cryoWEight: Conformational ensembles from cryo-EM particle images with weighted ensemble simulations

生物学は静止した彫像の集まりではなく、絶え間なく流動する動きの世界である。生命を動かす分子機械であるタンパク質は、決して真に静止しているわけではない。それらは、その任務を遂行するために、さまざまな形の間でねじれ、曲がり、変化する。タンパク質がどのように動くかを理解することは、その姿を知ることと同じくらい重要である。なぜなら、その機能は完全にこれらの変化に依存しているからである。数十年にわたり、科学者たちは強力な顕微鏡を用いて、これらの分子の高解像度のスナップショットを撮り、それらを時間に凍結させてその構造を観察してきた。しかし、一枚の写真では旅の全容を語ることはできない。それはタンパク質がどこにいるかを示すことはできても、どのようにそこに到達したのか、あるいはどれくらいの頻度で異なる場所に訪れるのかまでは示してくれない。これらの凍結された瞬間の間の空白を埋めるために、研究者たちはコンピュータシミュレーションを用いてタンパク質の動きを観察する。しかし、これらのシミュレーションは、長い時間をかけて起こる稀で大規模な動きを捉えることに苦慮することが多く、分子が実際にどのように機能しているかという不完全な絵を残してしまう。

cryoWEightと呼ばれる新しいアプローチは、電子顕微鏡による詳細なスナップショットと、コンピュータシミュレーションによる動的な動きという、両方の世界の最良の部分を組み合わせることで、この溝を埋める方法を提供している。この手法は、Flatiron Instituteとカリフォルニア大学アーバイン校の研究者によって、特定の問題を解決するために開発された。従来のシミュレーションは、一つの形状に長時間留まってしまい、機能に不可欠な稀な転移を見逃してしまうことがある。逆に、単にシミュレーションを実験画像に強制的に一致させようとすると、分子の自然な物理法則を歪めてしまうことがある。チームは、実験データが分子の物理法則を壊すことなく、シら自然にシミュレーションを導けるようなシステムを作り上げた。彼らはこのシステムを、わずか10残基の鎖から大きな酵素に至るまで、3種類の異なるタンパク質でテストし、シミュレーションが全く異なる場所から始まったとしても、顕微鏡で観察された形状へとコンピュータモデルを誘導することに成功したことを発見した。

この手法の核心は、巧妙なフィードバックループにある。シミュレーションが、風景の中に広がっていく探検家の群れのように、何千もの並行した経路を実行している様子を想像してほしい。ある経路はめったに訪れない領域へと彷徨い込み、別の経路は一般的な場所に密集する。cryoWEightシステムは、これらの探検家を定期的に実際の実験画像と照らし合わせる。もしある経路が、顕微鏡が見ているものと非常によく似た形状へと導いた場合、その経路にはより高い重要性が与えられる。もしある経路が、データと一致しない形状へと導いた場合、その経路にはより低い重要性が与えられる。このプロセスは、探検家たちを特定の方向に強制的に動かすのではなく、単に彼らの物語の重みを調整するものに過ぎない。一致した経路は次の探索ラウンドを開始するために使用され、事実上、最も有望な方向へとシミュレーションに種をまくことになる。多くのサイクルを経て、探検家グループ全体は徐々に焦点を移し、出発点から実験で見られたターゲットの形状へと移動していく。

研究者たちは、このアプローチが異なる複雑さのレベルにおいても機能することを保証するために、3つの異なるタンキウムを用いて検証した。第一の対象は、単純なヘアピン構造へと折り畳まれる小さな合成タンパク質、チニョリン（chignolin）であった。彼らは折り畳まれた状態のシミュレーションから開始し、システムに対して、実験画像によって定義された「ほどけた（unfolded）」状態を見つけるよう求めた。わずか数サイクルのうちに、シミュレーションはタンパク質をコンパクトな折り畳み状態から、広がったほどけた形状へと移動させ、実験的な分布と完璧に一致させた。第二のテストでは、NTL9と呼ばれる、ほどけた鎖から安定した構造へと折り畳まれる、やや大きなタンパク質を用いた。ここでは、プロセスは逆方向に働いた。ほどけた鎖から開始し、システムはシミュレーションを折り畳まれた状態へと導き、ここでも実験データと高い精度で一致した。

最も複雑なテストは、細胞のエネルギーマネージャーとして機能する大きな酵素である、アデニル酸キナーゼに対して行われた。このタンパク質は、燃料を保持する「閉じた」形状と、それを放出する「開いた」形状の間で揺れ動く独特の能力を持っている。この動きには、分子の大部分が曲がったり回転したりすることが含まれる。研究者たちは「閉じた」状態でシミュレーションを開始し、「開いた」状態の画像を使用して誘導を行った。システムは、タンパク質を転移へと駆動し、開く際に取る特定の中間的な形状を捉えることに成功した。決定的なことに、シミュレーションが辿った経路は、長時間のバイアスなしのコンピュータ実行で観察された自然な経路と一致しており、この手法が単にタンパク質を新しい形状へと強制したのではなく、そこへ至る正しいルートを見つけ出したことを証明した。

最も重要な発見の一つは、この手法が、出発点とターゲットが完全に異なる場合でも機能することであった。多くの以前の試みでは、シミュレーションがターゲットとの重なりがない形状空間の領域から始まった場合、ターゲットを見つけることができなかった。しかし、cryoWEightは、この溝を埋めることができた。実験画像を再重み付けすることで、システムは元の開始データには存在しなかった新しい形状を生成することができた。これは、特定の形状が観察された画像を生成する可能性が高いことを認識し、それらの形状を用いてさらなる探索を導いたことによって実現された。これにより、シミュレーションは、標準的な実行では通常不可能とされる高いエネルギー障壁を越えることが可能となった。

研究では、この手法が機能するために実験画像からどれだけの情報が必要かについても調査された。彼らは、信号が非常に強い条件と、ノイズに埋もれている条件の両方をシミュレートした、明瞭さが異なるレベルの画像を用いてシステムをテストした。画像が明瞭な場合、システムは正しい形状へと迅速に収束した。画像が非常にノイズが多い場合、システムはターゲットを見つけることができず、ガイダンスがシミュレーションの内部バイアスからではなく、データ自体から来ていることを裏付けた。このデータの品質に対する感度は強みであり、結果が実際の実験的証拠によって駆動されていることを保証している。

さらに、研究者たちは、この手法がシミュレーション空間の分割方法に対して堅牢であることを示した。コンピュータは、計算を管理するために、可能な形状の複雑な景観をより小さな領域に分割する必要がある。彼らは、これらの境界を描くさまざまな方法をテストしたが、マップがどのように描かれたとしても最終的な結果は同じであった。このことは、この手法が信頼できるものであり、研究者による恣意的な選択に依存しないことを示唆している。また、システムが異なる形状の混合物を再現できることも示した。ターゲットが折り畳まれた状態とほどけた状態の組み合わせであったとき、シミュレーションはこれらの状態の比率を正しく再現し、複雑なマルチステートのシナリオを扱えることを示した。

この研究の意義は、これら3つのタンパク質だけに留まらない。このフレームワークは柔軟に設計されており、電子顕微鏡だけでなく、核磁気共鳴やX線散乱などの他のタイプの実験データにも適用できる可能性がある。鍵となるのは、システムが画像の尤度（ゆうど）を用いてシミュレーションを導くことであり、この原理は、ターゲットの分布を定義するあらゆる観測量に適用できる。現在のテストでは既知の構造から生成された合成画像が使用されたが、著者らは、この手法が実際の実験データに適用する準備ができていると述べている。これにより、科学者はタンパク質が作用している実際の顕微鏡画像を取り上げ、そのタンパク質がどのように動き、どのように機能するかという動的なモデルを構築することができるようになる。

実験的なスナップショットと高度なサンプリングシミュレーションの力を統合することで、cryoWEightは生命の機械の目に見えないダイナミクスを見るための新しい方法を提供している。それは高品質な実験データの必要性を置き換えるものではなく、また正確な物理モデルを置き換えるものでもない。むしろ、データを用いてモデルを修正し、モデルを用いてデータの空白を埋めるための架け橋として機能する。その結果、タンパク質がどのように機能するかについてのより完全な絵が得られ、それらが辿る経路や訪れる状態が明らかになる。分野がより大きく複雑な分子集合体の理解へと進むにつれ、静止画を生物学的機能の動的な物語へと変えるためのツールとして、このようなツールが不可欠となるだろう。