現地時間5月8日、国際的に有名な学術誌「ネイチャー」は、グーグルのAIモデルアルファフォール3（Alpha Fold 3）に関する最新の成果を掲載した。この成果はグーグルのDeep Mindと英国子会社Isomorphic Labsの共同チームが共同で発表した。
紹介によると、このモデルはかつてない精度で蛋白質と他の生体分子の構造と相互作用を予測した。同研究チームによると、アルファフォールディング3は生物世界と薬物発見に対する人々の理解を変えるのに役立ち、人工知能細胞生物学の新しい時代を開くことができるという。
（ソース/ネイチャー）
プロットタンパク質構造約600万種類
2018年のCASP 13（タンパク質構造予測評価）コンテストでは、アルファ折りたたみ1がタンパク質構造予測に優れていたため、アルファ折りたたみ1は他の参加チームをはるかに上回っていた。
2020年、Deep Mindはアルファ折りたたみ2を発表した。その年のCASP 14レースでは、アルファフォールディング2が前例のない精度を示し、タンパク質構造の予測において画期的な進展を遂げた。当時の評価結果によると、アルファフォールディング2の平均誤差は原子1個分の直径（0.1ナノメートル）程度であり、その予測精度は従来の実験方法と同等であり、科学界で大きな反響を呼んだ。Deep Mindはその後も科学界と協力し、アルファフォールディング2を用いて多様な生物学的に重要なタンパク質構造を解析することで、生物医学研究のプロセスを加速させた。
2021年、Deep Mindは欧州生物情報学研究所と協力し、数万人のタンパク質構造予測を含むデータベースであるアルファ折りたたみDBを公開した。これらのデータの公開により、世界中の科学研究者がこれらのタンパク質構造情報に無料でアクセスできるようになった。2022年にはアルファ折りたたみ2も全面アップグレードされた。
Deep Mindによると、わずか3年間でアルファ折りたたみ2は180万人の研究者に使用され、約600万種類の異なるタンパク質構造を描き出している。しかし、これらの図は単一の静的タンパク質の画像であり、細胞内部で発生する化学通信は含まれていない。「生物学は動的なシステムである」とDeep Mindのデミス・ハサビス最高経営責任者は説明する。「細胞中の異なる分子間の相互作用がどのように生物学的特性を生み出すかを理解しなければならない」。
AIによる疾病治療、薬物開発
6年後の今日、グーグルのDeep Mindは科学者がより効果的に薬を設計し、病気に対応するための最新のアルファフォールディング3を発表した。Isomorphic Labsのマックス・ジャドバーグ首席人工知能責任者は、アルファフォールディング3の機能は、研究者が潜在的な新規薬物分子を迅速に識別するための新たな機会を提供していると述べた。これまでIsomorphic Labsは製薬会社の礼来とノバルティスとパートナーシップを結んでいたことが分かった。
マックス・ジャドバーグ氏は、「これにより、私たちの科学者、薬物デザイナーは原子レベルで仮説を作成し、テストし、数秒以内にアルファフォールディング3を用いて高度に正確な構造予測を生成することができるようになった。これに比べて、従来の実験方法は数ヶ月から数年かかる可能性がある」と述べた。
チームによると、アルファフォールディング3の予測精度は、前身に基づくツールを含む既存の専用ツールの多くに比べて「大幅に向上した」という。既存の予測方法と比較して、このバージョンのアルファフォールディングは、タンパク質と他の分子との間の構造と相互作用を予測する上で少なくとも50%向上した。いくつかの重要な研究分野では、その予測精度は倍にもなり、100%の改善に達した。アルファフォールディング3は、タンパク質、DNA、RNA及びリガンドの構造及びそれらの間の相互作用を正確に予測することができる。この進展は癌、自己免疫性疾患などの疾患の治療に希望を提供した。
Deep Mindのアルファ折りたたみチーム責任者ジョン・ジャンパー氏は、「信じられないほどの進歩を見てきた。これらの進歩は多くの新しい科学をロック解除すると考えている」と述べ、植物生物学の知識や食糧安全の向上にも潜在力があると指摘した。「私たちはすでに生物学者と初期のテスターがそれを使って細胞がどのように働くかを理解し始め、どのような誤差が出るかも考え始めています」と彼は言った。
記者が論文の概要を整理したところ、最新のアルファ折りたたみ3にはいくつかの重大な更新があることが分かった。
アルファフォールディングの最新バージョンでは、ターゲット配列に関連するタンパク質情報に依存することは少なくなります。同時にアルファフォールディング3は、画像生成式人工知能によって使用できる拡散モデルと呼ばれる機械学習ネットワークも使用している。ジョン・ジャンパーは「かなりの変化だ」と話した。
同時に、研究者によると、アルファフォールディング3は蛋白質とその構造を予測する上で既存のソフトウェアツールよりはるかに優れている。例えば、新薬探しに興味を持っている科学者は、化学物質とタンパク質の結合度をシミュレートするためにドッキングというソフトウェアを使用しているが、アルファフォールディング3はこのソフトウェアより優れていることが証明されていると同時に、RoseTTAFoldAll-Atom 4という別の人工知能ベースのツールよりも優れていることも証明されている。
ジョン・ジャンパーと同僚は、少し前の報告でも彼らの説をデータで検証した。400以上のテストケースのうち、アルファフォールディング3は既知のタンパク質と薬物様小分子との相互作用を正確にシミュレーションすることができ、そのうち76%のケースは正確にシミュレーションすることができ、RoseTTAFoldAll-Atomのこの割合は約40%であることが報告されている。タンパク質と抗体との相互作用については、アルファフォールディング3の正解率は62%であり、アルファフォールマルチメディア（同社が以前タンパク質と他の生体分子との相互作用をシミュレーションするために使用していたソフトウェアパッケージ）の正解率は30%であった。
新しいモデルが広く採用されることを奨励するために、Deep Mind研究者はアルファ折りたたみサービス端も発表した。これは無料のオンライン使用プラットフォームであり、Deep Mind研究者はこのために約2億個のタンパク質構造を含むデータベースを発表した。
新モデルの優劣
ボストンコンサルティンググループが今週発表した研究によると、人工知能によって発見された薬物は、他の方法で発見された薬物に比べて早期試験での成功率が高いことが明らかになった。同研究では、これらのデータはこの技術の薬物発見と有効性の早期分析であり、人工知能は製薬研究開発の生産力を2倍に高めることができることを示している。
別の国際的に有名な学術誌「サイエンス」によるこのモデルの紹介と解読によると、ロンドン国王学院の生物学者ジュリアン・バージェロン氏はアルファフォールディング3をテストする機会を得て、このソフトウェアは研究速度を速める上で変革性があると述べた。研究者は数年かけて実験室でタンパク質を研究する必要はなく、数分で結果を得ることができる。「私たちはコンピュータで仮説をテストすることができます」とジュリアン・バージェロン氏は言います。「私は世界中の構造生物学とタンパク質生物化学研究チームがすぐにこのシステムを採用することを非常に確信しています」。
カリフォルニア大学サンフランシスコ校の薬物化学者ブライアン・ショイチェット氏は、タンパク質と可能な薬物相互作用のモデリングに対する制限のため、アルファ折りたたみ3にアルファ折りたたみ2が以前に与えた影響が大きいとは思わないと述べ、アルファ折りたたみを使用して薬物を探してきた。
同研究チームが報告書で紹介したように、アルファ折りたたみ3にはまだ多くの点で限界があり、さらなる反復と改善が必要だ。立体化学的制限、予測精度の問題、構造立体立体配座制限、動的情報の欠如、特定の目標予測制限などが含まれる。
