AminoGrapes: Structure-Weighted Evolutionary Scoring for Viral Protein Fitness Prediction

ウイルスは変化の達人です。生き残るために、彼らは自らの遺伝的指示を絶えず書き換え、アミノ酸と呼ばれる小さな構成要素を入れ替えることで、私たちの免疫系から逃れたり、細胞への感染力を高めたりします。科学者たちは、これらの変化のうちどれがウイルスを助け、どれがウイルスを壊してしまうのかを予測したいと考えています。これは、ワクチンを設計し、病気がどのように広がるかを理解する上で極めて重要な課題です。課題は、ウイルスが非常に速く進化するため、研究するための例が非常に少ないことが多く、そのルールを学習するのが難しい点にあります。伝統的に、研究者は変異の結果を推測するために主に2つの方法を用いてきました。一つの方法は歴史に着目するもので、数千の関連するウイルス配列をスキャンし、どの部分が長い年月を通じて変わっていないかを確認します。もしある箇所が一度も変化していなければ、そこは不可欠な場所である可能性が高いと考えます。もう一つの方法はタンパク質の物理的な形状に依存するもので、分子の密に詰まった隠れたコア（核）への変化は、表面への変化よりもダメージを与える可能性が高いという知識に基づいています。

イスラマバードのアフリウム（Afrium）で働くムハンマド・サアド・カーンという研究者は、これら2つのアプローチを「AminoGrapes」と呼ばれる新しいツールへと統合しました。その目的は、最も高度なコンピュータモデルがうまく機能するためのデータが十分に足りない困難なケースにおいて、ウイルスのタンパク質が変異後にどの程度うまく機能するかを予測する、シンプルで高速な方法を作り出すことでした。この手法は、ウイルスのタンパク質配列を取り込み、2つのことを行います。第一に、類似したウイルスの系統樹を構築し、タンパク質の各位置が進化によってどの程度保存されてきたかを計算します。第二に、タンパク質のコンピュータ生成による3Dモデルを使用して、各位置がどの程度埋もれているか、あるいは露出しているかを判定します。ツールは、これら2つの情報を掛け合わせます。もしある位置が歴史的に高度に保存されており、かつタンパク質のコアの内部に深く埋もれている場合、そこでの変異には厳しいペナルティが課されます。逆に、表面にあるか、あるいは過去に頻繁に変化してきた位置であれば、ペナルティは非常に軽くなります。これにより、特定の変化がウイルスによって許容されるかどうかを予測する、単一のスコアが作成されます。

研究者たちは、変異したタンパク質が実際にラボ内でどのように機能するかを測定する、31種類の異なるウイルスタンパク質実験（アッセイ）の標準セットを用いて、このツールのテストを行いました。彼らは、この新ツールを、数百万のタンパク質配列で学習された大規模な言語モデルである、強力で広く使われている人工知能モデル「ESM2」と比較しました。結果は、AminoGrapesが、標準的なAIモデルよりもウイルスのタンパク質の適応度を予測する上で有意に優れていることを示しました。平均して、新ツールは実世界の実験結果と0.430の相関を持って一致しましたが、AIモデルの相関は0.269にとどまりました。31のテストのうち25において、AminoGrapesの方がより正確な予測因子となりました。この向上は、新ツールがタンパク質の物理的構造と、その家族の歴史を明示的に使用したことによるものであり、一方でAIモデルは遺伝コードの文字配列のみに基づいて推測しようとしたことに起因します。

しかし、この物語は完全な勝利の物語ではありません。研究者たちがAminoGrapesを現在科学界で利用可能な最高峰の手法と比較したところ、力及ばずという結果になりました。より複雑な数学や大規模なデータセットを使用する既存のツールは、より高いスコアを達成しており、トップのパフォーマーは同じアッセイで0.480に達しました。特筆すべきは、AminoGapesは、0.480を達成したオリジナルのRSALORの実装よりも有意に低いスコアであったことです。著者は、自分たちのツールがこれらのトップティアの手法と組み合わせた際に、新しい価値を何も加えていないことを慎重に注記しました。実際、AminoGrapesを既存の最良のモデルのグループに加えると、結合された予測はわずかに悪化しました。このことは、この新しいツールがウイルスに対して独立した一歩としては堅実であるものの、まだ最先端の状態（ステート・オブ・ザ・アート）を超えているわけではないことを示唆しています。さらに、研究者たちは、このツールがこれらの特定のウイルス実験の結果を見ながら開発されたため、数値はやや楽観的である可能性があり、将来的に未知の新しいデータによって確認される必要があることも認めています。

また、この研究では、新しいツールと古いAIモデルを混ぜ合わせた場合に何が起こるかについても調査されました。彼らは、両方の予測をブレンドして、両者の良いとこ取りができるかどうかを試みました。非ウイルス性のタンパク質、つまりAIモデルが非常に強い領域では、このブレンドはうまく機能しました。しかし、ウイルス性のタンパク質においては、ブレンドした結果は新ツール単独の場合よりも性能が低下しました。これは、AIモデルが一般的にウイルスに対して弱いため、その低品質な予測を新ツールの高品質な予測と混ぜ合わせることで、平均が引き下げられたためです。この発見は、現在のAIモデルが急速に進化するウイルスに適用される際の特定の弱点を浮き彫りにしており、これらの特定の生物学的問題においては、大規模で汎用的な言語モデルよりも、進化の歴史と3D構造を直接利用するシンプルな手法の方が、現在はより信頼できることを示唆しています。

結局のところ、この研究は、ウイルスのタンパク質にとって、ウイルスの深い歴史と形状の物理的な制約の両方を尊重する単純な計算が、洗練された人工知能を凌駕することを示すものです。これは、ウイルスの進化を予測する問題を解決したと主張しているわけでも、あるいは全体として最も強力なツールであると主張しているわけでもありません。むしろ、これは、現在のAIが苦戦している特定の、困難な生物学の領域において、明確で解釈可能、かつ効果的な代替案を提示しています。研究者たちは、自分たちのツールが魔法の杖ではなく、現在のAIが苦戦している隙間を埋めるための実用的な器具であり、どの変異がウイルスの生存を可能にし、どの変異がウイルスを失敗させるかを理解するための、より優れた方法を提供しているのだと強調しています。