タンパク質配列と構造を統合し進化を解明

東京科学大学地球生命研究所（ELSI）を含む国際研究チームは、タンパク質のアミノ酸配列と立体構造の情報を統合する新言語モデル「CLSS」を開発し、成果を学術誌PNASに発表した。従来モデルは配列と構造を別次元で処理するため、両者の対応関係が明確にならず進化解析に課題が残っていた。CLSSは対比学習手法を採用し、同一タンパク質の配列埋め込みと構造埋め込みが空間的に近接するよう訓練を実施。その結果、専門家によって手動で構築された分類体系ECODおよびCATHと高い整合性を示す一方、訓練データとして用いていないにもかかわらず正確な分類能力を発揮した。特徴的なのは、完全な配列だけでなく短鎖フラグメントも意味のある位置に配置できる点であり、進化の過程で再利用されたタンパク質断片の痕跡を抽出可能となる。マップ上に生化学的性質を重畳解析すると、有機補因子結合型と金属イオン結合型で明確な分布パターンが確認され、配列・構造・機能・進化の関連性を大規模に可視化することに成功した。ロンゴ准教授らは、この統合マップがデータベース検索、タンパク質エンジニアリング、および約40億年にわたるタンパク質多様性の進化軌跡再構築に新たな手法を提供すると指摘している。