新規タンパク質構造予測

計算生物学において、タンパク質の新規構造予測とは、アミノ酸の一次配列からタンパク質の三次構造を予測するアルゴリズムプロセスを指す。この問題自体は何十年も主要な科学者の関心を集めてきたが、未だに解決されていない。サイエンス誌によると、この問題は現代科学における未解決のトップ125の問題の1つである。^[1]現在、最も成功している方法のいくつかは、構造全体にわたって1.5オングストローム以内の小さな単一ドメインタンパク質の折り畳みを予測するのに十分な確率を持っている。^[2]

de novo法は、膨大な計算リソースを必要とする傾向があるため、比較的小さなタンパク質に対してのみ実行されてきました。de novoタンパク質構造モデリングは、対象のタンパク質の解決済みの相同体が使用されない点でテンプレートベースモデリング（TBM）と区別され、アミノ酸配列からタンパク質構造を予測する取り​​組みが極めて困難になります。より大きなタンパク質のタンパク質構造をde novoで予測するには、より優れたアルゴリズムと、強力なスーパーコンピューター（Blue GeneやMDGRAPE-3など）または分散コンピューティングプロジェクト（Folding@home、Rosetta@home、Human Proteome Folding Project、Nutritious Rice for the Worldなど）によって提供されるような、より大きな計算リソースが必要になります。計算上の障壁は非常に大きいですが、構造ゲノミクス（予測方法または実験方法による）が医学や薬物設計などの分野にもたらす潜在的な利点により、de novo構造予測は活発な研究分野となっています。

現在、既知のタンパク質配列と確認されたタンパク質構造のギャップは非常に大きい。2008 年の初めには、UniProtKB データベースにリストされている配列のうち、タンパク質データバンク (PDB) の構造に対応するのはわずか約 1% で、配列と構造の間には約 500 万のギャップがあった。^[3]三次構造を決定する実験技術は、特定のタンパク質の構造を決定する能力において深刻なボトルネックに直面している。たとえば、X 線結晶構造解析では約 80,000 個の細胞質タンパク質の結晶化に成功しているが、膜タンパク質の結晶化にはそれよりはるかに成功率が低く、約 280 個である。^[4]実験上の制限を考慮すると、既知の配列と構造のギャップを埋める効率的なコンピュータ プログラムを考案することが唯一の実行可能な選択肢であると考えられる。^[4]

デノボタンパク質構造予測法は、明示的なテンプレートを使用せずに、タンパク質の折り畳みエネルギーや天然構造が獲得するコンフォメーション特性の統計的傾向を支配する一般原則に基づいて、配列から三次構造を予測しようとします。デノボ構造予測の研究は、主にタンパク質の代替低解像度表現、正確なエネルギー関数、効率的なサンプリング方法の 3 つの領域に焦点が当てられてきました。

de novo予測の一般的なパラダイムには、スコアリング関数やその他の配列依存バイアスによって導かれるコンフォメーション空間のサンプリングが含まれ、候補となる（「デコイ」）構造の大きなセットが生成されます。次に、スコアリング関数とコンフォマー クラスタリングを使用して、これらのデコイからネイティブのようなコンフォメーションが選択されます。高解像度の改良は、ネイティブのような構造を微調整するための最終ステップとして使用されることがあります。スコアリング関数には、2 つの主要なクラスがあります。物理ベースの関数は、分子相互作用の既知の物理学の側面を記述する数学モデルに基づいています。知識ベースの関数は、ネイティブ タンパク質コンフォメーションの特性の側面を捉える統計モデルを使用して形成されます。^[5]

一次タンパク質配列には全体的な三次元タンパク質構造に必要なすべての情報が含まれており、de novoタンパク質予測が可能になるという考えを支持するいくつかの証拠が提示されている。第1に、異なる機能を持つタンパク質は通常、異なるアミノ酸配列を持つ。第2に、デュシェンヌ型筋ジストロフィーなど、いくつかの異なるヒト疾患は、一次配列のたった1つのアミノ酸の変化から生じるタンパク質機能の喪失に関連している可能性がある。第3に、多くの異なる種にわたって同様の機能を持つタンパク質は、多くの場合、同様のアミノ酸配列を持つ。たとえば、ユビキチンは、他のタンパク質の分解の制御に関与するタンパク質であり、そのアミノ酸配列は、キイロショウジョウバエとホモサピエンスのように遠く離れた種でもほぼ同じである。第4に、思考実験により、タンパク質の折り畳みは完全にランダムなプロセスではなく、折り畳みに必要な情報は一次構造内にエンコードされているはずだと推測できる。たとえば、小さなポリペプチド内の 100 個のアミノ酸残基のそれぞれが平均して 10 種類の異なる構造をとると仮定すると、ポリペプチドには 10^100 種類の異なる構造が存在します。10^-13 秒ごとに 1 つの可能な構造をテストすると、すべての可能な構造をサンプリングするには約 10^77 年かかります。ただし、タンパク質は常に体内で短い時間スケールで適切に折り畳まれているため、プロセスはランダムではあり得ず、モデル化できる可能性があります。

タンパク質の三次構造をコードするために必要な関連情報はすべて一次配列に含まれているという仮説を裏付ける最も強力な証拠の 1 つは、1950 年代にChristian Anfinsenによって実証されました。彼は古典的な実験で、リボヌクレアーゼ A は還元剤 (安定化ジスルフィド結合を切断) の存在下で尿素溶液に浸すことで (安定化疎水結合を破壊する)、完全に変性できることを示しました。この環境からタンパク質を除去すると、変性して機能を失ったリボヌクレアーゼ タンパク質は自発的に反跳して機能を回復しました。これは、タンパク質の三次構造が一次アミノ酸配列にコードされていることを示しています。タンパク質がランダムに再形成されていたら、4 つのジスルフィド結合の 100 を超える異なる組み合わせが形成されていた可能性があります。ただし、ほとんどの場合、タンパク質が適切に折りたたまれるには、細胞内に分子シャペロンが存在する必要があります。タンパク質の全体的な形状はアミノ酸構造にコード化されている可能性があるが、その折り畳みは折り畳みを助けるシャペロンに依存している可能性がある。^[6]

• 一次から三次
• 
  ヒトアルテミンの一次構造（アイソフォーム 1 [UniParc]）
• 
• 
  PyMOL (Delano Scientific Freeware) を使用してレンダリングされたヒトアルテミンの三次構造 (PDB: 2GYR)

デノボ構造予測子は通常、候補構造 (デコイ) を生成し、熱力学的安定性とエネルギー状態に基づいてその中から選択することによって機能します。最も成功する予測子には、次の 3 つの共通要素があります。

1) タンパク質の本来の構造に最も熱力学的に安定した状態に対応する正確なエネルギー関数

2) 配座探索により低エネルギー状態を迅速に特定できる効率的な探索法

3) デコイ構造のコレクションからネイティブのようなモデルを選択する機能^[3]

de novo プログラムは 3 次元空間を検索し、その過程で候補となるタンパク質構造を生成します。タンパク質が正しく折り畳まれた本来の状態に近づくと、エントロピーと自由エネルギーが減少します。この情報を使用して、de novo 予測子はデコイを区別できます。具体的には、de novo プログラムは、より低い自由エネルギーを持つ可能性のある構造を選択します。これは、より高い自由エネルギーを持つ構造よりも正しい可能性が高いです。^{[2] [6] [7]} David A. Bakerは、de novo Rosetta 予測子の仕組みについて次のように述べています。「折り畳み中、鎖の各ローカル セグメントは、ローカル構造の異なるサブセット間で点滅します... ローカル セグメントによって採用された構造とそれらの相対的な方向が、本来のタンパク質構造の低エネルギー特性を可能にするときに、本来の構造への折り畳みが発生します。Rosetta アルゴリズムでは... プログラムは、全体的なエネルギーが最も低いこれらのローカル構造の組み合わせを検索します。」^[8]

しかし、いくつかのde novo法は、まずタンパク質構造の簡略化された表現を使用してコンフォメーション空間全体を列挙し、次に最も天然に近いものを選択することによって機能します。このアプローチの例は、四面体格子を使用してタンパク質フォールドを表現し、四面体表現を使用して得られたすべての可能なコンフォメーションの上にすべての原子モデルを構築することです。このアプローチは、CASP3 で Michael Levitt のチームによって、トポロジーがこれまで観察されていなかったタンパク質フォールドを予測するために成功しました。^[9]

QUARKプログラムを開発することで、XuとZhangは、知識ベースの力場を通じていくつかのタンパク質の第一原理構造をうまく構築できることを示しました。^{[10] [11]}

既知の三次構造を持つタンパク質が、構造が未確定の潜在的な相同体と配列の少なくとも 30% を共有している場合、推定される未知の構造を既知の構造に重ね合わせる比較方法を利用して、未知の構造の可能性のある構造を予測できます。ただし、このしきい値を下回ると、初期モデルから可能性のある構造を決定するために、アブ イニシオ タンパク質予測、フォールド認識、およびスレッド化という 3 つの他のクラスの戦略が使用されます。

1. アブ イニシオ法:アブ イニシオ法では、物理化学的パラメータとニューラル ネット アルゴリズムを利用して、一次構造から二次構造 (アルファ ヘリックス、ベータ シート、ベータ ターンなど) を解明する最初の取り組みが行われます。その時点から、アルゴリズムは三次フォールディングを予測します。この戦略の欠点の 1 つは、アミノ酸側鎖の位置と方向をまだ組み込むことができないことです。
2. フォールド予測:フォールド認識戦略では、まず二次構造の予測が行われ、次に CATH や SCOP などの既知のタンパク質フォールドのライブラリ、または可能な二次構造形式の「周期表」と呼ばれるものと比較されます。次に、一致する可能性のあるものに信頼スコアが割り当てられます。
3. スレッド化:スレッド化戦略では、フォールド認識技術がさらに拡張されます。このプロセスでは、残基ペアの相互作用に関する経験に基づくエネルギー関数を使用して、未知のタンパク質を推定バックボーン上に最もよく適合するように配置します。適切な場合はギャップを調整します。次に、最適な相互作用を強調して、潜在的なデコイを区別し、最も可能性の高いコンフォメーションを予測します。

フォールド戦略とスレッド戦略の両方の目的は、未知のタンパク質のフォールドが、タンパク質データバンク（PDB）などのデータベースに保存されている既知のタンパク質のドメインと類似しているかどうかを確認することです。これは、タンパク質のフォールドをデータベースの構造と比較する代わりに、物理学に基づくアプローチを使用して構造を決定するデノボ（アブイニシオ）方法とは対照的です。^[12]

デノボタンパク質予測法の主な限界は、タンパク質の本来の立体構造をうまく解明するために必要な膨大なコンピュータ時間です。Rosetta@home などの分散型方法では、個人を募集し、空き時間の自宅のコンピュータをデータ処理のためにボランティアとして提供してもらうことで、この問題を改善しようとしています。しかし、これらの方法でさえ課題に直面しています。たとえば、ワシントン大学とハワード ヒューズ医学研究所の研究者チームは、分散型方法を使用して、タンパク質 T0283 のアミノ酸配列から三次構造を予測しました。この分散型手法の精度をタンパク質データバンク (PDB) に登録されている実験的に確認された構造と比較するブラインド テストでは、予測子は登録された構造と非常によく一致しました。ただし、この偉業を達成するために必要な時間とコンピュータの数は膨大で、それぞれ約 2 年と約 70,000 台の家庭用コンピュータが必要でした。^[13]

このような制限を克服するために提案されている方法の1つは、マルコフモデルの使用です（マルコフ連鎖モンテカルロを参照）。1つの可能性としては、計算シミュレーションを改良することで、自由エネルギー計算やタンパク質構造予測を支援するために、このようなモデルを構築できる可能性があります。^[14]計算能力の制限を回避するもう1つの方法は、粗視化モデリングを使用することです。粗視化タンパク質モデルを使用すると、小さなタンパク質や大きなタンパク質断片のde novo構造予測を、短い計算時間で行うことができます。^[15]

タンパク質構造予測ソフトウェアのもう 1 つの限界は、特定のクラスのタンパク質、つまりde novoタンパク質に関係しています。AlphaFold などの構造予測ソフトウェアは、多重配列アライメント (MSA)と相同タンパク質配列から得られる共進化データに依存してタンパク質の構造を予測します。しかし、定義上、de novoタンパク質は進化的に新しいため、相同配列がありません。^{[16]したがって、このような相同性に依存する構造予測ソフトウェアは、de} novoタンパク質の構造予測のパフォーマンスが低下することが予想されます。^[17] de novoタンパク質の構造予測の精度を向上させるために、新しいソフトウェアが開発されました。つまり、ESMFold は、アミノ酸配列のみに基づいてタンパク質構造を予測するための新しく開発された大規模言語モデル (LLM) です。単一のアミノ酸配列を入力するだけで、原子レベルの解像度でタンパク質の 3D 構造を予測できます。^[18]

「計算によるタンパク質構造予測法のあらゆる変種の進歩は、半年ごとに行われるコミュニティ全体のタンパク質構造予測の批判的評価（CASP）実験で評価されます。CASP実験では、研究グループが、天然構造が未知で、すぐに決定され公開されるアミノ酸配列に予測法を適用するよう求められます。CASP実験で提供されるアミノ酸配列の数は少ないですが、これらの競争は、間違いなく偏りのない方法で、この分野の方法と進歩をベンチマークするための優れた尺度を提供します。」^[19]

• Samudrala, R, Xia, Y, Huang, ES, Levitt, M.複合階層的アプローチを用いたタンパク質構造の第一原理予測。(1999). Proteins Suppl 3: 194-198.
• Bradley, P.; Malmstrom, L.; Qian, B.; Schonbrun, J.; Chivian, D.; Kim, DE; Meil​​er, J.; Misura, KM; Baker, D. (2005). 「CASP6 での Rosetta によるフリーモデリング」.タンパク質. 61 (Suppl 7): 128–34. doi :10.1002/prot.20729. PMID  16187354. S2CID  36366681.
• Bonneau ; Baker, D (2001). 「Ab Initio タンパク質構造予測: 進歩と展望」. Annu. Rev. Biophys. Biomol. Struct . 30 : 173–89. doi :10.1146/annurev.biophys.30.1.173. PMID  11340057.
• J. Skolnick、Y. Zhang、A. Kolinski。Ab Initio モデリング。構造ゲノミクスとハイスループット構造生物学。M. Sundsrom、M. Norin、A. Edwards 編。2006: 137-162。
• J Lee、S Wu、Y Zhang。アブイニシオタンパク質構造予測。バイオインフォマティクスによるタンパク質構造から機能へ、第 1 章、DJ Rigden 編、(Springer-London、2009)、p. 1-26。

• タンパク質構造予測
• タンパク質構造予測ソフトウェア
• タンパク質設計

• キャス
• Folding@Home 2012-09-08 にWayback Machineでアーカイブされました
• HPFプロジェクト
• Foldit 2011-04-04 にWayback Machineでアーカイブされました
• ユニプロKB
• タンパク質データバンク (PDB)
• エキスパートタンパク質分析システム - タンパク質予測ツールへのリンク