AI技術がタンパク質シミュレーションを革新　CGSchNetで複雑な折り畳み動態を高速に解明

新規AI搭載手法が蛋白質シミュレーションの加速と複雑な折り畳みダイナミクスの解明を可能に フライエ・ウニVersity Berlinの物理学部でEinstein教授を務めるCecilia Clementi氏率いる国際チームが、蛋白质のシミュレーションを大幅に加速し、以前にない精度と効率で行う機械学習モデル「CGSchNet」を開発しました。研究成果は2025年7月18日に「Nature Chemistry」に掲載されました。 CGSchNetは、従来の全原子分子動力学シミュレーションを大幅に上回る速度で動作し、より大きな蛋白質や複雑なシステムの探索を可能にします。この技術は、抗がん剤治療法の進歩や蛋白質工学への応用など、薬物探索分野での革新的用途を持つ可能性があります。 過去50年间、蛋白質の折り畳みとダイナミクスを捉える汎用的な粗視化（CG）モデルを開発することは難しい課題でした。Prof. Clementiは、「本研究では、深層学習がこの壁を乗り越え、溶剤や原子レベルの詳細を明示的にモデリングせずに、全原子蛋白质シミュレーションに匹敵するシステムを開発したことを示しました」と述べています。 CGSchNetでは、グラフニューラルネットワークを訓練して、粗視化された蛋白质シミュレーションの粒子間相互作用を学習し、数千の全原子シミュレーションのダイナミクスを再現しています。構造予測ツールとは異なり、CGSchNetは中間状態まで含めたダイナミックな過程を模倣でき、アルツハイマー病などの病理プロセスに関連するamyloidsの形成を解析できます。 また、蛋白質の機能において重要な役割を果たす折り畳まれた状態間の遷移もシミュレーションでき、訓練セット外の蛋白質にも適応可能であることが示されています。これは、生物学的に活性化される蛋白質の大部分を占めるメタ安定状態や、折り畳まれていない状態、または無秩序な状態の精确な予測に寄与します。 さらに、CGSchNetは蛋白質ミュータントの相対的な折り畳み自由エネルギーを推定することも可能です。これは、計算能力の限界により従来のシミュレーション手法では実現できなかった重要な成果です。