🧬 生物学

Robust enzyme kinetics prediction through pairwise relative learning

本論文は、酵素反応速度論の予測をペアワイズな相対学習問題として再定式化することで、絶対回帰の限界を克服し、ノイズの多い生物学的データセットにおいて高活性な酵素を特定する際の優れた精度、堅牢性、および汎化性能を実現する、シャム・ニューラルネットワーク・フレームワークであるDeltaKcatを導入するものである。

原著者： Feiran Li, Xiongwen Li, Zhengkai Li, Jiawei Zou, Wenjie Chen, Shujia Liu, Ke Wu, Jiahao Luo, Yu Chen

公開日 2026-10-26

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Feiran Li, Xiongwen Li, Zhengkai Li, Jiawei Zou, Wenjie Chen, Shujia Liu, Ke Wu, Jiahao Luo, Yu Chen

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

生命は、酵素と呼ばれる極小の生物学的機械に依存しています。これらのタンパク質は触媒として機能し、食物の消化からDNAの修復に至るまで、細胞を生存させる化学反応を加速させます。酵素がどの程度うまく機能するかを理解するために、科学者はその速度と効率を測定しており、これらの値は速度論的パラメータとして知られています。これらの数値は、研究者に対して、酵素がいかに速く原料を生成物へと変換できるか、そしてその原料をいかに強く保持するかを教えてくれます。科学者は数百万ものタンパク質配列をカタログ化してきましたが、これらの重要な速度測定値を持つものは、1,000個に1個未満にすぎません。この空白は、広大な生物学的ポテンシャルの風景を未踏のままにしています。これを埋めるために、研究者は、酵素の遺伝暗号に基づいてこれらの速度を予測することを期待して、コンピュータを活用してきました。しかし、これらのコンピュータプログラムを訓練するために利用可能なデータは、乱雑なものです。同じ酵素の測定値であっても、どの研究所が行ったか、あるいはどのような特定の条件が使用されたかによって大きく異なることがあり、それが標準的な予測モデルを混乱させるノイズの多い信号を生み出しています。

清華大学とボストン大学の研究チームは、この問題を解決するための新しいアプローチを開発し、焦点を「正確な数値を推測すること」から「相対的な差異を理解すること」へと転換させました。彼らはDeltaKcatと呼ばれるシステムを構築しましたが、これは酵素の予測を、記憶力のテストではなく、比較のレッスンとして扱うものです。このシステムは、単一の酵素の正確な速度を単独で予測させるのではなく、同様の条件下で機能する一対の酵素に着目します。それは、ある実験的な文脈において、一つの酵素がもう一つの酵素と比較してどれほど速いか、あるいは遅いかを予測することを学習します。一つのものの絶対値ではなく、二つのものの間の差に焦点を当てることで、このモデルは、一貫性のない実験手法によって生じる背景ノイズを効果的に取り除くことができます。これにより、システムは特定の研究固有の癖を無視して、酵素の構造とその機能の間の真の関係を学習することが可能になります。

研究者たちは、公開データベースや科学文献から収集された膨大なデータのコレクションを用いてこのシステムを構築し、13万5,000件以上の速度測定値と、数十万件の結合測定値を整理しました。彼らは、コンピュータが、共通の基質を持つ酵素、あるいは共通の酵素に作用する基質を比較できるように、これらのエントリーをペアリングし、比較が一定の実験設定内で行われるようにしました。モデルは、高度な言語ツールを使用して、タンパク質の遺伝配列と、それらが作用する分子の化学構造を読み取り、これらの複雑なパターンをコンピュータが理解できる形式に翻訳します。そして、ペアリングされた項目のパフォーマンスの差を計算します。この手法は極めて効果的であることが証明されました。未知の酵素に対してテストを行った際、遺伝的な類似性が低い場合であっても、システムは既知の例と比較してそれらの速度がどのように変化するかを正確に予測できました。また、古いモデルが極端な値ではなく平均的な値を推測してしまう傾向があったのに対し、このシステムは最も効率的な酵素を特定することにおいても優れていました。

このシステムが実世界で機能することを証明するために、チームはアデニル酸キナーゼと呼ばれる、細胞内のエネルギー管理に不可用な特定の酵素グループを用いてテストを行いました。このグループ全体が訓練データには全く含まれておらず、コンピュータは完全に学習された比較・対照能力に頼らなければなりませんでした。これらの特定の酵素に対する事前の露出が全くなかったにもかかわらず、モデルは最も活性の高い変異体を特定することに成功し、既存のあらゆる手法を凌駕しました。研究者がシステムを微調整するために少量の新しいデータを提供すると、その精度は大幅に向上し、このアプローチが新しい生物学的ファミリーに迅速に適応できることを示しました。これらの知見は、問い方を変えること――絶対的な予測から相対的な比較へと移行すること――によって、より信頼性の高い、酵素の発見や設計のためのツールを構築できることを示唆しています。この進歩は、新しいバイオカタリスト（生物触媒）の設計を加速させ、未測定の膨大な生命のライブラリを、利用可能な資源へと変える可能性があります。

技術要約：ペアワイズ相対学習による堅牢な酵素反応速度論予測

問題提起

酵素の反応速度論（キネティクス）の予測は、バイオカタリスト（生体触媒）設計および代謝工学における重要なボトルネックとなっている。UniProtには2億3,000万以上のタンパク質配列が存在するが、BRENDAやSABIO-RKのようなデータベースにおいて、実験的に測定された速度論パラメータ（例： $k_{cat}$ 、 $K_m$ 、 $k_{cat}/K_m$ ）を持つものは0.1%未満である。従来の機械学習からディープラーニング、そして大規模な学習済みモデルへと進化した既存の計算手法は、主に2つの根本的な限界に直面している：

データの希薄性と不均一性： 酵素-基質の空間は疎にサンプリングされており、速度論的測定値は研究間での大幅な変動を示す。同一の酵素-基質系に対して報告された値であっても、実験条件の違いによって数桁の差が生じることがあり、これが系統的なノイズを導入する。
絶対回帰におけるバイアス： 現在のアプローチは通常、不均一なデータセット全体に対する絶対回帰に依存している。これは「平均への回帰」バイアスを引き起こし、モデルが真の生物物理学的関係ではなく、データセット固有のバイアスを捉えてしまう結果を招く。その結果、高活性な酵素の特定能力が低下し、未知の配列や基質への汎化性能が制限される。

手法：DeltaKcat

これらの課題に対処するため、著者らは、酵素の反応速度論予測を絶対値の推定タスクではなく、**ペアワイズ相対学習（pairwise relative learning）**問題として再定式化するフレームワークである DeltaKcat を提案する。

コアフレームワーク

ペアワイズ相対学習： 絶対的な速度論的値を独立して予測するのではなく、DeltaKcatはペアとなった酵素-基質複合体間の速度論的な「差」を学習する。ペアは同一の研究から構築されることで、一貫した実験コンテキストを確保し、研究間の系統的なバイアスを軽減する。
サイアミーズ・ニューラルネットワーク・アーキテクチャ：
- 入力： 一対の酵素-基質複合体。
- エンコーディング：
  - タンパク質配列は ProtT5 を用いてエンコードされる（残基レベルの埋め込みを出力）。
  - 基質は MolT5（連続ベクトル）および MACCSフィンガープリント を用いてエンコードされる。
- 相互作用モデリング： ゲート付きクロスアテンション（gated cross-attention）モジュールが、酵素と基質の特徴量を統合する。基質表現がタンパク質配列の表現に対してクエリを行い、特定の酵素-基質相互作用を捉える。ゲーティングユニットがアテンションの割り当てを精緻化する。
- 予測ヘッド： 2つの複合体の相互作用表現は、それらの明示的な差分ベクトルと結合され、MLP（多層パーセプトロン）に送られ、相対的な速度論的差（ $\Delta k_{cat}$ 、 $\Delta K_m$ 、 $\Delta k_{cat}/K_m$ ）を予測する。

データ構築

モデルは、BRENDA、SABIO-RK、および文献マイニングされたリソース（EnzyExtraDB、Enzyme Co-Scientist）から統合された、135,000件以上の $k_{cat}$ 、208,000件の $K_m$ 、および110,000件の $k_{cat}/K_m$ の測定値を含む精選されたデータセットで訓練された。

配列多様性タスク： 同一の基質を共有し、異なる酵素配列を持つペア。
基質特異性タスク： 同一の酵素を共有し、異なる基質を持つペア。
コールドスタート・スプリット： 未知のエンティティへの汎化性能をテストするために、評価用の分割では配列または基質全体をホールドアウトするように設計されている。

絶対パラメータの推論

実用的な適用を可能にするため、著者らはリファレンスベースの再構成戦略を導入している。予測された相対的な差は、訓練セット内のリファレンス複合体の実験的に特性化された値にアンカー（固定）されることで、絶対的な速度論的パラメータへと復元される。

主な結果

1. 相対的な速度論の予測

DeltaKcatは、相対的な速度論的差の予測において強力な性能を示した：

相対的な $k_{cat}$ 、 $K_m$ 、 $k_{cat}/K_m$ に対して、最大 0.80 のピアソン相関係数（PCC）を達成した。
タスク依存的な感度を示した： $\Delta k_{cat}$ は配列多様性タスクにおいて最も良く予測され、 $\Delta K_m$ は基質特異性タスクにおいて優れた性能を示した。
コールドスタートのシナリオにおいても堅牢性を維持し、未知の基質設定における $\Delta K_m$ で 0.74 のPCCを達成した。
速度論的変化の「方向」を 0.71 の精度で正確に捉えた。

2. 絶対的な速度論の予測

リファレンスベースの推論を用いることで：

コールドスタート性能： DeltaKcatは、コールドスタート設定においてベースライン（DLKcat, CataPro, UniKP）を大幅に上回った。 $k_{cat}$ において、 $R^2$ が 0.71、PCCが 0.85 に達し、ベースラインの $R^2$ 値（0.14–0.48）を凌駕した。
出版レベルの検証： 個別の論文内（一貫した実験プロトコルをシミュレート）で評価した場合、DeltaKcatは $k_{cat}$ に対して中央値 0.78 のPCCを達成し、ベースライン（PCC 0.11–0.36）を圧倒した。
高活性酵素の特定： 平均値へとバイアスがかかる絶対回帰モデルとは異なり、DeltaKcatは高活性な酵素を正常に特定できた。トップ10–25%の活性酵素において全てのベースラインを上回り、特にトップ10%において最大の利得を示した。
汎化性能： 低い配列相同性領域（同一性0–40%）においても、強い性能（PCC > 0.76）を維持した。

3. 外部検証（アデニレートキナーゼ）

フレームワークは、訓練から完全に除外された外部のアデニレートキナーゼ（ADK）データセットを用いてテストされた：

ゼロショット： DeltaKcatは、PCC 0.40 およびスペアマン相関係数（SCC）0.33 を達成し、全てのベースラインを上回った。高活性な酵素をトップ5の中に特定することに成功したが、ベースラインはトップ10の中に一つも特定できなかった。
ファインチューニング： わずか60個のADK特異的な訓練サンプルを用いるだけで、モデルの性能はPCC 0.69 まで向上し（ゼロショットから72%の向上）、既存のADK特異的モデルを上回った。

意義と主張

本論文は、DeltaKcatがペアワイズ相対機能学習に基づく、酵素の反応速度論予測のための一般的なフレームワークを確立したと主張している。その主な貢献は以下の通りである：

ノイズへの堅牢性： 一貫した実験コンテキスト内での不変な機能関係を学習することで、不均一な生物学的データに内在する研究間の変動や測定の不一致を軽減する。
汎化性能の向上： 学習目標をデータセット依存の絶対値から機能的関係へとシフトさせることで、未知の酵素、基質、および低相同性領域への堅牢な外挿を可能にする。
実用的な有用性： 本フレームワークは高活性な酵素を効果的に優先順位付けすることができ、これは「平均的な予測」よりも「外れ値の特定」が重要となる酵素探索およびエンジニアリングにおける重要なニーズに応えるものである。
幅広い適用可能性： 著者らは、この関係学習アプローチが、酵素のエンジニアリング、代謝設計、および機能注釈を含む、ノイズの多い生物学的データからの学習において広く有用であると断言している。

著者らは、現在のモデルには明示的な環境因子（pH、温度）や構造情報が欠けていること、および希少な反応タイプに関する高品質な速度論的測定値が依然として不足しているといった限界も認めている。しかし、提案されたフレームワークは、ノイズの多い生物学的データにおける絶対回帰のバイアスを克服するための、原理的なアプローチを提供すると主張している。