タンパク質の立体構造を予測するAlphaFoldは、創薬や生命科学の道具として広く使われるようになった。その第3世代「AlphaFold 3」の論文が、2024年5月にNatureへ掲載された。開発はGoogle DeepMindとIsomorphic Labsで、対象はタンパク質だけにとどまらない。

何が新しいか

AlphaFold 3は、タンパク質にDNAやRNAなどの核酸、低分子化合物、イオン、修飾を受けた残基までを含む複合体全体の構造を、一つのモデルで予測できるようになった。設計には拡散モデルと呼ばれる生成AIの手法が取り入れられている。論文では、タンパク質と低分子の相互作用の予測で従来のドッキング手法を大きく上回る精度、核酸との相互作用や抗体と抗原の予測でも先行手法を上回る結果が報告された。

なぜ注目か

薬の候補は、標的のタンパク質にどう結合するかで性質が大きく変わる。結合の姿を計算で先に描けることは、実験の優先順位づけに直結する。そのため本論文は、構造予測の道具が創薬の設計工程に入り込む節目として受け止められている。

注意点

予測は実験の代替ではなく、当たりをつけるための仮説である。学習データに似ていない分子では精度が下がる場合や、もっともらしいが誤った構造を出す場合があることも論文で触れられている。実際の利用条件や提供形態は変わる可能性があるため、最新の公式情報を確認したい。なお、数値や計画は発表時点のものであり、変更される可能性があります。最新の内容は出典の一次情報をご確認ください。

読み解くポイント

AlphaFoldの世代交代は、予測の対象が「一つのタンパク質の形」から「分子同士の関係」へ広がったことに意味がある。創薬では、標的に効く分子を探す作業の多くが、結合の強さと形の相性に左右されるため、複合体の予測は実務への近さが一段違う。あわせて、モデルの提供形態も論点になった。論文発表当初、利用は研究向けのサーバーが中心で、後にコードや重みの一部が非商用条件で公開された経緯がある。道具の性能だけでなく、誰がどの条件で使えるかという提供の設計も、研究の広がり方を左右する要素として記録しておきたい。今後は、予測を実験で確かめる研究の蓄積が、この技術の実務上の位置を定めていく。

AlphaFold 3の評価が次に動くのは、タンパク質と低分子、核酸、抗体と抗原といった複合体の予測が、実験で確かめる研究としてどれだけ積み上がるかです。学習データに似ていない分子で精度が下がる場合や、もっともらしいが誤った構造を出す場合が本文でも指摘されているため、予測を実験の優先順位づけに使った事例と、その当たり外れの報告が、創薬の設計工程での実務上の位置を定めていきます。

出典：Abramson et al., Accurate structure prediction of biomolecular interactions with AlphaFold 3, Nature（2024年5月） https://doi.org/10.1038/s41586-024-07487-w

あわせて読みたい