MITなどがProtGPS発表：タンパク質の構造だけでなく細胞内の配置先をAIで特定

細胞を間仕切りのない広い部屋に例えるなら、ノーベル賞を受賞したAlphaFoldは組み立て説明書のようなものでした。椅子やベッドをどう組み立てるかは完璧に示してくれます。

しかし、組み立てた家具を部屋のどこに置くべきかまでは教えてくれませんでした。

MITとホワイトヘッド研究所の研究チームは、科学誌『Science』で新たなディープラーニングモデル「ProtGPS」を発表しました。タンパク質が細胞内のどこに運ばれるかを正確に予測するAIです。

壁のない細胞内で目的地を割り出す仕組み

核やミトコンドリアのように膜で仕切られた器官に向かうタンパク質には、明確な目印が付いていることが以前から知られていました。

しかし、細胞内部の多くは明確な壁がないオープンな空間です。そこでは「生体分子凝集体」と呼ばれる液体のようなクラスターが形成され、遺伝子の制御やストレスへの応答を担っています。

タンパク質はアミノ酸配列に潜むわずかな手掛かりを頼りに、適切な凝集体へと自然に集まります。

研究チームは、Metaが開発したタンパク質言語モデルの基盤「ESM」を採用しました。ChatGPTが単語を処理するように、20種類のアミノ酸の並びから文脈を学習する仕組みです。

物理シミュレーションを伴う複雑な3D計算を省き、配列データから直接規則性を抽出するため、計算速度が極めて速いのが特徴です。

12種類の凝集体に局在することが分かっているヒトタンパク質約5,000件で学習させたところ、未知のデータに対しても高い精度で配置先を言い当てました。

一方で、モデルが何を決め手に判断しているのかというブラックボックス問題は残っています。電荷や疎水性などを検証しても単純な法則は見つからず、研究者自身も「単純なルールなら人間がとっくに解明していた」と認めています。

なぜ重要か

創薬や生命科学の研究者にとって、この成果は直接的な武器になります。

既存タンパク質の行き先を突き止めるだけでなく、特定の凝集体へ正確に届くような新規タンパク質をゼロから設計できるためです。また、がんや発達障害などで変異したタンパク質が「本来と違う場所」に入り込む異常の検知にも役立ちます。

すでに凝集体創薬を手掛けるDewpoint Therapeuticsは、ProtGPSを創薬パイプラインに導入する方針を固めました。Transition Bioの幹部も、病気の根本原因となる配置の誤りを正す突破口になると高く評価しています。

私たちの見解として、膨大な計算リソースを要する3D物理シミュレーションをあえて避け、配列の文脈解析に割り切った設計は非常に合理的です。「構造が決まれば機能が決まる」という従来の常識に、空間的な配置という決定的なピースを付け足しました。

ただし、AI特有の判断プロセスの不透明さは医療現場への応用で壁になり得ます。なぜその場所へ集まるのかという物理的な機序が解明されない限り、新薬開発の現場では依然として実験による地道な安全性検証が欠かせないはずです。