AlphaFold 2：原子分解能による高精度タンパク質立体構造予測

タンパク質の働きや機能の解明には立体構造の特定が欠かせない。近年の遺伝子解析により既知の配列は数十億件に達したが、実験的に特定された固有の構造は約10万件にとどまり、配列全体のわずかな断片にすぎない。

この隔たりを生んでいた要因は、実験による構造決定の長期性と労力にある。X線結晶構造解析やクライオ電子顕微鏡による構造決定は、精製、結晶化、解析などに数か月から数年の試行錯誤を要し、研究進展のボトルネックとなっていた。

ここで、創薬研究チームが新規標的タンパク質の結合部位を特定しようとしている実務状況を考える。手元に配列があっても立体構造がなければ結合ポケットの見当がつかない。年単位を要する実験を全候補に行うことは不可能なため、配列から計算機上で正確に構造を予測する技術が強く求められていた。

タンパク質は20種類のアミノ酸が一列に連なった鎖である。この一次元配列が安定な三次元構造へと自発的に折りたたまれる立体配置を一意に予測する問いは、生物学で50年間にわたり最大の難問とされてきた。

問題の難しさは、一次元の並び順と三次元の空間配置が一致しない点にある。配列上で遠く離れたアミノ酸同士が、折りたたまれた構造中では隣り合って活性ポケットを形成することが珍しくない。前述の研究チームにとっても、一次元配列を眺めるだけでは遠隔残基同士の空間的接触を特定できなかった。

さらに、原子配置の組み合わせは天文学的な数にのぼる。物理法則に基づき原子間相互作用を網羅計算して安定構造を探索しようとしても、計算量が膨大すぎて実用時間内では解に到達できない計算限界が存在していた。

AlphaFold以前にも計算機による構造予測の試みは続けられており、主流は共進化解析と断片組み立て（Rosettaなど）を組み合わせた手法であった。

共進化解析は進化の変異履歴を手がかりにする。相同配列を比較し、連動して変異する空間的近接残基ペアを統計的に検出する手法である。

しかし、従来の共進化解析と断片組み立てによる予測は低精度にとどまっていた。既知断片を組み立てる従来手法では誤差が蓄積し、類似構造のない未知標的について実験水準の原子精度を規則的に達成することはできなかった。

AlphaFoldの核心は、進化シグナルと幾何情報を切り離さず、単一の微分可能ネットワークの中で相互洗練する「Evoformer」にある。

起点となるのは、多重整列配列（MSA）の進化情報テンソルと、全残基ペアの関係性を保持する残基対表現テンソルである。従来はMSA特徴量を固定して下流へ渡していたが、AlphaFoldは48ブロックのEvoformer層で二つの表現がアテンション機構により情報を交換し続ける。

配列軸と残基軸に沿った進化的な連動関係が残基対表現を更新し、残基対側では3残基間の三角不等式を満たすように幾何情報を更新する。幾何学的に矛盾のない配置仮説が整うと、その情報が再びMSA側へ送り返され進化シグナルの解釈が修正される。

研究チームの例で言えば、変異一覧表を作る担当者と立体設計図を描く担当者が同じ机で互いの矛盾点を擦り合わせる共同作業に似ている。ただし、この比喩は情報表現の反復更新を説明したものであり、水溶液中でタンパク質が物理的に折りたたまれる動的プロセスそのものを再現しているわけではない。

Evoformerで洗練された表現は、構造モジュールへ送られて原子座標へと変換される。従来は二次元距離マップ予測後に外部計算で三次元座標を復元していたが、この段階的分離は歪みを生む要因となっていた。

AlphaFoldは三次元空間の原子座標を直接予測する。その基盤となるのが、各残基を「局所剛体フレーム（回転行列と並進ベクトル）」として定義し、空間内の位置と向きを表す独立した三次元座標系を持たせる設計である。

そして、これらのフレームを反復更新するために「Invariant Point Attention（IPA）」を導入した。分子全体が空間内で回転・移動しても内部の幾何関係は変化しない。IPAはこの三次元回転不変性を保証するアテンション機構であり、空間内での向きに惑わされず、各残基の局所フレームを反復的に動かして正しい立体配置へと導く。分子模型をどの角度から眺めても形状が変わらないのと同様に、破綻のない三次元配置を直接組み立てられる。

モデル全体の学習を成立させる鍵となったのが、FAPE（Frame Aligned Point Error）と呼ばれる損失関数である。絶対座標の差を計算すると大域的な回転ずれだけで誤差が跳ね上がるが、FAPEは各残基の局所フレームを基準に他原子の相対位置を比較するため、分子全体の回転に惑わされず原子分解能レベルの一致を正確に最適化できる。

さらに実用的な機能として、AlphaFoldは三次元座標だけでなく、各残基の予測の確からしさを示す局所信頼度スコア「pLDDT」を0〜100で同時に算出する。

研究チームにとって、出力構造を一様な正解として盲信するのではなく、「活性中心ドメインは高いpLDDTを示し信頼できるが、末端ループは低いため形状が定まっていない」といった実務判断を客観データに基づいて下せるようになったことは、予測構造の利用価値を大きく高める要素となった。

AlphaFoldの予測性能は、国際的な盲検評価競技会である第14回CASP（CASP14）において厳密に検証された。CASPは未公開の実験構造を対象に第三者が照合する盲検競技であり、人為的調整が入らない客観的な検証環境が確保されている。

主指標の「GDT_TS（Global Distance Test Total Score）」は、予測主鎖炭素原子が実験構造の対応位置から一定距離内に収まる割合を0〜100で評価する。数値が高いほど実験構造に近く、一般に90を超えると実験誤差に近い水準とされる。

このCASP14において、AlphaFoldは全ターゲットに対するGDT_TSの中央値で92.4を記録した。同大会の次点チームの中央値は約60にとどまり、従来予測の水準を大きく引き離した。類似の既知構造が存在しない難度の高い課題でも規則的に高い精度を記録し、計算機予測が実験的決定に匹敵する精度に達しうることを客観的な競技の場で証明した。

大域的一致を測るGDT_TSに加え、著者らは原子レベルのずれを検証するため、全主鎖原子の予測誤差（RMSD）の中央値が0.96Å（オングストローム）であったと報告している。1オングストロームは0.1ナノメートルであり、典型的な共有結合の長さに匹敵するスケールである。

この数値の重みは、実験手法自体の限界と比較することで明確になる。論文中で示されている通り、X線結晶構造解析などの実験的決定であっても約1.0Å程度の実験的不確実性が不可避に存在する。すなわち予測誤差中央値0.96Åは、モデルの予測が実験測定誤差の枠内に収まるほどの原子分解能を達成したことを意味していた。

あわせて出力されるpLDDTの分布もこの主鎖精度の高さを裏付けた。研究チームの視点で見れば、関心のある活性ポケット残基群が0.96Å未満の精度水準に達しているかをpLDDTから確認した上で、後続の検証実験へと進める客観的根拠が得られたことになる。

CASP14の評価結果が実証したのは、EvoformerとIPAを軸とするEnd-to-Endモデルが、配列のみから単一の静的な立体構造を原子分解能で予測できるという事実である。特に類似構造の鋳型がない困難な配列でも、多重整列配列の共進化シグナルを手がかりに高い精度を発揮できることが示された。

しかし、この記録から読み取れる範囲には明確な限界もあった。第一に、原典記録にはEvoformer、IPA、FAPE損失などの独立アブレーション数値がなく、総合スコア92.4に対する各構成要素の寄与度を個別に切り分けることはできない。

第二に、CASP14で評価されたのは静的な単一構造に対する一致度である。タンパク質が細胞内で果たす柔軟な動的変化や、他分子と相互作用する際の構造変化を網羅的に予測できるかは、当時の評価では検証されていない。

AlphaFoldが研究現場にもたらした影響は、「構造を知るには、まず数か月から数年かけて実験的決定を終えなければならない」という研究の前提順序を根本から組み替えた点にある。

従来の研究者は、構造不明のまま手探りで実験を行うか、長期の歳月を投じて結晶解析に取り組むかの二者択一を迫られていた。しかし、配列から実験誤差に匹敵する予測構造とpLDDTが即座に得られるようになったことで、まず高精度な予測構造を確認し、仮説を立ててから実験に着手するという新しい手順が成立した。

実務例の研究チームで言えば、全領域を手当たり次第に調べるのではなく、予測構造でポケットを形成しpLDDTが十分に高い領域に狙いを定めて変異導入実験を計画できるようになった。これにより限られた研究資源を高確率な仮説検証に集中させることが可能となった。ただし、これは計算予測が実験そのものを不要にしたわけではない。実験資源をどこに投入すべきかを事前に判断するためのスクリーニング手段として定着したことが、記録された実質的変化である。

この成果がもたらした学術的インパクトは、国際的な栄誉によって公式に刻まれた。AlphaFold 2の筆頭著者でありリード研究者を務めたJohn Jumper、およびDeepMindの全研究を統括したDemis Hassabisは、タンパク質構造予測における革新的進展を主導した功績により、2024年のノーベル化学賞を共同受賞した。

また、技術的な系譜としても重要な発展が記録されている。AlphaFold 2が確立した設計思想は、単一タンパク質の静的構造にとどまっていた適用範囲を広げる契機となった。原典の記録に示されている通り、タンパク質と低分子リガンド、補因子、さらにはDNAやRNAといった核酸分子との複合体相互作用の予測精度という課題は、その後の「AlphaFold 3」によって拡張されることとなった。

なお、本記録が支持する歴史的影響はノーベル化学賞の共同受賞とAlphaFold 3への系譜関係に限られ、記録にない導入数や外部統計への言及は控えるのが客観的姿勢である。

現代の視座からAlphaFold 2を見つめ直す際、最も留意すべき限界は、同モデルが提供するものが主として「静的な単一構造の予測」にとどまる点である。

生体内の細胞環境においてタンパク質は硬直した彫刻ではない。熱運動によって常に揺れ動いており、基質の結合や化学修飾、環境変化に応じて複数の異なる立体構造（コンフォメーション）の間を行き来している。酵素反応の触媒やシグナル伝達といった生体機能は、まさにこの動的な構造変化によって担われている。

研究チームが「阻害剤結合に伴う動的機構」を解明したい場合、静的状態でGDT_TS 92.4を達成していても静止画一枚から動的過程を読み解くことはできない。「静的な配置が実験構造に極めて近い」という検証済みの事実を、「タンパク質の動的挙動のすべてが解明された」と拡大解釈してはならない。

もう一つの明確な限界は、他分子との複合体形成に関する予測精度である。実際の創薬や生化学の研究現場では、タンパク質単体の形状だけでなく、候補化合物である低分子リガンド、補因子、あるいはDNAやRNAなどの核酸分子とどう結合するかが決定的な意味を持つ。AlphaFold 2は単一タンパク質の主鎖配置で高精度を実証したものの、多様な生体分子との複合体相互作用を高精度に予測することには限界があった（この課題が後のAlphaFold 3で拡張されたことは前述の通りである）。

重要なのは「解かれた問い」と「未解決の問い」を区別する姿勢である。AlphaFold 2が成し遂げたのは静的構造予測の解決であり、動的変化や複合体を含む生命現象のすべてを網羅したわけではない。

提示された指標（GDT_TSやpLDDT）が何を測り、何についての精度を保証していないのかという境界線を常に確認することが不可欠である。