Proteome-scale inference of transcription factor binding motifs from predicted protein-DNA structures
本論文は、AlphaFold3とNA-MPNNを活用してタンパク質-DNA構造をモデリングすることにより、実験データのみでは不可能な規模を超えて利用可能なモチーフ・データベースを大幅に拡張し、全2,543種類のゼブラフィッシュ転写因子のDNA結合モチーフを予測するプロテオーム規模の計算フレームワークであるZebraMotifを紹介するものである。
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
あらゆる細胞の中には、その細胞が何であり、何をするのかを決定する、分子スイッチの広大なネットワークが存在しています。これらのスイッチは、転写因子と呼ばれるタンパク質によって制御されています。各転写因子は、DNAで作られたユニークな鍵にフィットするように設計された、特定の鍵のような役割を果たします。鍵がその鍵穴を見つけると、近くの遺伝子のオンまたはオフを切り替え、細胞に成長、分裂、あるいはアイデンティティの変化を命じます。生命がどのように機能するかを理解するために、科学者はどの鍵がどの鍵穴に適合するかを正確に知る必要があります。ヒトや他のいくつかのよく研究されている動物については、研究者たちが数十年にわたり実験を行い、これらのつながりをマッピングしてきました。しかし、ゼブラフィッシュ(体の発達を研究するためのモデルとして好まれる小さな魚)を含むほとんどの種については、このマップはほぼ空白のままです。どのタンパク質がどのDNA配列に結合するのかを知らなければ、生物を作り上げる指示を完全に理解することはできません。
長い間、これらの空白を埋める唯一の方法は、個々のタンパク質に対して、遅くて高価なラボテストを実行することでしたが、それは何千ものタンパク質を一度に行うには不可能な作業でした。科学者たちは、他の動物の類似したタンパク質を見ることで欠落したピースを推測しようと試みてきましたが、この手法は動物同士が大きく異なる場合には失敗することがよくあります。現在、研究チームは、ウェットラボ(実験室)に足を踏み入れることなく、このパズルを解く新しい方法を見つけました。彼らは強力なコンピュータプログラムを使用して、これらのタンパク質がどのようにDNAを掴むかという3D形状を予測し、その形状を用いて、各タンパク質が好む正確なDNA配列を特定しました。この手法をゼブラフィッシュの全タンパク質セットに適用することで、彼らはこの種におけるDNA結合の最初の包括的なマップを作成し、以前は未知であった数千もの新しいつながりを明らかにしました。
研究者たちは、まず単純な問いから始めました。「もしコンピュータが、タンパク質がDNAの断片を保持する形状を予測できるなら、正しい断片とランダムな断片を見分けることができるだろうか?」彼らは、タンパク質の形状予測で有名な、高度な人工知能システムであるAlphaFold3を使用しました。彼らはコンピュータにゼブラフィッシュのタンパク質の配列と特定のDNA配列を入力し、それらが結合したときにどのように見えるかをモデリングさせました。彼らはこれを何千もの組み合わせに対して行い、各タンパク質を、本来結合すべきDNAと、無視すべきランダムなDNAの両方とペアリングしました。コンピュータは各予測に対して信頼度スコアを割り当て、本質的に、その特定の形で二つの分子がどのようにくっつくかについて、研究者に確信度を伝えたのです。
結果は、コンピュータがこのタスクにおいて極めて優秀であることを示しました。テストされたほとんどのタンパク質において、モデルは、タンパク質が正しいDNAターゲットとペアになったときの方が、ランダムな配列とペアになったときよりも、はるかに高い信頼度スコアを与えました。これは、コンピュータがフィルターとして機能し、良い一致と悪い一致を仕分けられることを意味していました。研究者たちは、予測が最も容易なタンパク質が、コンピュータによって最も明確に区別できるものでもあることに気づきました。コンピュータがタンパク質-DNA複合体の形状に対して非常に高い確信を持ったとき、それはほぼ常に正しい一致でした。この発見により、彼らはより大規模な探索に使用するための信頼できるシグナルを得ることができました。
このシグナルを手に、チームはゼブラフィッシュのすべての転写因子の結合ルールを見つけ出すための大規模なスクリーニングを開始しました。彼らは、魚の胚の発達過程で活性化していることが知られているゲノム領域から派生した、潜在的なDNA配列のライブラリからスタートしました。そして、あらゆるゼブラフィッシュの転写因子をこれらの候補配列とペアリングし、どの組み合わせが最も安定し、確信度の高い構造を形成するかを確認するために、何百万回ものコンピュータ・シミュレーションを実行しました。各タンパク質について、コンピュータがタンパク質とDNAが共に存在することを最も確信したトップのマッチのみを保持しました。
これらの個別のスナップショットを、利用可能なマップへと変えるために、研究者たちは別のツールを使用して、最良のマッチの形状を分析しました。このツールは、タンパク質がDNAに触れている特定の原子を調べ、好みのパターンを計算しました。それは、「このタンパク質は最初の位置にAを好むのか、それともGを好むのか?」と問いかけます。多くの異なる高信頼度の予測結果を組み合わせることで、彼らは、そのタンパク質が探し求めるDNA配列を正確に記述する詳細なプロファイル、すなわち「モチーフ」を構築しました。彼らはこのプロセスを2,500以上の転写因子に対して繰り返し、ZebraMotifと呼ばれるデータベースを作成しました。
この新しいデータベースは、以前のどのコレクションよりも約3倍多いゼブラフィッシュのタンパク質をカバーしています。この研究の前には、実験データはゼブラフィッシュのタンパク質の約3分の1に対してしか存在しておらず、それらでさえもヒトのデータに基づいた推測であることが多々ありました。新しいマップは、残りの大多数のタンパク質に対して、直接的な構造ベースの予測を提供しています。研究者が、実験によって真の答えがすでに判明している少数のタンパク質に対して予測をテストしたところ、コンピュータ生成のマップは、主要な予測において実世界のデータと約半分の確率で一致し、上位の数少ない可能性を見た場合にはさらに優れた一致を示しました。コンピュータがこれらの特定の魚のタンパク質に関する実験データを見ていなかったことを考えると、このレベルの正確さは驚くべきことです。
研究者たちはまた、これらの新しいマップが生物学的に理にかなっているかを確認しました。彼らは、特定のDNA配列に結合すると予測されたタンパク質が、そのDNAが開放されアクセス可能である細胞内で実際に活性化しているかどうかを調べました。その結果、新しいマップは、タンパク質の存在とターゲットサイトのアクセシビリティ(接近可能性)との間に、古い実験由来のマップで見られるものと同様の強い相関関係があることを示しました。これは、コンピュータによる予測が単なる数学的なアーティファクト(人工物)ではなく、実際の生物学的ルールを反映していることを示唆しています。さらに、彼らがこれらの新しいマップを使用して発展中の魚の胚の遺伝子制御ネットワークを再構築したとき、新しいデータは欠落していたリンクを埋め、異なるタンパク質がどのように連携して開発を制御しているかを、以前は見えなかった方法で明らかにしました。
このアプローチを開始するために、新しいラボ実験を必要としません。生物の遺伝コードと、テストするための潜在的なDNA配列のリストさえあればよいのです。このため、この手法は、実験的な結合データが存在しない種であっても、あらゆる種に適用可能です。研究者たちは、ゼブラフィッシュの完全なマップを作成することでこれを実証しました。ゼブラフィッシュは開発の研究モデルとして何十年も使われてきましたが、この特定の知識が欠けていました。この手法は完璧ではなく、安定した形状に折りたたまれるタンパク質に対して最もよく機能しますが、生命の遺伝的ロジックを全生命の樹全体にわたって理解するための扉を開き、かつては不可能と思われたタスクを、日常的な計算演習へと変えたのです。
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。