Chemistry Labs

生化学・生物医化学

AIによる構造予測（AlphaFold）

AIシステムは配列パターン、相同配列、学習した物理・構造規則からタンパク質構造を推定する。

1 中学2 高校3 大学4 上級5 研究

直観直観：中心となる考え

AIシステムは配列パターン、相同配列、学習した物理・構造規則からタンパク質構造を推定する。

模式図を操作しよう。概念を示すもので、実験的証拠の代用ではない。

学校基礎：重要概念と初歩的な応用

定義: 基本概念

AlphaFold2は進化情報とニューラル表現を用いて構造を反復精密化する。pLDDTなどはモデル信頼度であり、実験的確証ではない。

学習モデルは多重配列アライメント、共進化信号、幾何的事前知識を組み合わせる。AlphaFold型系は配列から構造を直接予測し、複合体やリガンドへ拡張される。

用語と意味
用語解釈
MSA相関残基を浮かび上がらせる多重配列アライメント。
pLDDT予測された局所距離差に基づく信頼度スコア。
Evoformerペア表現と配列表現を精緻化するAlphaFold2モジュール。

例: 考えてみよう

予測領域のpLDDTが92、柔軟なループが48である。局所的により高い信頼度でモデル化されたのはどちらか。

解答

pLDDT上は前者の信頼度が高い。ただし生物学的状態、リガンド、オリゴマー、構造状態の正しさは示さない。

大学大学：定量的な記述

pLDDT∈[0,100]\mathrm{pLDDT}\in[0,100]

予測精度は残基、変則部位、リガンド状態、オリゴマー文脈で変わる。予測と実験構造の比較にはアライメントと適切な不確実性解釈が必要。

上級発展：仮定と機構の詳細

現行系は単鎖を超えて複合体・リガンド・核酸へ拡張されるが、信頼度は一様ではなく物理的検証が不可欠である。

研究研究最前線：未解決課題と現在の実践

参考文献