タンパク質AIを研究につなげる · 全3回
第1回 · BindClawの仕組み — この記事
タンパク質の配列とは、アミノ酸がつながる順序です。タンパク質AIは、この配列から立体的な形を予測し、目的の構造に合う新しい配列を提案します。研究者が知りたいのは、その先です。この候補は必要な部位に結合するのでしょうか。特定の状態でだけ働くのでしょうか。
標的に結合する形を作ることと、望む作用を引き出すことは別です。阻害剤は、もともと結合する相手と競合する必要があります。2つのタンパク質を引き寄せて結びつける設計なら、両方を捉えなければなりません。NVIDIAのBindClawは、まさにこの違いを出発点にしています。[1]
生成モデルと、それを動かす層は別です
BindClawは、バインダーを設計するエージェントの研究です。バインダーは、標的に結合するように設計するタンパク質で、抗体も含まれます。ここでは、1つの区別が重要です。構造を生成するモデルと、そのモデルをいつ、どのような条件で動かすかを決めるエージェントは、異なる層にあります。BindClawが担うのは後者です。
図中の分子の形は、公開座標から描いた説明用のリボン表示です。特定の設計の計算結果ではなく、計算上のテストを通過した候補が、実際に同じ作用を示すという意味でもありません。
作業は4つの段階で進みます。まず目標を定義します。論文や指示文から望む機能を読み取ると、Assay Builderがそれを計算上のテストに落とし込みます。Intakeが標的と設計上の制約を抽出すると、Target IDが標的を確定し、Strategistがどのようなメカニズムで作用させるか、どの相手や状態を併せて評価すべきかを提案します。作用機序とは、どのような相互作用によって望む効果を引き出すかを説明する仮説です。
次に、設計と反復が続きます。生成モデルで候補を作り、計算結果を見て接触面や生成設定を修正し、再び実行します。このとき、評価基準は変えません。最後に、実験で測定します。[1]
計算アッセイはテスト仕様書に似ています
カルシウムが結合したタンパク質を認識させたいとします。比較するには、カルシウムがない条件でも計算する必要があります。目的の状態でだけよいスコアが得られるかを問うわけです。このような計算上のテストを、計算アッセイと呼びます。ソフトウェア開発のテスト仕様書に似ていますが、生物学的な現象をすべて再現するものではありません。テストに通ったからといって、機能が保証されるわけではありません。
途中で評価基準を変えると比較が成り立たなくなるのも、同じ理由です。基準を変える必要があるなら、新しいバージョンとしてまとめ、以前の候補も同じ基準で再評価して初めて、改善したと言えます。
論文の研究課題を、5つのテストに落とし込みます
BindClawは、論文から望む作用を読み取り、その作用に必要な接触・状態・分子の配置を計算上の評価基準に落とし込みます。公式図のA〜Eは、異なる研究課題が、それぞれどのようなテストになるかを示しています。[1]
以下の図は、研究課題と計算上の評価基準をわかりやすく示した模式図です。最後に示す実験は、計算で得た候補を確認するための後続の工程です。
A. IL-2・IL-15を模倣するには、2つの受容体をどう捉えればよいのでしょうか。
IL-2とIL-15は、免疫細胞にシグナルを伝えるタンパク質です。その働きを模倣する候補は、シグナルを受け取る受容体の2つの構成要素、ベータとガンマの両方に接触する必要があります。計算では、両方への接触が十分か、2つの受容体が目的の配置に集まるかを確認します。
B. Hsp70のどの状態を認識させるのでしょうか。
Hsp70は、ほかのタンパク質が本来の形を保つのを助けます。この事例では、Hsp70ファミリーのDnaKを使い、その動作サイクルに関わるATP状態とADP状態のそれぞれに同じ候補を配置して比較します。活性化を目指した論文が出発点ですが、ここで検査するのは、ATP状態をよりよく認識するという計算上の根拠です。
C. 細胞内に取り込ませるには、2つの部位を同時に捉えるのでしょうか。
細胞が外部の物質を包み込んで内部へ取り込む過程を、エンドサイトーシスと呼びます。この事例では、2つのバインダーを1つにつなぎ、受容体の2つの部位にそれぞれ接触するように設計します。両方が所定の位置に結合するかだけでなく、別の部位に接触していないか、一方の結合機能を損なわせた対照候補では接触が失われるかも比較します。
D. 蛍光を発するには、小さな分子をどのような形で捉えればよいのでしょうか。
DFHBIは、タンパク質の内部に結合すると蛍光を発することがある小さな分子です。既存の樽状タンパク質mFAP1を再設計し、DFHBIが入る位置と向き、平らな形が維持されるかを検査します。別途、新たに作られたバインダーも示されていますが、同じ樽状の設計ではありません。この図での合格判定は分子の配置に関するもので、蛍光の明るさを測定した結果ではありません。
E. ジゴキシゲニンだけを選んで捉えられるでしょうか。
ジゴキシゲニンは、この事例で認識の対象とする小さな分子です。候補がこの分子を捉える際の計算スコアと接触の形を調べ、ほかの3つの分子を入れた場合と比較します。目的の分子1つに対するスコアだけを見るのではなく、ほかの分子と区別して認識するかを問うテストです。[2]
F. 評価基準を保ち、生成条件を変えます
図Fは、Aのテスト結果を次の設計に反映した過程です。最初の候補では2つの受容体への接触の予測が弱かったため、エージェントはらせん状の形を促す条件を追加し、長さの範囲を絞ったうえで、より多くの候補を生成しました。図に示された2つの受容体のipTMは、初回の0.07・0.19から、次の回には0.86・0.90へ上がりました。ipTMは、タンパク質間の配置をどの程度信頼できるかを示す計算指標です。実験の成功率や免疫細胞の活性化を示した結果ではなく、生成条件を変えた後に、構造の信頼度がより高い候補を得たという記録です。[2]
モデルを変えると、答えも変わります
設計段階での、ある観察が目を引きます。EGFRは、細胞表面で増殖のシグナルを受け取るタンパク質で、がん研究でよく用いられる標的です。このタンパク質を標的にしたところ、Proteina-ComplexaとRFD4-Proteinaでは、好む結合部位が逆転しました。どの生成モデルを使うかによって、結合しやすい場所という答えが変わったことになります。
これは、モデルを変えながら同じ問いを投げかける際に、何を固定し、何を比較すべきかを示す事例です。評価基準を先に決めておかないと、モデルが変わったことで生じた差なのか、設計がよくなったことで生じた差なのかを区別できません。[1]
カルモジュリンの設計研究でわかったこと
カルモジュリンは、細胞内でカルシウムのシグナルを伝えるタンパク質です。カルシウムが結合した状態と、外れた状態では形が異なります。BindClawの研究チームは、人も参加する設計プロセスの中で、カルシウムが結合した状態を好むバインダーを見つけました。
実験に用いた最終候補18個のうち15個が、カルシウムの結合したカルモジュリンに結合しました。その15個のうち13個では、カルシウムが外れたカルモジュリンとの結合は検出されませんでした。状態を区別する設計が実際に可能であることを示した結果です。
数字を読むときは、分母も併せて見る必要があります。この18個は、評価した1,553個の設計から絞り込んだ配列です。最初に作った候補の大半がうまくいったという意味ではありません。また、検出されなかったことも、結合がまったくないという証明ではなく、測定条件の範囲では捉えられなかったという報告です。報告書は、最終順位をつける際に使った重みを復元できなかったことも明らかにしています。同じ性能を再現するには、その情報が必要です。[2]
手法は公開ページに段階ごとに記されていますが、コードはまだ入手できません。Code欄には公開予定とあるだけで、現時点ではBindClawを自分で動かして確かめる方法はありません。[1]
そこで、実際に試せる部分から確認しました。次回は、BindClawが設計段階で使う生成モデルの1つ、RFD4-ProteinaをNadoo Bioで実行して確認した範囲と、実測した時間・費用、利用条件を取り上げます。
参考文献
NVIDIA Digital Biology Research. BindClaw公式プロジェクト. 公式研究紹介、2026-11-13確認。
Cho, Y. ほか. 生物学的メカニズムをエージェント型タンパク質設計に応用する(Adapting biological mechanisms for agentic protein design). 技術報告書、2026-10-28。