AIはタンパク質の「揺らぎ」をどこまで予測できるのか？主要な構造アンサンブル予測ツールを比較した研究

論文タイトル

Comparison of AI protein structure ensemble prediction tools

出典

Comparison of AI protein structure ensemble prediction tools
Multiple AI prediction tools for protein structural ensembles have recently been released, building on the much heralded advances from AlphaFold, large language...
www.biorxiv.org

要旨

本研究では、タンパク質の複数の構造状態（構造アンサンブル）を予測するAIツールであるBioEmu、AFSample2、ESMFlowの性能を比較評価しています。

解説など

AlphaFoldの成功以降、単一のタンパク質構造だけではなく、「タンパク質がどのように揺らぎ、複数の状態を行き来しているか」を予測するAI手法が登場しています。これらの複数の状態の集まりは「構造アンサンブル」と呼ばれます。

本研究では、以下の3種類のAIツールを比較しました。

  • BioEmu
  • AFSample2
  • ESMFlow（PDB学習版とMD追加学習版の2種類）

評価対象として、構造変化がよく研究されている以下のタンパク質が用いられました。

  • Adenylate kinase（ADK）
  • Calmodulin（CaM）C末端ドメイン
  • Dihydrofolate reductase（DHFR）
  • CATHドメイン2wg5F02

研究チームは、AIが生成した約1万個の構造を主成分解析（PCA）によって低次元に投影し、実験構造との重なりやツール間の違いを調べています。

評価方法

本研究では主に以下の2つの観点から評価が行われました。

  1. Coverage（被覆性）
    • AIが生成した構造群に、既知の実験構造が含まれているか。
  2. Distribution（分布）
    • 構造の出現頻度や分布が、物理的にもっともらしいものになっているか。
    • 実験的な「真のアンサンブル」は存在しないため、どのAIが最も正しいかを直接判断することはできないとしています。

結果概要

各標的ごとの詳細な比較結果は原著論文をご参照ください。概要をまとめると次のとおりとなります。

  • ツール間で生成されるアンサンブルが大きく異なる
  • 点変異への感度が十分ではない
  • 実験構造を部分的に再現できても、真の平衡分布を表している保証はない

そのため、タンパク質工学や創薬に利用する場合には、AIが出力した構造アンサンブルをそのまま物理的真実として解釈するのではなく、慎重に扱う必要があると結論づけています。さらに今後は、分子動力学シミュレーションなどの物理ベースの手法を組み合わせて補正する方向性を提案しています。

各ツールの特徴を抽出すると次のとおりです。これも解析対象に応じて傾向は変わる可能性があります。

  • BioEmu
    • 全体に、バックボーン構造の分布が広い傾向があります。ADKやCaMでは特にPC2方向の広がりが大きいとされています。一方、BioEmuは側鎖を出力しないため、側鎖解析ではH-Packerで補完しており、その結果が実験構造や他ツールから外れるケースが目立ちます。
  • AFSample2
    • 分布が比較的狭い傾向があります。CaMでは最も狭い分布とされ、DHFRでも狭い分布です。一方、ADKではopen/closedの二峰性を示し、点変異R128Wに対しては唯一はっきりしたシフトを示した、と記載されています。
  • ESMFlow-PDB
    • 実験構造との側鎖レベルの重なりが比較的良いケースがあります。ADKやCaMではAFSample2とともに実験構造に近い側鎖分布を示し、DHFRでは最初の2つの側鎖PCで最も良いcoverageを示したとされています。
  • ESMFlow-MD
    • MDで追加学習されているにもかかわらず、必ずしも物理的に妥当そうな分布になるとは限らない、という点が示唆されています。ADKでは点変異への感度がほぼなく、DHFRでは広いPC1分布を示す一方で実験構造との重なりは小さいとされています。