アルファフォールド

AlphaFold 1 (2018) は、2010 年代にさまざまなチームが開発した研究に基づいて構築されました。この研究では、現在多くの異なる生物 (ほとんどが 3D 構造が不明) から入手可能な関連タンパク質配列の大規模データベースを調べ、主鎖で連続していない残基 (ペプチド) であっても相関しているように見える異なる残基の変化を見つけようとしました。このような相関は、配列上では近くなくても、残基が物理的に互いに近い可能性があることを示唆し、接触マップを推定することを可能にします。2018 年以前の最近の研究に基づいて、AlphaFold 1 は、残基間の距離の確率分布を推定することでこれを拡張し、接触マップを距離マップに効果的に変換しました。また、推論を開発するために、以前よりも高度な学習方法を使用しました。^{[ 23 ] [ 24 ]}このコードは、2018 年の CASP コンペティションのタンパク質配列で実行することを除いて、一般には公開されていません。

DeepMindのチームによると、 2020年版のプログラム（AlphaFold 2、2020）は、2018年にCASP 13で優勝したオリジナル版とは大きく異なっている。^{[ 26 ] [ 27 ]}

AlphaFold 1 は、個別に学習された複数のモジュールを使用してガイド ポテンシャルを生成し、それを物理ベースのエネルギー ポテンシャルと組み合わせました。AlphaFold 2 はこれを相互接続されたサブ ネットワークのシステムに置き換え、パターン認識に基づく単一の微分可能なエンドツーエンド モデルを形成しました。このモデルは統合的に学習されました。^{[ 27 ] [ 28 ]}ニューラル ネットワークの予測が収束した後、最終的な改良ステップでは、 AMBER力場に基づくエネルギー最小化を使用して局所的な物理的制約を適用します。このステップでは、予測された構造をわずかに調整するだけです。^{[ 29 ]}

2020 システムの主要な部分は、トランスフォーマー設計に基づいていると考えられる 2 つのモジュールです。これらは、タンパク質のアミノ酸残基と別のアミノ酸残基間の各関係 (グラフ理論用語では「エッジ」) (これらの関係は緑色で示されている配列で表されます)、および入力配列アライメント内の各アミノ酸位置と各異なる配列間の情報ベクトル(これらの関係は赤色で示されている配列で表されます) を段階的に洗練するために使用されます。^{[ 28 ]}内部的には、これらの洗練変換には、トレーニング データから学習されたコンテキスト依存の方法で、これらの関係について関連データをまとめ、無関係なデータ (「アテンション メカニズム」) をフィルタリングする効果を持つレイヤーが含まれています。これらの変換は反復され、1 つのステップで出力された更新された情報が次のステップの入力となり、シャープ化された残基 / 残基情報が残基 / 配列情報の更新に供給され、その後、改善された残基 / 配列情報が残基 / 残基情報の更新に供給されます。^{[ 28 ]}ある報告によると、反復が進むにつれて、「アテンションアルゴリズムは、人がジグソーパズルを組み立てる方法に似ており、まず小さな塊（この場合はアミノ酸のクラスター）のピースを接続し、次にその塊をより大きな全体に結合する方法を探します。」^{[ 6 ]}

これらの反復の結果は、最終的な構造予測モジュール^{[ 28 ]}に伝達され、このモジュールもトランスフォーマー^{[ 30 ]}を使用し、それ自体が反復されます。DeepMindが提示した例では、構造予測モジュールは最初の反復でターゲットタンパク質の正しいトポロジーを達成し、GDT_TSスコアは78でしたが、立体化学的違反が多数（90%）ありました。つまり、非物理的な結合角または結合長でした。その後の反復で立体化学的違反の数は減少しました。3回目の反復までに予測のGDT_TSは90に近づき、8回目の反復までに立体化学的違反の数はゼロに近づきました。^{[ 31 ]}

当初、トレーニングデータは単一のペプチド鎖に限定されていました。しかし、2021年10月のアップデートであるAlphaFold-Multimerでは、トレーニングデータにタンパク質複合体が含まれるようになりました。DeepMindは、このアップデートにより、タンパク質間相互作用を正確に予測することに約70%の確率で成功したと述べています。^{[ 32 ]}

2024年5月8日に発表されたAlphaFold 3は、 Alphabetの子会社であるGoogle DeepMindとIsomorphic Labsによって共同開発されました。AlphaFold 3はタンパク質に限定されず、 DNA、RNA、翻訳後修飾、選択されたリガンドやイオンを含むタンパク質複合体の構造も予測できます。^{[ 33 ] [ 15 ]}

AlphaFold 3 では、AlphaFold 2 で使用されていた Evoformer に似ているが、よりシンプルなトランスフォーマーにヒントを得た深層学習アーキテクチャである「Pairformer」が導入されています。 ^{[ 16 ]} Pairformer モジュールの初期予測は、拡散モデルによって洗練されます。このモデルは原子の雲から始まり、Pairformer の出力に導かれながら原子の位置を繰り返し洗練し、分子構造の 3D 表現を生成します。^{[ 15 ]}

AlphaFoldサーバーは、非営利の研究のためにAlphaFold 3への無料アクセスを提供するために作成されました。^{[ 34 ]} 2025年11月現在、AlphaFold 3の研究論文は9,000回以上直接引用されています。^{[ 35 ]}

2018年12月、DeepMindのAlphaFoldは、第13回タンパク質構造予測技術評価（CASP）の総合ランキングで1位を獲得した。 ^{[ 36 ] [ 37 ]}

このプログラムは、競技主催者によって最も難しいと評価されたターゲットに対して、最も正確な構造を予測することに特に成功しました。これらのターゲットでは、部分的に類似した配列を持つタンパク質から既存のテンプレート構造が利用できませんでした。 AlphaFold はこのクラスの 43 個のタンパク質ターゲットのうち 25 個で最良の予測を行い、^{[ 37 ] [ 38 ] [ 39 ]} CASP のグローバル距離テスト(GDT) スコアで中央値 58.9 を達成し、ディープラーニングを使用して接触距離を推定した次の 2 つのチームの 52.5 と 52.4 を上回りました。^{[ 40 ] [ 41 ] [ 42 ]全体として、すべてのターゲットで AlphaFold 1は}GDT スコア 68.5 を達成しました。^{[ 43 ]}

2020年1月、AlphaFold 1の実装とサンプルコードがGitHubでオープンソースとして公開されました。^{[ 44 ] [ 22 ]}しかし、そのウェブサイトの「Read Me」ファイルには、「このコードは任意のタンパク質配列の構造を予測するために使用することはできません。CASP13データセット（下記リンク参照）でのみ構造を予測するために使用できます。特徴生成コードは、当社の内部インフラストラクチャおよび外部ツールと密接に結合しているため、オープンソース化することはできません。」と記載されています。したがって、基本的に、公開されたコードは一般的な使用には適しておらず、CASP13タンパク質にのみ適しています。2021年3月5日現在、同社はコードを一般公開する計画を発表していません。

2020年11月、DeepMindの新しいバージョンであるAlphaFold 2がCASP14で優勝した。^{[ 45 ] [ 46 ]}全体として、AlphaFold 2は97のターゲットのうち88で最高の予測を行った。^{[ 8 ]}

競技会で好まれるグローバル距離テスト(GDT) 精度測定法では、このプログラムは中央値 92.4 (100 点満点) を達成しました。これは、予測の半分以上が原子がほぼ正しい位置にあるという点で 92.4% 以上のスコアを獲得したことを意味します。^{[ 47 ] [ 48 ]}この精度レベルは、X 線結晶構造解析などの実験的手法に匹敵すると報告されています。^{[ 26 ] [ 9 ] [ 43 ]} 2018 年の AlphaFold 1 は、すべての予測のうち 2 つでのみこのレベルの精度を達成しました。^{[ 8 ]} 2020 年の競技会では、予測の 88% が GDT_TS スコア 80 を超えました。最も難しいと分類されたターゲットのグループでは、AlphaFold 2 は中央値 87 を達成しました。

タンパク質の主鎖のα炭素原子の配置の二乗平均平方根偏差（RMS-D）で測定すると、最も適合度の低い外れ値のパフォーマンスに左右される傾向があるが、AlphaFold 2の予測の88%は、重なり合ったCα原子のセットでRMS偏差が4Å未満であった。[ ^{8 ]予測}の76%は3Åより優れており、46%はCα原子のRMS精度が2Åより優れていた。^{[ 8 ]}重なり合ったCA原子のセットの予測におけるRMS偏差の中央値は2.1Åであった。^{[ 8 ]} AlphaFold 2はまた、表面側鎖のモデリングにおいて「本当に本当に並外れた」と評される精度を達成した。

AlphaFold 2 の妥当性をさらに検証するため、会議主催者は、特に困難で構造決定ができ​​なかった4つの主要な実験グループにアプローチしました。4つのケースすべてにおいて、AlphaFold 2 によって生成された3次元モデルは、分子置換法によってこれらのタンパク質の構造を決定するのに十分な精度でした。これには、実験家が10年間研究してきた小さな膜タンパク質であるターゲットT1100 (Af1503) が含まれます。 ^{[ 6 ]}

AlphaFold 2が予測に最も失敗した3つの構造のうち、1つは同じドメインの52個の同一コピーからなる珍しいマルチドメイン複合体でした。非常に大きなタンパク質1つとNMRで決定された2つの構造を除き、単一ドメインを持つすべてのターゲットについて、AlphaFold 2は80を​​超えるGDT_TSスコアを達成しました。

2022年、DeepMindはCASP15に参加しなかったが、参加者のほとんどはAlphaFoldまたはAlphaFoldを組み込んだツールを使用した。^{[ 49 ]}

AlphaFoldのクローンも多数公開されており、そのほとんどは寛容なライセンス条項に基づいている。AlphaFold3のクローンには、 ByteDanceのProtenix（Apache 2.0ライセンス）^{[ 66 ]} 、 AlQuraishi LaboratoryのOpenFold-3（MITライセンス）、およびBoltz-1/2（MITライセンス）^{[ 67 ]などがある。}

古いバージョンのクローンも存在しますが、AlphaFold 1 および 2 のソースコードがオープンソースとして公開されたことで、その重要性は低下しました。AlphaFold アーキテクチャに変更を加えたモデルは、オープンソースとクローズドソースの両方で依然として重要です。AlphaFold 2 の注目すべき例としては、Metaの ESMFold があり、これは多重配列アライメントをタンパク質言語モデルの潜在空間に置き換えています。^{[ 68 ]}

AlphaFoldを補完するオープンソースツールも作成されています。よく引用される例の1つはColabFoldで、配列検索を高速化するためにHHblitsの代わりにMMseqs2 ^{[ 69 ]}を使用し、AlphaFoldパイプラインをGoogle Colab 上で迅速に実行できるようにしています。^{[ 70 ]}

AlphaFillは、必要に応じてAlphaFoldモデルに補因子を追加します。これは、タンパク質データバンクで類似の構造を検索し、補因子を類似の位置に移植することによって実現されます。^{[ 79 ]}また、UniProtにもリンクされています。

TmAlphaFoldは、OPMがPDB構造に対して行うのと同様に、AlphaFoldモデルを生物学的膜にドッキングします。^{[ 80 ]}

AFTMは、PDBTMがPDB構造に対して行うのと同様に、AlphaFoldモデルを使用してヒトタンパク質の膜貫通領域を特定します。^{[ 80 ]}

ChannelsDB 2.0は、PDBまたはAlphaFillモデルを使用して、分子が酵素の活性部位に到達するか、膜貫通孔の反対側に到達するかの経路を計算します。^{[ 81 ]}

AFDB は UniProt 配列の変更に合わせて更新されません。AlphaSync は AFDB を UniProt エントリの変更と同期させ、更新された構造、残基レベルの機能、および接触を生成します。利用可能な場合は、更新された配列の正確な AFDB エントリを使用しようとし、そうでない場合は AlphaFold 2 を独立して実行します。大きな (> 2,700 aa) タンパク質や、B、Z、U、X などの特殊な FASTA 文字を持つタンパク質については、AFDB の空白を埋めます。^{[ 82 ]}

ドメイン百科事典（TED）は、 CATHデータベースのドメイン認識方法をAFDBの1億8800万のユニークな構造に適用し、約3億6500万のドメインを識別しました。これは、配列ベースの方法で識別できる数よりも1億多い数です。^{[ 77 ]}

タンパク質ドメインの進化分類データベース（ECOD）は、AFDBにあるすべてのSwissProtタンパク質にECOD分類を割り当てます。^{[ 83 ]}

isoform.io は、ヒトゲノムにおける提案されたスプライスアイソフォームの AlphaFold2 生成構造のデータベースです。237,275 個のヒト転写産物の情報が含まれています。少数の遺伝子の mRNA 予測のエラーを検出するために使用されています。 ^{[ 84 ]}

• AlphaFold DBは、生物学的に関連する複合体ではなく、個々のタンパク質鎖（モノマー）のモデルを提供します。^{[ 85 ]}
• 多くのタンパク質領域は、内在的に無秩序なタンパク質領域を含め、低い信頼度スコアで予測されている。^{[ 86 ]}
• ^{Alphafold-2は、点突然変異が構造[ 87 ]}および自由エネルギー^{[ 88 ]}に及ぼす影響を予測するために検証され、部分的な成功を収めた。

• AlphaFold3は、いくつかのベンチマークにおいて、平均して、従来の検索ベースのドッキングアルゴリズムよりも、低分子とタンパク質の結合様式を予測する上で優れた性能を示した。^{[ 89 ]}
• AlphaFold 3 バージョンでは、選択された補因子と共翻訳および翻訳後修飾の非常に限られたセットを持つタンパク質複合体の構造を予測できます。^{[ 90 ]}ヒトプロテオームの構造の 50% ～ 70% は、共有結合したグリカンがないと不完全です。^{[ 91 ] [ 85 ]}
• 研究によると、AlphaFold3 はタンパク質とリガンドの共折り畳みを同時にモデル化できるものの、トレーニング データとの類似性が低いテスト ケースでは精度が著しく低下することが示されています。これは創薬において特に重要な領域です。^{[ 92 ]}また、別の研究では、AlphaFold は結合ポケットの物理化学的特性を変更することによって生成される敵対的デコイに対して鈍感であることがわかっており、真の化学的認識ではなくトレーニング セットの記憶に依存している可能性が示唆されています。^{[ 93 ]}

• このアルゴリズムでは、残基は制約なしに自由に移動されます。そのため、モデリング中に鎖の完全性は維持されません。結果として、AlphaFoldは任意の数の結び目を持つ構造など、トポロジー的に誤った結果を生成する可能性があります。（この研究ではAlphaFold 2.3.2を使用しています。）^{[ 94 ]}
• このモデルは、ある程度、類似タンパク質からの共進化情報に依存しています。そのため、合成タンパク質やトレーニングデータベース内のタンパク質との相同性が非常に低いタンパク質では、性能が劣る可能性があります。^{[ 95 ]}ベンチマークはこの制限を裏付けています。自然進化したde novoタンパク質に適用した場合、AlphaFold2はしばしば信頼性が低く予測器に依存するモデルを生成し、タンパク質言語モデルベース（アライメントフリー）の構造予測器は、AlphaFold2よりもオーファンタンパク質に対して優れた性能を発揮する可能性があります。^{[ 96 ] [ 97 ]}より広範には、比較分析により、構造/無秩序予測器（AlphaFold2およびESMFoldを含む）は、保存されたタンパク質よりもde novoおよびランダム配列タンパク質で異なる挙動を示し、信頼性指標はこれらの配列クラスで予測された無秩序と異なる関係を示す可能性があることが示されています。^{[ 98 ] [ 99 ]}
• このモデルは、タンパク質の複数の天然構造を予測する能力が限られている。
• タンパク質は本質的に動的な性質を持ち、その機能を理解するには、複数の天然構造を把握することがしばしば不可欠である。しかし、このモデルは、これらの代替構造状態、特に生物学的環境において共存または相互変換する構造状態を表現する能力が限られている。