GRP: A Representation-Aware Effective Geometry of Protein State Space

技術要約：GRP – タンパク質状態空間の表現認識型有効幾何学

問題提起
タンパク質は静的な構造ではなく、配列、構造、コンフォメーション・アンサンブル、および軌跡の結合によって定義される多層的な状態空間である。従来の生物物理学的アプローチは、多くの場合、これらのレベルを個別に扱ったり、座標やポテンシャル（例：弾性ネットワーク）の静的な、あるいは事前決定された選択に依存したりすることが多いが、これはシステムの可能性の空間における組織化を不明瞭にする可能性がある。したがって、これらのレベルを単一の状態空間の関連する構成要素として統合し、生物学的制約がいかにしてこの空間の幾何学を形作るかを記述するための、数学的に扱いやすい理論的枠組みが必要とされている。さらに、AIベースの分子表現（例：タンパク質言語モデル）は、構造的および進化的な情報を実質的にエンコードしているが、それらと物理的現実との関係は、発見のための科学的計器としてではなく、「ブラックボックス」として扱われることが多い。

手法：GRPフレームワーク
著者は、一般相対性理論に着想を得たGRP (General Relativity of Protein) というフレームワークを導入する。これは、座標から、表現、スケール、またはモデルの変化に対して不変な「関係」へと焦沢を移すものである。GRPは、AI表現を、生物学的制約が統計的な痕跡を残す「損失のある鏡像空間」として扱う。本手法は、以下の4つの明確かつ連結した数学的構成を通じて進行する。

1. 局所的有効幾何学（アンサンブル）：

   • タンパク質状態は、観測事項（コンフォメーション、変異、または学習された埋め込み）に対する経験的確率測度として定義される。
   • デカルト座標アンサンブルの場合、剛体整列（Kabush法）により全域的な並進および回転を除去する。
   • 共分散行列は、中心化された座標から推定される。本フレームワークは、共分散スペクトル（固有値）を分析し、局所的な統計的要約（参加比、異方性、スペクトル減衰など）を定義する。これらの指標は、宣言された表現空間内の分散の組織化を記述するものであり、固有の物理的次元を記述するものではない。

2. 共分散正規化された摂動幾何学：

   • 摂動（例：変異）の「非定型的性質」を定量化するために、本フレームワークは正則化されたマハラノビス型のコストを算出する。
   • Ledoit-Wolf推定量を用いて、摂動前の背景となる正則化された共分散行列の逆行列が、局所的な計量（$G_S$）を定義する。
   • 幾何学的コスト $C_{geo}$ は、この局所的な計量内に投影された摂動状態の二乗変位である。これにより、変位は背景の変動量によって正規化される。すなわち、変動の大きい方向への大きな変位は、制約の強い方向への小さな変位よりもペナルティが低く設定される。

3. 生物学的制約場（ソースから幾何学へ）：

   • 本フレームワークは、生物学的なソース変数（配列長、アミノ酸組成、物理化学的記述子）と幾何学的応答（アンサンブル組織化指標）との関係を、条件付き統計場としてモデル化する。
   • これは、生物学的記述子がアンサンブル幾何学の組織化を予測する予測モデルとして定式化される。著者は、転移可能性を確保するためにグループ化されたホールドアウト検証を用い、システム間で「共有」された応答成分が存在するかどうかをテストする。

4. 順序付けられた状態パスと輸送：

   • 状態の順序付けられたシーケンス（例：変異の軌跡や鎖長の進行）は、状態空間内のパスとして表現される。
   • 本フレームワークは、共通の表現空間における連続する状態間の平均隣接状態ガウス輸送（Wasserstein距離の代用）を算出する。
   • この統計量は、一致させたヌルパス（同一の終点と制約を持つランダム化されたパス）と比較され、構造化された生物学的パスが、表現空間においてより一貫性のある、輸送量の低いルートを通過するという仮説を検証する。

主な結果

• 共分散の集中： 多様なタンパク質アンサンブルにおいて、コンフォメーションの分散は限られた数の経験的モードに集中している。タンパク質や表現の種類にもよるが、約3〜18のモードが保持された分散の95%を捕捉する。
• 鎖長のスケーリング： 参加比とスペクトル減衰パラメータは、鎖長や残基組成（例：PolyGやPolyLysにおける強い拡張）に対して再現可能なスケーリングを示しており、これは単純な再スケーリングではなく、アンサンブル幾何学の系統的な再組織化を示唆している。
• 摂動の正規化： 共分散正規化は、異なるタンパク質背景間での摂動の方向的一貫性を向上させ、摂動コストの変動係数を減少させる。幾何学的コストは実験的な深層変異スキャン（DMS）の適応度（fitness）と弱い負の相関を示すものの、配列ベースのベースラインとは直交する情報を提供している。
• 予測場： 生物学的ソース変数（鎖長、組成）は、アンサンブル幾何学の組織化の相当部分を予測する（73.6%の応答に対して $R^2 > 0.1$）。ソースと応答の結合構造はリサンプリングに対しても安定しているが、それは普遍的で座標不変な法則ではなく、表現に依存するものである。
• 低輸送パス： 構造化されたタンパク質状態のパスは、一致させたヌルパスと比較して、有意に低い平均ガウス輸送を示す（例：主要な比較において11.75 対 22.90）。これは、生物学的に順序付けられたパスが、ランダムな配列よりも効率的に表現空間を横断することを示唆している。

意義と主張
本論文は、GRPを、AIによって観察された組織化から生物学的原理への、予備的かつ検証可能な統計的経路として位置づけている。

• 存在論的転換： 著者は、分子生物学の焦点を、孤立した対象（配列、静的な構造）の研究から、制約された状態空間内における分布とパスの研究へと転換すべきであると主張している。タンパク質は、既成の空間内の「点」ではなく、構造化された「可能性の空間」として捉えられる。
• 計器としてのAI： GRPは、AI表現を生物学的な現実そのものではなく、集団的な構造を測定可能にする科学的計器（望遠鏡のようなもの）として扱う。目標は、異なるモデル、表現、スケール間で安定して存在する不変量（関係性）を特定することであり、それらを検証可能な生物学的仮説へと翻訳することである。
• 限定的な範囲： 著者は、GRPがタンパク質の物理法則（アインシュタイン方程式のようなもの）を導出すると主張しているわけでも、幾何学的コストが自由エネルギーや力と等価であると主張しているわけでもないことを明示している。このフレームワークは「表現を認識（representation-aware）」しており、抽出された幾何学は、選択された表現およびサンプリングプロトコルに依存することを認めている。
• 今後の方向性： 本研究は、配列変異、アンサンブルの不均一性、および変異応答を関連付けるための言語を確立したものである。その究極の価値は、どの幾何学的関係が生物学的測定値へと転移するかについての仮説を生成することにあり、それは独立した実験的検証を待つ段階にある。

要約すれば、GRPはAI表現を用いてタンパク質状態空間の「有効幾何学」を定量化するための数学的枠組みを提供し、生物学的制約が共分散、摂動コスト、およびパス輸送における再現可能な統計的パターンとして現れることを示している。