GLOM TGITO: multiscale protein modelling and multiview landscape-guided sequence discovery

タンパク質工学とは、生命の生物学的コードを書き換え、新しいタスクを実行する分子を作り出す技術です。この分野の中核には、単純ながらも困難な課題が存在します。科学者たちは膨大なタンパク質配列のライブラリを持っていますが、ラボで実際にテストできるのはそのごく一部に過ぎません。目標は、あらゆるものを構築して測定することなく、その膨大な可能性の海の中に隠された、希少で高性能な変異体を見つけ出すことです。これを行うために、研究者たちは、手元にあるわずかな実測例から学習するコンピュータモデルを使用します。これらのモデルは、タンパク質の配列の変化が、例えば蛍光タンパク質がいかに明るく光るかといった機能にどのように影響するかを予測しようと試みます。しかし、大きな問題があります。これらのモデルはしばしば過信してしまうのです。モデルは、未知の配列が、以前見た明るい配列と少し似ているというだけで、根拠がないにもかかわらず、その配列が素晴らしいものになると予測してしまうことがあります。これは、コンピュータ画面上では良く見えても、現実の世界では失敗してしまう配列を追いかけ、無駄な努力をすることにつながります。

ある研究チームは、この特定の問題を解決するために、「GLOM–TGITO」と呼ばれる新しいアプローチを開発しました。タンパク質に対して単一の硬直した視点に頼るのではなく、彼らのシステムは、タンパク質の構造と挙動の多層的なマップを構築します。これは、風景を衛星写真からだけでなく、ドローン、丘の上、そして路上の視点からも同時に眺めるようなものです。研究者たちのモデルは、タンパク質を「全体」「特定の領域」「変化が最も重要な個々の重要な箇所」という3つの異なるスケールで分析することで、これと同様のことを行います。これらの異なる視点を組み合わせることで、システムはタンパク質の性能という「地形」をより鮮明に捉えることができます。システムはこの詳細なマップを用いて探索をガイドし、新しいより明るいタンパク質を提案する際には、盲目的な推測ではなく、確かな局所的証拠に基づいた判断を行うようにしています。

研究者たちは、ppluGFP2と呼ばれる蛍光タンパク質の31,000以上の測定済みバージョンを含むデータセットを用いて、この手法をテストしました。彼らは、遺伝子配列に基づいてこれらのタンパク質の明るさを予測するようにモデルを訓練しました。彼らの新しいシステムを最強の既存手法と比較したところ、結果は驚くべきものでした。新しいモデルは、予測エラーが大幅に少なくなりました。さらに重要なことに、トップ100の明るい新候補を探索するためにモデルを使用したところ、あるテストでは96.3%、別のテストでは97.3%という極めて高い割合で、実際にラボで測定した際に明るいタンパク質となりました。対照的に、最高の競合手法は、選んだ候補のうち約半分程度しか明るいタンパク質を見つけることができませんでした。このことは、新しいシステムが、真に有望な配列と、混乱したコンピュータにとって有望に見えるだけの配列を区別することにおいて、はるかに優れていることを示唆しています。

このシステムの強みは、不確実性の扱い方にあります。コンピュータがより優れたタンパク質を探索する際、システムは常に自身の信頼性をチェックします。「この予測を信頼するための十分な実データが近くにあるだろうか？」と自問するのです。もしモデルが実験的な裏付けが乏しい領域に踏み込もうとしている場合、モデルは慎重になります。システムは、タンパク質の景観における異なる視点の重みを決定するためにダイナミックなゲートを使用し、実際の測定によって裏付けられた視点を優先します。このプロセスにより、研究者たちは探索から2,594個の異なる候補配列を見つけ出すことができました。これらをトップ100に絞り込んだ際、選択されたタンパク質は、明るいと予測されただけでなく、既知のトレーニングデータからの「偏差」も非常に低いものでした。簡単に言えば、これらの新しいタンパク質は、興味深いほど斬新でありながら、モデルが信頼できると知っている範囲にも十分に近かったのです。このバランスにより、研究者たちは新しくもあり、かつ信頼できる38個の候補を見つけ出すことができました。これは他の手法が生成したものよりも2倍以上多い数です。

なぜこれらの新しいタンパク質が機能したのかを理解するために、研究者たちはその物理的挙動の精密なコンピュータシミュレーションを行いました。彼らは、タンパク質がどのように動き、その表面が水とどのように相互作用するかを調べました。その結果、成功した設計の多くは、表面の「粘着性」が小さく、少ないパッチを持っていることが分かりました。タンパク質の世界では、表面の粘着性が低いことは、分子が正しく折り畳まれ、凝集を避けるのに役立つことが多く、これは明るく光るために不可欠です。表面を超えて、シミュレーションはタンパク質のコアの深部、つまり実際に光を放出する部分の近くの変化をも明らかにしました。トップデザインのいくつにおいては、内部構造が発光部分をよりしっかりと保持し、揺らぎを抑えていました。また別のものでは、発光部分を固定している化学結合がより安定していました。これらの物理的な変化は、コンピュータの選択がなぜ成功したのかという明確な説明を与えています。つまり、新しい配列が、光が輝くためのより安定した環境を作り出したのです。

この研究は、タンパク質の詳細なマルチスケールな視点と、局所的な証拠に対する慎重な検証を組み合わせることが、より優れた生物学的ツールの探索を劇的に改善できることを示しています。研究者たちは単に明るいタンパク質を見つけただけでなく、自信を持ってそれらを見つける方法を見つけ出しました。すべての新しい提案が、局所的な景観に関する確固たる理解に裏付けられていることを保証することで、彼らは従来の試みが陥ってきた過信という罠を回避しました。その結果、真に機能的で明るい蛍光タンパク質を高収率で生み出すパイプラインが完成し、次世代の生物学的センサーやツールの設計に向けた、より信頼できる道筋を提供しています。この研究は、コンピュータにタンパク質を多角的な視点から見る方法を教え、自らの知識の限界を尊重させることで、これまで手の届かなかった新しい生物学的機能を発見できることを証明しています。