Rapid generation of antibody conformational ensembles using machine learning
本論文は、静的な構造予測の限界を克服するために、配列から多様な抗体コンフォメーションアンサンブルを迅速に生成する機械学習フレームワークであるCadenseを紹介しており、これにより、動的な抗体・抗原相互作用のより正確なモデリングを可能にし、創薬を加速させる。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
タンパク質は生命の働き手であり、感染症と戦ったり酸素を運んだりといった任務を遂行するために、特定の形へと折り畳まれる微小な機械です。何十年もの間、科学者たちはX線結晶構造解析という手法に頼ってきました。これは、タンパク質を結晶の中に凍結させて写真を撮る手法です。問題は、この写真が静止画であることです。それは、ランナーが走っている最中の姿を捉えた写真のように、タンパク質が凍結された一瞬の姿を捉えているに過ぎません。実際には、タンパク質は動的であり、絶えず揺れ動き、異なる形態の間を行き来しています。この動きは、免疫系の防御因子である抗体にとって特に重要です。抗体はその先端に柔軟なループを持っており、特定の侵入者を捕らえるために曲がったりねじれたりする必要があります。もし科学者が、抗体を一つの硬直したポーズとしてしか見ていなければ、その抗体が病原性のウイルスと結合することを可能にしているまさにその形状を見逃してしまうかもしれませんし、あるいは、たった一つの凍結されたスナップショットにおいてリスクがあるように見えたために、無害なタンパク質を危険だと誤認してしまうかもしれません。
長い間、これらの動きを見る唯一の方法は、水と原子の物理学を模倣する複雑なコンピュータシミュレーションを実行することでした。しかし、このプロセスは計算負荷が非常に高く、わずか数分の一秒の動きをシミュレートするだけで数日かかることもあります。そのため、何千もの潜在的な薬物候補を迅速にテストすることは不可能です。ジェネンテックの研究者たちは、ゲームチェンジャーとなる「Cadense」と呼ばれる新しいツールを導入しました。Cadenseは、あらゆる動きをゼロからシミュレートする代わりに、何百万もの過去のシミュレーションから学習した人工知能を使用して、抗体のあらゆる可能性のある形状のファミリーを即座に生成します。これは単に一つの構造を推測するのではなく、抗体が現実の世界でどのように揺れ、曲がるかを示す、多様な構造の集まり、すなわち「アンサンブル(アンサンブル構造)」を生成します。これにより、科学者は数日ではなく数秒で、分子が実際にどのように振る舞うかという全範囲の動きを見ることができるようになり、より鮮明な全体像を提供します。
研究者たちは、既知の実験結果がある抗体の形状を予測させることで、この新しいシステムのテストを行いました。一連のテストでは、標的が存在しない状態(「アポ」状態)と、標的に結合している状態(「ホロ」状態)の二つの異なる状態で結晶化された抗体を調べました。既存のコンピュータプログラムの多くは、主に結合状態のデータで学習されているため、結合した形状のみを予測し、柔軟な未結合の形態を完全に見落としてしまう傾向があります。しかし、Cadenseは、未結合の形態、結合した形態、そしてその中間にあるあらゆる形態をカバーするサンプルを生成することに成功しました。特に厳格なテストにおいて、チームはこのツールを用いて、彼らのラボで結晶化したばかりの、コンピュータが一度も見聞きしたことのない構造を持つ抗体の形状を予測しました。ツールの最善の推測は、原子一個分の幅以内の精度であり、全く新しい構造であっても正しい形状を見つけ出せることを証明しました。
単に形を正しく捉えるだけでなく、チームはこれらの生成されたアンサンブルが、抗体の安全性や有効性を予測するのに役立つかどうかを知りたいと考えました。抗体は、凝集したり副作用を引き起こしたりすることなく機能するために、その表面に適切な電気的電荷と「粘着性」のバランスを持っている必要があります。科学者が単一の凍結された構造を見ているとき、その一つのポーズにおいてあまりに粘着性が高い、あるいは電荷が強いと判断されると、そのタンパク質をリスクが高いとフラグを立ててしまうことがよくあります。Cadenseのアンサンブルを使用し、タンパク質が多くの異なる形状を経て動く様子を見ることで、研究者たちは、このツールが誤検知を修正できることを見出しました。彼らのテストでは、単一の静止画像と比較して、アンサンブルを用いたアプローチは、偽の「高リスク」警告の数を3.5倍減少させました。これは、単一のスナップショットが悪そうに見えたために、有望な候補が誤って拒絶されるという、時間の浪費やリソースの無駄を防げることを意味します。同時に、本当に危険なものを見逃すこともありません。
最後のテストでは、これらの柔軟なアンサンブルが、抗体がどのようにウイルスや細菌に結合するかを理解する助けになるかどうかを確認しました。このプロセスは「ドッキング」と呼ばれますが、抗体の柔軟なループがターゲットに完璧にフィットするように動かなければならないため、非常に困難な作業です。研究者たちは、Cadenseのアンサンブルを物理ベースのドッキングプログラムへの入力として使用し、その結果を単一の静的な構造を用いた場合と比較しました。その結果、アンサンブルを用いた方がはるかに優れた性能を示し、正しい結合ポーズをより頻繁に発見できました。これは、コンピュータがこれまで見たことのない珍しい、あるいは新しいループを持つ抗体において特に顕著でした。静的なモデルがこれらの新しい形状に苦戦した一方で、Cadenseのアンサンブルは高い精度を維持しました。これは、単一の硬直した推測ではなく、可能性のある形状の「雲」を提供することで、ドッキングソフトウェアがターゲットへの結合というパズルを解くために必要な柔軟性を与えられることを示唆しています。
この研究は、Cadenseが、詳細だが遅い物理シミュレーションの世界と、高速な創薬のニーズとの間の実用的な架け橋となることを確立しました。現在のところ、このツールは抗体の可変部分に限定されており、分子の長期的な動力学的挙動を予測することはまだできませんが、分子運動の現実を設計プロセスに統合するための強力な新しい方法を提供しています。計算に要する日数を生成にかかる数秒に置き換えることで、研究者は以前は不可能だった規模で、抗体の動的な性質を考慮できるようになります。静的なスナップショットから動的なアンサンブルへのこの転換は、新しい治療法の探索をより速く、より正確なものにし、次世代の医薬品のデザインにおいて、これらの分子の柔軟で生命力あふれる性質がようやく考慮されることを約束するものです。
自分の分野の論文に埋もれていませんか?
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。