AIが「タンパク質の形」を予測！新薬開発が10倍速になるってホント？

タンパク質は人間の体の中で働く「小さな機械」のような存在だ。細胞の成長や免疫の防御、食べ物の消化、細胞同士の情報伝達など、ほぼすべての生命活動を支えている。

ところがこのタンパク質、形が複雑すぎて研究者たちを長年悩ませてきた。形が分からないと、どうやって働いているのか理解できないし、病気の治療薬も作れない。そこで登場したのが、AIと物理学を融合させた新しいアプローチだ。

タンパク質の「形」が分かると何ができる？

体の中の「ナノマシン」を理解する

タンパク質は、アミノ酸という小さな部品が数百個から数千個つながってできている。このつながりが複雑に折りたたまれて、独特の立体的な形を作る。

例えば、インスリンというタンパク質は51個のアミノ酸からできていて、血糖値を調整する働きをしている。ヘモグロビンは574個のアミノ酸でできていて、肺から全身に酸素を運ぶ。

問題は、同じアミノ酸の並び方でも、折りたたまれ方が変わると全く違う働きをしてしまうことだ。正しい形になれば正常に機能するが、間違った形になると病気の原因になる。アルツハイマー病やパーキンソン病は、タンパク質が異常な形に変形することで起こると考えられている。

新薬開発のスピードが劇的に変わる

製薬会社が新しい薬を作るとき、まずターゲットとなるタンパク質の形を知る必要がある。鍵穴の形が分からないと、ピッタリ合う鍵を作れないのと同じだ。

従来の方法では、X線結晶構造解析やクライオ電子顕微鏡という高価な装置を使って、1つのタンパク質の形を調べるのに数ヶ月から数年かかっていた。しかも、すべてのタンパク質がこの方法で調べられるわけではない。

人間の体には約2万種類のタンパク質があるとされているが、構造が完全に解明されているのは全体の30%程度にとどまる。残りの70%は「形が分からないブラックボックス」なのだ。

がんや感染症の治療法が見つかる可能性

シンガポール国立大学のJianguo Zhang教授率いる研究チームは、この問題にAIで挑んだ。彼らが開発したシステムは、物理学の法則とAIの学習能力を組み合わせている。

具体的には、タンパク質の動きをシミュレーションする「分子動力学」という手法と、大量のデータから学習する「機械学習」を融合させた。この方法により、従来は数週間かかっていた構造予測が、わずか数日で完了するようになった。

Zhang教授は「この技術は、がんや感染症、神経変性疾患など、さまざまな病気の治療薬開発を加速させる可能性がある」と語る。実際、COVID-19のスパイクタンパク質の構造解析にもAI技術が活用され、ワクチン開発のスピードアップに貢献した実績がある。

AIと物理学を組み合わせた「ハイブリッド手法」とは？

AlphaFoldの登場で起きた革命

2020年、Google DeepMindが開発した「AlphaFold2」というAIシステムが、タンパク質構造予測の世界に衝撃を与えた。このAIは、アミノ酸の配列だけを入力すると、数分でタンパク質の3D構造を予測できる。

AlphaFoldは、すでに解明されている約20万個のタンパク質構造データを学習し、そのパターンを覚え込んだ。まるで、たくさんのパズルを解いた経験から、新しいパズルの解き方を推測できるようになったようなものだ。

2024年には、AlphaFold3がさらに進化し、タンパク質だけでなくDNAやRNAとの複合体の構造も予測できるようになった。これにより、生命現象のより複雑なメカニズムが見えるようになってきている。

シンガポール国立大学の新アプローチ

ただし、AlphaFoldにも弱点がある。学習データにない種類のタンパク質や、特殊な環境下での構造変化は予測が難しい。また、予測結果が物理法則に従っているかどうかのチェックが不十分な場合もある。

そこでシンガポール国立大学のチームは、AIの予測に物理学的な検証を加える方法を開発した。具体的には、AIが予測した構造が実際に安定して存在できるかを、分子動力学シミュレーションで確認する。

分子動力学シミュレーションとは、タンパク質を構成する原子1つ1つの動きを計算し、全体がどう動くかをコンピュータ上で再現する技術だ。水の中に浮かぶタンパク質が、温度や圧力の変化でどう形を変えるか、ナノ秒単位で追跡できる。

10分の1の時間で高精度予測を実現

このハイブリッド手法により、予測の精度が大幅に向上した。従来の方法では見逃していた「柔軟に形を変える領域」や「他の分子と結合する部位」も正確に予測できるようになった。

しかも、計算時間は従来の10分の1以下だ。高性能なスーパーコンピュータを使えば、複雑なタンパク質でも1週間以内に構造を予測できる。これは、実験で調べる場合の数ヶ月と比べると圧倒的に速い。

研究チームは、膜タンパク質という特に難しいタイプのタンパク質でこの技術を検証した。膜タンパク質は細胞膜に埋まっているため、実験での構造解析が非常に困難だ。新しい手法では、従来のAIだけでは予測できなかった膜貫通領域の構造も正確に再現できた。

バイオ医療への応用と今後の展望

個別化医療の実現に向けて

この技術は「個別化医療」の実現にもつながる可能性がある。個別化医療とは、患者1人1人の遺伝情報に基づいて、最適な治療法を選ぶ医療のことだ。

例えば、がん細胞が持つ特定のタンパク質の変異を素早く解析し、その形にピッタリ合う薬を選べるようになる。現在は「この薬が効くかどうか試してみる」というアプローチが多いが、将来は「この患者には確実にこの薬が効く」と事前に分かるようになるかもしれない。

抗生物質耐性菌への対策

もう1つの応用先は、抗生物質が効かなくなった細菌への対策だ。細菌は進化して薬への耐性を獲得するが、その仕組みの多くはタンパク質の形の変化によるものだ。

AIで耐性菌のタンパク質構造を予測できれば、新しい抗生物質の開発スピードが上がる。従来は10年以上かかっていた新薬開発が、数年で完了する可能性もある。

酵素工学と産業応用

医療以外の分野でも応用が期待されている。例えば、プラスチックを分解する酵素の開発だ。自然界には、プラスチックを分解できる細菌が存在するが、分解速度が遅すぎて実用的でない。

AIで酵素の構造を予測し、分解速度を10倍、100倍に高める改良ができれば、環境問題の解決につながる。実際に、ペットボトルを数時間で分解できる改良酵素の開発に成功した例もある。

クラウド上で誰でも使えるツールに

シンガポール国立大学の研究チームは、この技術をクラウドベースのプラットフォームとして公開する計画を進めている。世界中の研究者が、高価なスーパーコンピュータを持っていなくても、ブラウザからアクセスして構造予測ができるようになる。

Zhang教授は「この技術を民主化したい。アジア、アフリカ、南米の研究者たちも、最先端のツールを使えるべきだ」と話す。実際、開発途上国では、結核やマラリアなどの感染症が深刻な問題になっているが、研究資金や設備の不足が課題となっている。

まだ残る課題と未来への期待

ただし、AIによる構造予測にも限界はある。複数のタンパク質が集まって作る「複合体」の構造予測は、まだ精度が十分でない。また、タンパク質が実際に働く環境（細胞内の混雑した状況）を完全に再現するのも難しい。

それでも、AIと物理学の融合は、生命科学に新しい時代をもたらしつつある。10年後には、病院で血液検査を受けたその日のうちに、AIが患者専用の治療薬を設計する、そんな未来が現実になっているかもしれない。

タンパク質の謎を解き明かすことは、生命そのものの仕組みを理解することにつながる。AIという新しい道具を手に入れた科学者たちが、これからどんな発見をしてくれるのか、目が離せない。

アイキャッチ画像: Photo by National Institute of Allergy and Infectious Diseases on Unsplash