NVIDIAとGoogle DeepMind、2,800超のウイルスタンパク質複合体の予測構造を公開

何が公開されたのか

NVIDIAは、Google DeepMindやEMBL-EBIなどを含む国際的な研究連携に参加し、2,800種類を超えるウイルスのタンパク質複合体について予測された3D構造を公開したと発表した。データはAlphaFold Databaseを通じて、世界中の科学者が利用できる形で提供される。NVIDIAは合わせて、構造予測に使ったGPUアクセラレーション済みのワークフロー「BioNeMo Structure Prediction Pipeline」も公開した。研究者は自分の対象について、タンパク質の配列から予測3D構造を得られるようになる。

対象となったのは、ヒトに感染することが知られるウイルス科で、一般的な風邪のウイルスからMpoxのような新興の脅威まで含まれる。連携にはCoalition for Epidemic Preparedness Innovations(CEPI)、EMBL-EBI、Google DeepMind、NVIDIA、ソウル大学校、成均館大学校、スイスバイオインフォマティクス研究所、グラスゴー大学が名を連ねる。公開は、ニューヨークで開かれた世界経済フォーラムが招集した国連総会の会合に合わせて行われた。

技術的な新しさ

多くのタンパク質は単独では働かず、複数の分子が集まった複合体として機能する。ワクチンや薬が標的にするのは、こうした複合体の構造であることが多い。新型コロナウイルスではスパイクタンパク質の3D構造の理解がワクチン設計の土台になったが、他の数千種のウイルスについては同等の構造知見が存在しなかった。今回のデータセットは、その空白を埋め始めるものと位置づけられる。

構造予測にはGoogle DeepMindのAIモデルAlphaFold2を用い、NVIDIA BioNeMo Inference Runtimeで最適化した。これにより推論を数千のウイルスプロテオームへ拡大し、各ウイルスがコードする複合体(相互作用するタンパク質の集まり)を予測できたという。従来、タンパク質の構造決定は結晶化とX線照射を要し、1構造あたり数年と数千ドルかかり得た。AlphaFold2は数分で予測でき、一括処理に向く。高信頼度の予測は実験手法で検証する流れになる。

既存データベースとの関係

追加されたタンパク質相互作用のうち約30%は科学にとって完全に新しいもので、実験的に決定された構造の主要リポジトリであるProtein Data Bankには記録されたことがない形だとされる。NVIDIAの担当者はこのデータベースを「仮説生成のエンジン」と表現し、生物学者とAIコミュニティが単一分子ではなく複合体としてタンパク質相互作用を調べられるようにすると述べている。

今回の追加により、AlphaFold Databaseは科学界でカタログ化されているほぼすべてのタンパク質をカバーする2億6,000万件以上のタンパク質・複合体予測を保持するに至った。予測には信頼度のラベルが付き、ウイルス複合体がどのような形を取り得るか、個々のタンパク質がウイルスプロテオーム内でどう相互作用し得るかを示す。EMBL-EBIの暫定所長は、データをオープンにすることが診断や治療、ワクチン開発の理解に重要だとし、研究が手薄だったウイルスも対象に含まれ、流行に直面する低資源環境の科学者の障壁を下げると述べている。

注意点と限界

公開されるのはあくまで予測構造であり、実験的に確認された構造ではない。そのため信頼度のラベルが付され、高信頼の予測は実験手法で検証することが想定されている。予測が実際の複合体構造をどの程度の精度で再現するかの定量的な評価は、原文では示されていない。

また、データセットの利用条件やライセンス、BioNeMo Structure Prediction Pipelineを動かすために必要な計算資源の詳細は原文に記載がない。パンデミックへの備えという目的は、予測データを実際のワクチンや治療薬の開発につなげられるかにかかっており、そこは今後の検証課題となる。