タンパク質は、アミノ酸の並び（配列）が折りたたまれて形（構造）になり、働き（機能）を持つ。米EvolutionaryScaleなどの研究チームが開発した「ESM3」は、この3つを一緒に扱う生成型の言語モデルで、論文は2025年1月にScienceへ掲載された（冊子は同年2月）。

何が新しいか

ESM3は、配列・構造・機能をそれぞれ記号の並びに変換し、一つのモデルで読み書きできるようにした点が特徴である。条件を組み合わせて与えることで、望む性質を持つタンパク質の候補を生成する使い方を想定している。学習には大規模なタンパク質データが使われ、小型版は研究向けに公開された。

蛍光タンパク質の事例

実例として、光るタンパク質の生成が報告された。生成された候補の中から、既知の蛍光タンパク質と配列の一致が58％にとどまるにもかかわらず明るく光るタンパク質「esmGFP」が得られた。著者らは、この配列の隔たりを自然の進化の時間に換算すると約5億年に相当すると見積もっている。

注意点

「5億年」は配列の違いからの推定であり、実際に進化を再現したという意味ではない。また、成功例として示されたのは多数の生成候補の中の代表例で、生成の成功率そのものとは分けて読む必要がある。医療などへの応用は、これからの検証段階にある。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

ESM3の発想は、タンパク質を「言葉」のように扱う点にある。自然界の膨大な配列は、進化が試した組み合わせの記録であり、そこから規則を学んだモデルは、自然がまだ試していない組み合わせを提案できるという考え方である。配列・構造・機能を一つのモデルで扱う設計は、利用者が条件を言葉のように組み合わせて設計を依頼する使い方を見据えたものといえる。もっとも、生成されたタンパク質が安全に使えるか、狙い以外の性質を持たないかは、個別の実験評価が欠かせない。設計の速さと検証の慎重さは別の軸であり、応用の議論では両方を並べて見る必要がある。モデルの公開範囲や利用条件は変更される可能性がある。

ESM3の評価が次に変わるのは、esmGFPのような代表例にとどまらず、生成した候補がどれだけの割合で狙った性質を持ち、狙い以外の性質を持たないことが実験で確かめられるかです。成功例は多数の候補の中の代表例であり、生成の成功率とは分けて読む必要があると本文でも述べられています。設計の速さだけでなく、個別の実験評価の積み重ねが、医療などへの応用の可否を定めていきます。

出典：Hayes et al., Simulating 500 million years of evolution with a language model, Science（2025年1月オンライン） https://doi.org/10.1126/science.ads0018

あわせて読みたい