なのです。

このシステムは無料でウェブ上で使えますので、世界中の研究者がこれを使って、新しい発見を加速させることができます。

技術概要

ProMaya: 高精度かつ解釈可能なタンパク質間相互作用（PPI）同定のための階層的汎用深層学習フレームワーク

1. 背景と課題 (Problem)

タンパク質間相互作用（PPI）は、細胞の物理的状態を定義する「分子のレゴ」であり、シグナル伝達から代謝制御まで、あらゆる生物学的プロセスの基盤となっています。しかし、PPI の正確な同定は依然として大きな課題です。

• 実験的限界: 酵母ツーハイブリッド法（Y2H）や質量分析（TAP-MS）などの実験手法は、高コスト、高労力、高誤検出率（特に一時的・弱い相互作用において）という制約があり、網羅的な相互作用マップの作成を阻害しています。
• 計算機科学的限界: 既存の計算手法には以下の重大な欠点があります。
  • 単一モダリティの限界: 配列ベースの手法は構造的補完性を捉えきれず、構造ベースの手法は配列の進化的情報や内在性無秩序領域（IDR）の動的な挙動を十分に扱えていません。
  • 多スケール情報の欠如: 原子レベルの物理化学的詳細とメソスケールの界面形態を統合するアプローチが不足しています。
  • 局所表面質量密度（LSMD）の無視: 結合界面における原子質量の空間分布（LSMD）は、ファンデルワールス力や疎水性的な崩壊を支配する重要な物理的要因ですが、既存の PPI 予測ツールでは定量化されていませんでした。
  • 一般化能力の低さ: 種を超えた汎用性や、ホモロジー（相同性）が低い新規タンパク質に対する予測精度が不十分です。

2. 手法 (Methodology)

本研究では、ProMaya と呼ばれる新しい階層的マルチスケール・グラフ・トランスフォーマー（Graph-Transformer）フレームワークを提案しました。このフレームワークは、3D 原子幾何学、電子分布、残基レベルの構造・無秩序性、表面質量密度シグネチャ、そして大規模なタンパク質言語モデル（PLM）の埋め込みを統合しています。

2.1 多モーダル特徴抽出

ProMaya は、各タンパク質を原子レベル、残基レベル、表面レベル、配列レベルの 4 つのモダリティで表現します。

1. 局所表面質量密度（LSMD）:
   • 結合界面の決定要因として「質量密度の指紋」を核心に据えました。
   • 各原子の LSMD を、近隣原子の質量と距離に基づいたガウス平滑化された原子充填密度として計算し、原子ノードの特徴量として追加します。これにより、疎水コアや芳香族スタッキングなどの密なパッキング領域を識別します。
2. 原子レベル幾何学:
   • 原子座標からグラフを構築し、原子タイプ、部分電荷、混合状態、半径、および 35 次元の結合特徴（距離、角度、二面角）をエンコードします。
3. 残基レベル表現:
   • 二次構造、相対的溶媒アクセス表面積（SASA）、トルシオン角、IUPred2A による内在性無秩序（IDR）スコア、および物理化学的性質を特徴量として使用します。
4. 表面点群:
   • 溶媒アクセス表面を 1,024 点の点群としてサンプリングし、PointNet++ エンコーダを用いて曲率、静電ポテンシャル、LSMD を特徴量として抽出します。
5. 配列・進化的情報:
   • 事前学習済みタンパク質言語モデル「ProtTrans」の埋め込みベクトルを用いて、配列のセマンティクスと進化的文脈（共進化パターンなど）を捉えます。

2.2 階層的グラフトランスフォーマー（HGT）アーキテクチャ

• 異種グラフの構築: 原子、残基、表面、配列の 4 種類のノードタイプと、生物学的に根拠のある 6 種類のエッジ関係を持つ異種グラフを構築します。
• クロスレベル・マルチモーダルアライメント: 原子→残基→表面→配列の各レベル間で双方向のクロスアテンションを反復的に実行し、配列の意味と 3D 構造の整合性を強制します。
• 階層的注意機構: 原子スケール（Å）、残基スケール（nm）、タンパク質スケール（µm）の解像度間で情報を伝播させ、物理的制約を上方へ、機能的な文脈を下方へ伝達します。
• クロスタンパク質相互作用モデリング: 2 つのタンパク質（PA, PB）の間で、LSMD guided スパースアテンションを含むマルチスケールなクロスアテンションを適用し、相互作用の可能性を推論します。

2.3 ハイブリッド予測モデル

• 最終的なペア埋め込みは、2 層のニューラルネットワーク（Feed-Forward Network）を経て、XGBoost アンサンブルモデル（500 木）に入力され、相互作用確率を出力します。
• 損失関数: 二値交差エントロピーに加え、LSMD アライメント損失、コントラスト学習（InfoNCE）、IDR 整合性損失、および焦点損失（Focal Loss）を組み合わせ、クラス不均衡（特に稀な相互作用タイプ）への対応を強化しています。

3. 主要な貢献 (Key Contributions)

1. LSMD の導入: PPI 予測において、局所表面質量密度（LSMD）を主要な物理的決定因子として初めて明示的にモデル化しました。
2. 階層的マルチスケール統合: 原子レベルの幾何学、残基レベルの生物物理学、表面幾何学、そして進化的文脈（PLM）を、異種グラフトランスフォーマーを用いて統合する初の包括的なフレームワークです。
3. 解釈可能性（Interpretability）: Grad-CAM を用いて、予測に寄与する原子、残基、および IDR 領域を可視化し、結合界面の物理的決定因子をメカニズムレベルで説明可能にしました。
4. 汎用性と一般化: 9 種以上の生物種、47GB の実験データにわたる広範なベンチマークで、既存の最先端手法（SOTA）を大幅に上回る性能を示しました。

4. 結果 (Results)

4.1 性能評価

• 精度: 9 つの種および 47GB の実験的検証データを用いたベンチマークにおいて、ProMaya は平均 95% 以上の精度を達成しました（最高 97%）。
• SOTA 手法との比較: 既存の最高性能ツール（PPI-GNN, D-SCRIPT, DeepPPI, PEPPI など）と比較して、12% 以上の精度向上（例：D-SCRIPT の 83.4% に対し、ProMaya は 95.7%）を達成しました。
• クロスバリデーション: 10 分割交差検証において、平均精度 95.7%（SD 1.1%）で安定しており、過学習が極めて少ないことが確認されました。

4.2 外部ベンチマークと一般化能力

• SHS27k (ヒト): 稀な相互作用タイプ（翻訳後修飾など）に対しても、他の手法が性能を大きく低下させる中、ProMaya は高い F1 スコアを維持しました。
• SARS-CoV-2 (ウイルス - 宿主): 訓練データに存在しないウイルスタンパク質に対するゼロショット予測において、MCC 0.92、F1 0.96 を達成し、競合手法を大きく凌駕しました。
• マウス・トウモロコシ: 進化的に遠い種（マウス、トウモロコシ）においても、高い精度を維持し、配列相同性が 30% 未満のケースでも有効であることを示しました。
• ホモロジー・ホールドアウト: 訓練データと 30% 以下の配列相同性しか持たない「ホモロジー・ダーク」な新規タンパク質対において、テンプレートベースの手法（HHsearch 等）が 36% 程度の精度に留まるのに対し、ProMaya は**94.3%**の精度を維持しました。これは、モデルがテンプレート記憶ではなく、物理化学的な結合原理を学習していることを示しています。

4.3 応用例：Picrorhiza kurrooa（ヒマラヤの薬用植物）

• 温度条件（15°C vs 25°C）に応じた PPI ネットワークの再構築を行いました。
• 15°C において、イリドイド代謝酵素（8-HGO, IS, IO, 7-DLGT）が安定したメタボロン（酵素複合体）を形成していることを予測し、Grad-CAM により疎水コアの安定化が低温で促進されることを示しました。
• 25°C では、この複合体が分解され、無秩序領域（IDR）を介した非生産的な接触に遷移することを検出しました。これは、RNA-seq データだけでは得られない「物理的な複合体形成」の情報を提供しました。

5. 意義と結論 (Significance)

ProMaya は、タンパク質間相互作用の予測において、単なる配列類似性やテンプレートマッチングを超えた、物理法則に基づいた汎用的なアプローチを確立しました。

• 科学的意義: 局所表面質量密度（LSMD）が PPI の決定要因として極めて重要であることを実証し、原子レベルの幾何学と進化的情報を統合する階層的アプローチの有効性を示しました。
• 実用的意義: 実験的に検証されていない種（非モデル生物）や、新規病原体との相互作用予測において、高コストな実験を代替または補完する強力なツールとなります。
• 将来展望: ProMaya は Web サーバーとして公開されており（https://scbb.ihbt.res.in/ProMaya/）、創薬、宿主 - 病原体研究、およびシステム生物学における相互作用マップの構築に広く活用可能です。

本研究は、深層学習を用いた構造生物学の新たなパラダイムを示し、特に「物理的解釈可能性」と「種を超えた一般化能力」の両立において画期的な成果と言えます。