Google DeepMindのAlphaProtein Novo、自然界が進化させなかった反応のための酵素を設計
重要ポイント
- •Google DeepMindはCaltechおよびピッツバーグ大学と共同で、自然界に既存のタンパク質を最適化するのではなく第一原理から酵素を構築する機械学習パイプライン「AlphaProtein Novo」を発表した。
- •研究者らは5つの標的反応について5,600件を超える候補設計を評価し、最大80%のヒット率と、反復的な実験的最適化なしで達成された最先端の触媒効率を記録した。
- •リードとなるde novoニトレン転移酵素「GDM_NT_270」は、94%の鏡像体過剰率と22回のターンオーバーで6員環ピペリジンに対して99:1の選択性を達成し、天然ヘム酵素が示すピロリジン選好を逆転させた。
- •AP Novoは可塑剤DEHPを分解できる7つの新規構造ファミリーの酵素を生成した。一方、最近の65種の天然エステラーゼのスクリーニングで見つかった活性DEHPaseは1種のみだった。
- •バックボーンのLigandMPNN再配列変異体すべてに反応機構に着想を得たフィルターの通過を要求することで、セリンエステラーゼのヒット率は最大30倍に上昇し、部分拡散再サンプリングの併用により遡及的ヒット率は80%に達した。
Google DeepMindは、de novo（ゼロから）酵素設計のための機械学習パイプライン「AlphaProtein Novo（AP Novo）」を発表した。今週bioRxivで公開されたプレプリントによれば、このシステムは、計算機で設計された酵素が難易度の高い化学反応において天然の配列マイニングを上回る性能を発揮できることを初めて示した。Caltechおよびピッツバーグ大学との共同開発によるAP Novoは、既存のタンパク質を最適化するのではなく、第一原理から酵素を構築するもので、バイオ触媒探索における長年のボトルネックに取り組む。天然酵素の探索は進化がすでに生み出した配列に依存しているため、生物が採用したことのない反応にはマイニングの対象がほとんど存在しない — まさにゼロからのアプローチが埋めるべく設計された空白である。
パイプラインの中核をなすのはモチーフスキャフォールディングである。拡散モデルが、想定される反応機構に必要な側鎖とリガンドの配置である触媒モチーフの周囲に、タンパク質構造とアミノ酸配列を同時生成する。候補設計はその後、AlphaFold 3の予測に基づく指標を用いてスクリーニングされる。この指標は、触媒塩基と基質の間の幾何配置など、反応機構に関連する原子レベルの詳細を評価する。合計で、研究チームは5つの反応について5,600件を超える設計を試験し、最良の設計ファセットで最大80%のヒット率、ならびに反復的な実験的最適化なしでベンチマーク反応において最先端の触媒効率を報告している。
2つの代表的应用例がこのアプローチの幅広さを示している。第一は、多数のFDA承認薬に含まれる複素環式構造であるピペリジンを合成するニトレン転移酵素である。基質の競合的環化は、5員環のピロリジン6員環のピペリジン環のいずれかを生じ得るが、天然のヘム酵素は前者を強く優先する。188種の天然および工学的変異体をスクリーニングした結果、ピペリジン対ピロリジンの比率が30:70を超える酵素は見つからなかった。これに対し、リードとなるde novo設計「GDM_NT_270」は、94%の鏡像体過剰率 — 分子が一方の鏡像体としてどれだけ選択的に生成されるかを示す指標で、医薬品合成において重要な純度変数 — と22回のターンオーバーにより、ピペリジンに対して99:1の位置選択性を達成し、活性部位の幾何配置を直接制御することで天然の選択バイアスを逆転させた。
第二の応用例は、フタル酸ジ(2-エチルヘキシル)（DEHP）を対象とした。DEHPは広く普及した可塑剤であり、内分泌かく乱性の環境汚染物質で、そのかさ高い側鎖と水への不溶性により、ほとんどの天然加水分解酵素は対処できない。最近の65種の天然エステラーゼのスクリーニングでは、活性のあるDEHPaseは1種のみしか確認されなかった。一方、AP Novoはこの反応を触媒できる7つの新規構造ファミリーを生み出し、新規スキャフォールドのヒット率は11%（リサイクルスキャフォールドでは39%）に達した。設計された酵素は水溶液条件下では依然として天然酵素ほど活性がないものの、自然界では稀な性質を示した。ある191残基の酵素は、室温と比較して90°Cで14倍高い活性を示し、75%アセトニトリル中でも機能を維持した — これらの条件では天然エステラーゼは完全に変性する。高温は反応を加速し、有機溶媒はDEHPのような水不溶性基質の溶解に役立つため、このような堅牢性は実用上重要である。加えて、酵素の小さなサイズと大腸菌での高発現により、生産コストがさらに低減される。
配列アンサンブルが鍵となるシグナル
本研究の主要な方法論的知見はフィルタリングに関するものである。研究者らは、同一のバックボーンに対してLigandMPNN由来の配列のアンサンブルを評価し、再配列されたすべての変異体に反応機構に着想を得たフィルターの通過を要求することで、予測力が劇的に増幅され、セリンエステラーゼのヒット率が最大30倍に上昇することを発見した。これにバックボーンの部分拡散再サンプリングを組み合わせることで、Kemp除去酵素では60%、セリンエステラーゼでは80%という遡及的ヒット率に到達した。著者らは、これが反復的リデザインパプラインが機能する理由を説明していると主張する。すなわち、反復的なプロセスは、局所的な配列-構造空間が意図された触媒幾何配置を広く支えるバックボーンを暗黙的に選択しているという。
限界は残る。触媒活性は依然として天然酵素や指向進化で最適化された酵素より数桁低く、モチーフの構築には反応に特化した専門知識が必要であり、モデルは触媒の物理をまだ十分に捉えられていない。それでも、非商用用途向けにコードと重みが公開されている — これにより外部の研究グループが独自の標的反応にパイプラインを適用できる — ことを踏まえ、AP Novoは、生成的タンパク質設計が天然の生物多様性のマイニングに対する実用的な補完手段 — そして特定のケースでは代替手段 — へと成熟しつつあることを示している。
出典：Metaverse
