タンパク質は生命の働き手であり、細胞内で不可欠な任務を遂行するために、複雑な形状へと折り畳まれます。しかし、これらのタンパク質が機能不全に陥ると、誤って折り畳まれ、アミロイド線維と呼ばれる硬い紐状の構造体へと凝集してしまうことがあります。このプロセスは、アルツハイマー病やパーキンソン病を含む、いくつかの壊滅的な神経変性疾患の中核をなしています。数十年にわたり、科学者たちはこれらの線維が単なるタンパク質の無秩序な塊ではなく、タンパク質の鎖が特定のパターンで結合した、高度に秩序化された安定したコア（核）を持っていることを理解してきました。しかし、決定的な謎が残っていました。タンパク質は長く複雑である可能性がありますが、実際にこの硬いコアの一部となるのは、その中の特定のセグメントのみであるということです。残りの部分は、しばしば無秩序なままだったり、外側に緩やかにぶら下がっていたりします。どののアミノ酸がこの固体のコアを形成するのかを正確に知ることは、これらの疾患がどのように進行するかを理解し、そのプロセスを阻止できる薬を設計するために極めて重要ですが、遺伝コードのみからこれらの特定の領域を特定することは、困難な課題であることが証明されてきました。

研究者たちは、アミノ酸の連なりが自然に結合しやすいといった単純な化学的パターンを探すコンピュータプログラムを用いて、これらの危険な凝集領域を予測しようと長く試みてきました。しかし、新しい研究は、従来のメソッドでは、タンパク質の一般的な凝集傾向と、実際に硬く秩序化された構造へと組み込まれる具体的な現実とを混同しているため、的に外れていることを示唆しています。これを解決するために、研究チームは「Amylo-Core-ML」と呼ばれる新しいツールを開発しました。単に「粘着性の高いパッチ」を探すのではなく、このツールは、線維の固体のコアの中に収まる配列の正確な「文法」を認識するように訓練されました。これにより、同じタンパク質であっても、コアにならない部分と区別することができるのです。実在する線維の高解像度画像から学習することで、システムは秩序あるコアと無秩序な残りの部分との間の微妙な違いを見分ける術を学び、どこに危険が潜んでいるのかという、より鮮明な視点を提供しました。

チームはまず、Amyloid Atlasとして知られる公開データベースから、実験的に解明された線維構造の膨大なコレクションを集めることから始めました。彼らは69種類の異なるタンлоパク質を精査し、詳細な線維形態のマップを調べ、どの残基が秩序あるコアに固定され、どの残基が外側に残されたのかを確認しました。彼らは、固定された残基を「コア」とし、同じ分子内の残りの部分を「非コア」のコントロール（対照群）として扱いました。このアプローチは極めて重要でした。なぜなら、無関係なタンパク質同士を比較するのではなく、同じ条件下における同一タンパク質内の二つの部分の違いをコンピュータに学習させることができたからです。研究者たちは、これらのタンパク質配列を様々な長さの重なり合うウィンドウ（窓）に分割し、機械学習システムに投入しました。彼らは、タンパク質を記述する二つの異なる方法をテストしました。一つは標準的な化学的特性を用いたもの、もう一つは、読者が文章の中で単語の意味がどのように変化するかを理解するのと同様に、アミノ酸の文脈（コンテキスト）を理解する高度な言語モデルを用いたものです。

結果は、高度な言語モデルが従来の化学的記述よりもはるかに優れていることを示しました。システムは、コアの正体が単なる短い粘着性配列ではなく、周囲のアミノ酸の「隣接関係」に大きく依存していることを学習しました。研究者が最高のモデルをテストした際、コア領域と非コア領域を高い精度で区別できることが分かり、1.0を完璧としたスケールにおいて約0.88のスコアを達成しました。さらに重要なことに、全長のタンパク質全体をスキャンしてコアの位置を特定できるかどうかをテストしたところ、このツールは実験的なコア領域を正確に特定することに成功しました。最良のバージョンのモデルは、平均してわずか12.4残基の距離以内でコアの中心を特定することができ、これは既存のツールが大幅に外してしまうことが多いのと比較して、大きな改善となりました。

結果の堅牢性を確保するため、チームは新しい予測器を、凝集しやすい領域を見つけるように設計された他の二つの有名なツールと比較しました。新しいツールは、どの残基が最もコアになりやすいかをランク付けするだけでなく、タンパク質の正しいセグメントを物理的に特定するという点においても、一貫してそれらを上回りました。研究者たちは、他のツールは領域を一般的に「凝集しやすい」と特定する可能性がある一方で、彼らのモデルは、それが最終的な安定した構造へと構造的に組み込まれる部分を具体的に特定していると指摘しました。この区別は非常に重要です。なぜなら、ある領域は凝集を開始させる能力はあるものの、必ずしも最終的な安定した構造には至らない可能性があるからです。また、本研究は、より長いアミノ酸のウィンドウを使用することでより良い結果が得られることを確認しており、これはコアの形成シグナルが、小さな孤立した点に限定されるのではなく、より広い範囲に分散していることを示唆しています。

チームは、馬のミオグロビン、P02070、Oat 11S globulin、Oat 12S seed storage globulin 2、およびヒトのIntegral membrane protein 2Bを含む、システムにとって完全に新しいタンパク質を用いて、彼らの手法の妥当性を検証しました。再学習や調整を行うことなく、ツールはこれらの未知のタンパク質の実験的に解明された構造と重なる、確率の高いコアセグメントを特定することに成功しました。これは、システムが単に訓練された特定の例を暗記したのではなく、タンパク質がどのように線維へと折り畳まれるかについての一般的な規則を学習したことを証明しています。研究者たちは、入力したタンパク質配列からアミロイドコアが形成される可能性が高い場所のマップを即座に表示できる、インタラクティブなオンラインインターフェースを通じて、このツールを自由に利用できるように公開しました。一般的な「粘着性」から、線維コアの「具体的な構造」へと焦点を移すことで、この研究は、これらの疾患の分子メカニkanics（メカニズム）をより明確かつ精密に理解する方法を提供し、これらの有害な構造が組み立てられる正確な表面を標的とした将来の治療薬設計を導く可能性を持っています。