Visualizing Reaction Pathways via Reciprocal Space Kinetic Decomposition

タンパク質は生命の働き手であり、日光を捕らえたり、DNAを修復したり、細胞間で信号を送ったりといった任務を遂行するために、折りたたまれ、ねじれ、変化する微小な分子機械です。その仕組みを理解するために、科学者たちは、単なる静止した彫像としてではなく、動きの中にある姿を見る必要があります。数十年にわたり、研究者たちは「時間分解連鎖結晶構造解析（time-resolved serial crystallography）」という手法を用いて、これらの動きのスナップショットを撮影してきました。これは、タンパク質の結晶に対して光のフラッシュで反応を誘発し、その直後の正確なタイミングでX線照射を行うことで、構造変化の動画を捉える手法です。しかし、これらの動画はしばしばぼやけてしまいます。実際の動きから得られる信号は、しばしば膨大なノイズの中に埋もれてしまい、また反応が非常に速いため、カメラが一度に異なる段階の混合状態を捉えてしまい、特定の瞬間に分子がどのような姿をしているのかを正確に判別することが困難なのです。

スウェーデンのウプサラ大学の研究チームは、これらのぼやけた画像を鮮明にし、混合した段階を分離する新しい方法を開発しました。彼らは、撮影された後に画像をクリーニングしようとするのではなく、画像が生成される前にデータを分類する方法を生み出しました。最近のプレプリントで詳述された彼らのアプローチは、反応中に同時に存在する異なる分子形状の重なり合った信号を、数学的に解きほぐすことを可能にします。X線実験で使用される生データ形式の段階でこれを行うことにより、中間状態（反応の開始から終了に至る過程でタンパク質が取る、短く儚い形状）を個別に分離し、それぞれについて鮮明で高品質なマップを作成することができます。

チームが取り組んだ課題は、タンパク質が反応する際、ある形状から別の形状へ瞬時に跳躍するのではないという点です。タンパク質は一連の中間状態を経由しますが、結晶内では数百万の分子が同時に、それぞれ異なる旅の地点にいます。ある時点でのX線データは、これらすべての異なる形状の加重平均となります。従来の手法は、X線データを電子密度分布の視覚的なマップに変換した後にこれらの形状を分離しようとしますが、このプロセスでは重要な統計的詳細が失われることが多く、最終的な原子モデルの精緻化を困難にします。ルカス・グルネヴァルド、ペトラ・メザロス、セバスチャン・ヴェステンホフらが開発したこの新手法は、このプロセスを逆転させたものです。彼らは生のX線測定値に対して直接分離を行うことで、統計的な情報を保持したまま、最終的な構造を標準的な高精度ツールで分析できるようにしました。

このアイデアをテストするため、研究者たちはまず、よく知られたタンパク質である「フォトアクティブ・イエロー・タンパク質」に基づいたシミュレーションデータセットを作成しました。彼らは、4つの明確な中間状態を持つ反応を模倣したデータを生成し、ノイズのレベルを変化させることで、手法が真の形状を特定できるかを確認しました。結果は驚くべきものでした。データが極めてノイズが多い場合でも、アルゴリズムは4つの独立した状態を正常に復元できました。再構成されたマップは既知の正解（グラウンド・トゥルース）と高い精度で一致しており、この手法が混沌とした混合物の中から明確な信号を引き出せることを証明しました。このシミュレーションは、従来の接近法では極めて困難であった、時間の経過とともに大きく重なり合う状態を識別できることを示しました。

このシミュレーションに勇気づけられ、チームは、植物や細菌が環境を感知するために利用する光感受性分子である、細菌性フィトクロムタンパク質の実際の実験データにこの手法を適用しました。このデータセットには、反応が誘発されてからのフェムト秒からマイクロ秒に及ぶ17の異なるタイムポイントが含まれていました。分離を導くために、別途の分光測定から得られた速度論モデルを用い、データを4つの明確な状態へとデコンボリューション（逆畳み込み）しました。その結果、4つのクリーンな差分マップが得られました。それぞれのマップは、特定の中間状態が持つ固有の構造変化を示しています。生の混合データでは、他の状態と平均化されていたために、特定の機能が隠れたりぼやけたりしていました。例えば、反応開始から1.7ピコ秒後の特定の時点では、生のデータは混乱した信号の混合物を示していました。しかし、新手法を用いることで、この瞬間が実際には3つの異なる状態の混合であり、それぞれが独自の構造的特徴を持っていることが明らかになり、それまで不可視であった原子の再配列を観察することが可能になりました。

このアプローチの主要な利点は、元の測定値の不確実性の推定値を保持していることです。X線結晶構造解析において、各データがどの程度信頼できるかを知ることは、正確な原子モデルを構築する上で極めて重要です。この新手法は生の数値で直接処理を行うため、分離プロセスを通じてこれらの信頼性推定値を引き継ぎます。つまり、得られたマップは標準的なリファインメント（精緻化）ソフトウェアに直接投入して、原子の正確な位置を決定できるのです。これは、視覚的なマップに対して操作を行っていた従来の手法では困難、あるいは不可能であったステップです。チームは、分離された状態における信号対雑音比（S/N比）が大幅に向上していることを見出しました。各状態のデータの明瞭さは、平均して、それらの元となった個々のタイムポイントよりも約1.5倍優れていました。

研究者たちはまた、現在のフレームワークの限界についても指摘しています。この手法は、反応が時間の経過とともにどのように進行するかという既知のモデル（例えば、タンパク質が一方の状態から別の状態へ移行する速度など）を必要とします。この情報は、分光法などの他の実験、あるいはデータの予備的な分析から得られなければなりません。さらに、この手法は、反応が「一連の明確な状態」として記述できることを前提としています。原子が定義された形状の間を跳ねるのではなく、連続的で波動のような運動を行っている反応の極めて初期の瞬間においては、この仮定が成立しない可能性があります。著者らは、これらの超高速の瞬間については、システムが明確な状態に落ち着いた後の、数百フェムト秒後から解析を開始するのが最適であると示唆しています。

究極的に、この研究は、成長著しい時間分解結晶構造解析の分野に新しいツールを提供します。キネティックな状態の分離を、生のデータが存在する逆空間（reciprocal space）へと移動させることで、研究者たちは既存の結晶構造解析のパイプラインと互換性のあるワークフローを作り上げました。これにより、科学者は、最終的な構造の信頼性を担保するために必要な統計的な厳密さを失うことなく、一過性の分子中間体のより鮮明で詳細な姿を抽出できるようになります。この手法はオープンソースソフトウェアとして公開されており、他の研究者が自身のデータセットに適用し、タンパク質の動的な生命に関する新たな詳細を解明することを期待しています。