🧬 biology

NatCodon: protein-structure-informed de novo codon sequence design for efficient protein expression

NatCodonは、タンパク質の構造情報を活用して共翻訳的フォールディングのためにコドン配列を最適化する生成モデルであり、希少コドンを戦略的に配置することで可溶性タンパク質の収量を向上させ、これまで困難であった標的の発現を可能にするという点で、既存の頻度ベースの手法を大幅に凌駕している。

原著者： Sheng Ye, Yujie Qin, Shen Ge, Kaiyue Wang, Mengchen Pu, Zilin Lyu, Zibo Cui, Fenghui Shi

公開日 2026-07-08

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Sheng Ye, Yujie Qin, Shen Ge, Kaiyue Wang, Mengchen Pu, Zilin Lyu, Zibo Cui, Fenghui Shi

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

論文「NatCodon」の解説：シンプルでクリエイティブな比喩を用いて

大きな問題：スピードに偏りすぎた「高速」組立ライン

複雑な機械（タンパク質）を組み立てるための指示書（DNA）に基づいた、ある工場を想像してみてください。この工場では、指示書は多くの異なる言葉（コドン）が同じ意味を持つコードで書かれています。

数十年にわたり、科学者たちは、工場の言語の中で最も「速い」かつ最も一般的な言葉だけを使うように指示書を書き換えることで、これらの機械をより速く作る方法を試してきました。彼らは、「最も人気のある言葉を使えば、製品は可能な限り素早く組み立てられる」と考えていました。

落とし穴： 複雑な機械を組み立てるには、単なるスピードだけではなく、「リズム」が重要です。もし組立ラインが速すぎると、次の部品が到着する前に、作業員（リボソーム）がパーツを正しく折り畳む（フォールディング）ための時間がなくなってしまいます。その結果はどうなるでしょうか？機械はバラバラになったり、詰まったり、あるいは使い物にならないスクラップの山になってしまいます（ミスフォールドしたタンパク質）。

現在の手法は、一時停止の必要性を無視してスピードばかりを追求する、スピード中毒のマネージャーのようなものです。その結果、不良品を生み出しています。

解決策：NatCodon（「リズムの達人」）

北軽大学（Beihang University）とdProtein Biotechnologiesの研究者たちは、NatCodonと呼ばれる新しいAIツールを開発しました。NatCodonは、単に「速い言葉」を探すのではなく、組み立てられている機械の**「形」**に注目します。

これは、オーケストラを指揮する指揮者のようなものです：

従来の手法： すべての奏者に、できるだけ大きく、速く演奏するように指示します。その結果、混沌とした騒音の塊が出来上がります。
NatCodoli： 音楽のセクション（複雑なタンパク質の折り畳み）によっては、ゆっくりと慎重に演奏する必要があり、他のセクション（安定した部分）は速く演奏してもよいことを理解しています。NatCodonは、タンパク質が正しく折り畳まれるために一時停止が必要なまさにその瞬間に、戦略的に「遅い言葉（希少なコドン）」を挿入します。

その仕組み：「構造を意識した」翻訳機

秘密のコードを学ぶ： このAIは、4万5,000種類以上の天然細菌タンパク質を用いて学習されました。AIは、自然界が用いる隠れた「文法」、つまり特定のタンパク質の形状には特定の翻訳の休止が必要であるというルールを学習しました。
「コドンのゲート」： AIがミスをしないように、安全フィルターを備えています。これにより、スピードを制御するために言葉を変えても、最終的な意味（アミノ酸配列）は正確に維持されることが保証されます。これは、物語の内容を変えることなく、読み上げる「ペース」を変えるために文章を書き換えるようなものです。
「フォーカス」ダイヤル： このツールにより、科学者はAIの「創造性」を調整できます。非常に厳格で予測可能な配列を選ぶこともできれば、ある程度の多様性を許容することもでき、最終的な設計をコントロールすることが可能です。

結果：「組み立て不可能なもの」の救済

チームは、ラボでの製造が極めて困難とされるいくつかのタンパク質に対して、NatCodonのテストを行いました。

「不可能」なタンパク質： SMURF1HECTと呼ばれるタンパク質は、まるで幽霊のようでした。従来の手法では、これの生成量はゼロでした。しかし、NatCodonは単にそれを作っただけでなく、健康な量を生成しました（0.57–0.61 mg/ml）。
ブースト効果： 他の困難なタンパク質についても、NatCodonは既存の最高の商用ツールと比較して、利用可能な機能的タンパク質の量を2倍から33倍に増加させました。
品質管理： 単に「多く」作るだけでなく、「より良く」作ることが重要です。NatCodonによって作られたタンパク質は、実際に機能（テストで光るなど）しており、正しく折り畳まれていることが証明されました。

新しいスコアカード：NCI

長年、科学者はDNA配列が優れているかどうかを判断するために、CAIというスコアを使用してきました。このスコアは基本的に、「どれだけ人気のある言葉を使ったか？」を問うものです。本論文は、CAIでレシピを評価することは、調理時間を無視して、塩を何回使ったかだけで判断することに似ていると主張しています。

著者らは、NatCodon Index (NCI) という新しいスコアを導入しました。

比喩： CAIが「どれだけ速く走れるか？」を問うのに対し、NCIは「地形に合わせて適切なスピードで走れたか？」を問います。
結果： NCIは、タンパク質が実際に機能し、大量に生産されるかどうかを予測する上で、はるかに優れています。NCIは、DNAの指示がタンパク質の物理的な形状のニーズにどれだけ一致しているかを測定します。

まとめ

NatCodonは、タンパク質を作るためのDNA指示書を設計する新しいAIです。指示書を単に「速く」するのではなく、正しい**「リズム」**を持たせるように設計します。タンパク質の3D構造を知ることで、タンパク質が正しく折り畳まれるように、組立ラインを減速すべき正確な場所を特定します。これにより、科学者はこれまで「組み立て不可能」とされていた困難なタンパク質を効率的に生産できるようになり、医学や産業における新たな可能性を切り拓きます。

このツールは、他の人々が自由に使用できるように公開されており、「速ければ良い」から「リズムが正しい」ことへの転換を象徴しています。

技術要約：NatCodon – タンパク質構造に基づく de novo コドン配列設計

1. 問題提起

遺伝情報のタンパク質への翻訳は、新生ポリペプチドの折り畳みがリボソームの伸長速度と不可分に結合している共翻訳プロセスである。現在のコドン最適化戦略は、主に頻度ベースのヒューリスティック（例：コドン適応指数 [CAI] や tRNA 適応指数 [tAI] の最大化）に依存して、ペプチド伸長を加速させることを目的としている。これらの手法は、翻訳速度をタンパク質の特定の折り畳み要件から切り離してしまうことが多く、その結果、異種宿主におけるミスフォールディング、封入体形成、および可溶性収率の低下を招く。この限界は、AIによる de novo タンパク質設計の時代においてさらに深刻化している。なぜなら、新規のタンパク質配列には進化的な祖先や天然のコーディングテンプレートが存在しないため、従来の「ルックアップテーブル」による最適化では不十分だからである。既存のコドン設計用ディープラーニングモデルの多くは、この問題を配列対配列の変換タスクとして扱っており、重要な構造情報を破棄し、共翻訳的折り畳み（CTF）を調整する役割としての翻訳リズムを見落としている。

2. 手法

著者らは、コドン設計を構造情報を考慮した速度論的問題として再定義する生成モデル、NatCodon を導入する。この手法は、マルチオミクスデータ（ゲノム配列、プロテオミクスコンテキスト、およびタンパク質構造）を統合し、天然の翻訳システムに埋め込まれた「構造・コドン文法」を学習する。

データキュレーション: モデルは、45,126組の細菌ゲノム・プロテオーム・構造の三つ組からなる非冗長なデータセットで訓練された。タンパク質の二次構造は、DSSPアルゴリズムを用いて9つの構造トークン（例： $\alpha$ -ヘリックス、 $\beta$ -ブリッジ、柔軟なループ）に離散化された。
アーキテクチャ: NatCodonは、LLaMAフレームワークに着想を得たデコーダーのみのTransformerアーキテクチャを採用している。これは、アミノ酸配列と離散的な構造トークンを単一の表現へと共同エンコードし、長距離依存性を捉えるために回転位置エンコーディング（RoPE）を利用する。
生物学的制約付きデコーディング:
- コドンゲート (Codon Gate): ハードマスクモジュールが各ポジションでの非同義コドンを厳格にフィルタリングし、生成された配列が正しいアミノ酸配列へと翻訳されることを保証することで、厳格な翻訳忠実度を確保する。
- フォーカス制御サンプリング (Focus-Controlled Sampling): 調節可能なパラメータ（ $\phi$ ）が確率分布の鋭さを変調し、決定論的な最適化と配列の多様性の間のバランスを可能にする。
学習目的: モデルは、負の対数尤度（NLL）、コドンの不均衡を補正するための頻度重み付きクロスエントロピー、および汎化性能を向上させるためのエントロピーに着想を得た平滑化損失を組み合わせた、複合損失関数を最小化する。
評価指標 (NCI): 著者らは、コドン使用法と構造的コンテキストとの一致度を定量化する、構造認識型の指標である NatCodon 指数 (NCI) を導入した。これは、構造特異的な適応係数とイェンセン・シャノン・ダイバージェンスを統合し、天然の構造・コドンパターンとの整合性を測定する。

3. 主な貢献

構造情報に基づく生成モデル: NatCodonは、頻度ベースのヒューリスティックを超え、局所的なタンパク質構造コンテキストをコドン配列の生成プロセスに明示的に統合した初のモデルである。
構造・コドン文法の解明: 本研究は、同義コドンの使用がどのように構造的要求に合わせて調整されているかについての経験的証拠とメカニズム的洞察を提供した。具体的には、適切な折り畳みを誘導するためにリボソームの停止（ポーズ）を引き起こすよう、構造的に敏感な部位（例：ドメイン境界、柔軟なループ）において、より頻度の低いコドンが戦略的に配置されていることを特定した。
এটি
新しい指標 (NCI): NCIの開発は、一般的な設定において、従来の指標（CAI, tAI）や教師ありAI予測器（Encodon）を凌駕する、機能的タンパク質収率の予測ツールを提供する。
実験的検証: 本フレームワークは、難発現ターゲットを含む一連の異種タンパク質を用いて検証され、可溶性タンパク質生産の有意な向上を示した。

4. 結果

クロス種ベンチマーク: E. coli、ヒト、植物、およびウイルス由来のタンパク質にわたるデータセットにおいて、NatCodonは競合モデル（CodonTransformer, ICOR）を上回った。モデルは翻訳速度論の乖離を96.5～97.5%減少させ、構造条件付きコドン乖離（SCCD）を1桁低く抑え、天然のコーディングアーキテクチャの優れた保持を示した。
実験的パフォーマンス: E. coli 発現実験において、NatCodon設計の配列は、GeneOptimizer (OP) によって最適化された配列と比較して、2倍から33倍の可溶性タンパク質向上を実現した。
- SMURF1HECT: OPでは可溶性タンパク質が全く検出されなかった極めて困難なタンパク質が、NatCod型では 0.57–0.61 mg·ml⁻¹ の収量を示した。
- その他のターゲット: DHOase、ルシフェラーゼ、GFP、およびHPPDにおいても顕著な改善が見られた。
メカニズム的洞察:
- 説明可能なAI (XAI): SHAPおよびIntegrated Gradients解析により、NatCodonが構造的特徴とアミノ酸の同一性にほぼ等しい重みを割り当てていることが明らかになった。モデルは、剛直な構造コアには高tAIコドンを、柔軟なループやドメイン境界には低tAIコドンを選択的に使用することで、必要な翻訳の休止を作り出している。
- 変異導入実験: NatCodon設計のDHOaseに対する逆変異導入実験により、ループ領域での翻訳速度を高めると収量が低下し、逆に $\alpha$ -ヘリックスでの速度を高めると向上することが確認され、モデルの「速度の振付（kinetic choreography）」が検証された。
- 翻訳ランプ (Translational Ramp): NatCodonは、他の最適化手法では失われがちな特徴である、天然の5'-末端の「翻訳ランプ」（初期の遅いコドン）を正常に再現した。
NCIの予測力: NCIは、複数のタンパク質ライブラリにおいて、CAI、tAI、およびEncodonを上回り、実験的な可溶性収率および機能出力（発光/蛍光）と最も高い相関を示した。
AI構造との互換性: 本フレームワークは、AlphaFold3によって予測された構造に対しても堅牢であり、実験構造に基づく設計と同様に、高い配列類似性と指標の一致性を維持している。

5. 意義と主張

本論文は、NatCodonが頻度ベースのヒューリスティックを超越し、プログラム可能なタンパク質発現のための原理的な基礎を確立したと主張している。構造的制約を配列生成に直接組み込むことで、モデルは共翻訳的折り畳みの要件に一致するように翻訳ダイナミクスをオーケストレートする。このアプローチは、これまで発現不可能と考えられていた de novo AI設計配列を含む、治療および産業的に重要なターゲットの生産を可能にする。著者らは、NatCodon–NCIフレームワークが、単なる伸長速度の最大化から「速度の振付（kinetic choreography）」へとパラダイムを転換させ、進化的なテンプレートが存在しない状況における、タンパク質配列から核酸配列への情報の逆流に対する汎用的な解決策を提供するものであると断じている。これらのツールは、複雑なタンパク質の生産を促進するため、コミュニティに対して自由に使用できるよう公開されている。