理科

タンパク質の「折り畳み問題 “とは何か? – GIGAZINE


酵素学

すべての生物学的プロセスの中心となるタンパク質のそれぞれのタンパク質は、固有の立体構造を持つまで判明しているが、「各タンパク質が実際にどのような立体構造を持っている」に関する研究が、50年の間に大きな進展がありません。各タンパク質が持つ立体構造に至るまで “折りたたみ」という過程を調査する研究がいかに難しいかを、実際に折り畳み研究をしていたジェイソン・クロフォード氏が解説しています。

「タンパク質折り畳み」とは何ですか? 簡単な説明
https://rootsofprogress.org/alphafold-protein-folding-explainer

タンパク質は、21種類のアミノ酸が多数結合した巨大な分子の総称で、それぞれのタンパク質を構成するアミノ酸の数と種類、結合順序は、DNAの塩基配列によって決定されます。すべての蛋白質は、ロックという直線的な形をしていますが、実際には、各タンパク質は直線的な形状ではなく、立体的な形状に集まって安定化します。

それぞれのタンパク質を鎖状に考えるならば、「一回建設」と立体的な形状に考えるならば、「二次構造“と呼ばれます。タンパク質の二次構造の代表的な例は、次βシート(左)とαらせん(右図)と呼ばれる構造でβシートは、単一のタンパク質が平面的に折り畳まれた安定した状態で、αらせん螺旋状に安定した状態を指します。

トーマスシャピロ

二次構造のタンパク質が集まって安定した状態が “キュービック構造“と呼ばれます。次構造の例以下Colwellia psychrerythraeaという細菌の酵素次構造です。

アルゴンヌ国立研究所

次の構造は、いくつかのタンパク質が絡み合っただけ任意の構造に見えるが、実際には、各タンパク質の三次構造は、1つしかありません。 各タンパク質三次構造による特性を持っているので次構造を検討することが重要されますが、現在の車の構造の調査方法は、高額で時間がかかるだけでなく、いくつかのタンパク質に適用することができず、すでに1億8000万個発見されているタンパク質の両方を調査することは不可能です。 したがって、各タンパク質がどのように折り畳みをするか」折りたたみの問題」を解いて一次構造から三次構造を推定する方法が求められています。

折り畳みの問題を解いてために使用されることが、コンピュータシミュレータです。 シミュレータに各タンパク質に含まれている原子の位置・料金・化学結合などを考慮したモデルを入力し、各加速度と速度を算定することにより三次構造が推定可能であり、これらの調査は、「分子力学」として最近活発化しているとします。

しかし、シミュレータで三次構造を推定する方法は、「コンピュータの電源が必要である」という問題があります。 ほとんどのタンパク質は、何千もの原子炉構成されているうえ、周辺の水の分子との相互作用します。 したがって、一般的な車の構造一つの関連原子は約3万個、その相互関係は、4億5000万に達すること。すべての原子をシミュレートする代わりに、可能な構造の候補の中で最も安定な構造をエネルギー地形で算定する代替方法も考案されているが、構造候補は10300本に達すると見られ、すべてのパターンを計算する前に、宇宙の寿命が尽きてしまうことが知られています。

これらの計算に役立つてきたことが、スーパーコンピュータと分散コンピューティングです。 世界中の家庭にあるPCの演算能力を合算して折りたたみの問題を解明するプロジェクト “[email protected]「世界のTOP500スーパーコンピューターを合算した性能に達し、2020年以降の新型コロナウイルスの大流行以来、新型コロナウイルスの内部にあるタンパク質の分析も実施しています。

世界PCを使用して、新型コロナウイルスの分析を進め、「[email protected]「演算速度が世界TOP500スーパーコンピュータを合わせた性能に到達 – GIGAZINE


このように行われていた折り畳み問題だったが、2020年12月1日、Google傘下の人工知能企業DeepMindこの機械学習を利用して、タンパク質の三次構造を飛躍的速度と高い精度で予測することができる “AlphaFold」というシステムを発表した。

50年前から生物学の超難関にDeepMind開発した「AlphaFold “がAIの力で道を示し、研究が加速 – GIGAZINE


AlphaFold複数ニューラルネットワークにより各タンパク質に関連するさまざまな機能を学習して次構造のタンパク質に含まれるアミノ酸の最終的な距離を予測することができる関数を導出する。 AlphaFoldによる構造予測は、他のコンピュータプログラムを上回っているだけでなく、従来の手法以上の精度を達成していることが確認されています。

DeepMindは発表で「折りたたみ問題を解決した」と主張しており、クロフォード氏は「DeepMindの主張はあまりにも単純なと思いますが、とにかく、画期的な発展である」とコメントしています。

この記事のタイトルとURLをコピー

READ  象は330mphの水を吸引します。

Omori Yoshiaki

ミュージックホリック。フードエバンジェリスト。学生。認定エクスプローラー。受賞歴のあるウェブエキスパート。」

Related Articles

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

Back to top button
Close
Close