AlphaFoldとは
アルファフォールド
アミノ酸配列からタンパク質の立体構造を予測する、Google DeepMindのAIモデル
ひとことで言うと
タンパク質の設計図（アミノ酸の並び）から、その立体的な形を予測するAI。生命科学の長年の難問を解き、開発者はノーベル化学賞を受賞した。
概要
AlphaFoldとは、Google DeepMindが開発した、アミノ酸配列からタンパク質の立体構造を予測するAIモデルを指す。 タンパク質構造予測コンテストCASPで実験手法に迫る精度を示し、50年来の課題とされた構造予測問題を前進させた。 予測結果はデータベースとして公開され、創薬や基礎研究など生命科学の基盤として広く使われている。AlphaFold 3ではタンパク質以外の分子との複合体の予測へ拡張された。 2024年、開発を主導したデミス・ハサビスとジョン・ジャンパーはノーベル化学賞を受賞した。
歴史
2018年のCASP13に初代が参加し、2020年のCASP14でAlphaFold 2が実験手法に匹敵する精度を示した。2024年5月にはAlphaFold 3が発表された。
アーキテクチャ
AlphaFold 2は、多重配列アラインメント（MSA）とアミノ酸残基間の相互作用（ペア表現）を交互に更新するEvoformerと、その出力から3次元座標を直接出力する構造モジュール（Invariant Point Attention）から構成される。AlphaFold 3では構造モジュールを拡散モデルベースの仕組みに置き換え、タンパク質だけでなくDNA・RNA・低分子化合物を含む複合体の構造も統一的に予測できるようになった。
利点
- X線結晶構造解析やクライオ電子顕微鏡などの実験手法に比べ、低コスト・高速にタンパク質の立体構造を予測できる
- 予測結果がデータベースとして無償公開されており、研究者が実験なしに構造情報を参照できる
- AlphaFold 3以降はタンパク質・核酸・低分子を含む複合体の構造予測にも対応した
欠点
- 天然変性領域（構造が定まらない部分）や、複数の立体配座を取りうるタンパク質の予測は精度が低下しやすい
- 訓練データ中の既知構造との類似性が低い新規タンパク質では、予測の信頼度が下がる
- AlphaFold 3の学習済み重みの利用には非商業目的等の制限が課されている
関連用語
よくある質問
AlphaFoldは何を予測する？
アミノ酸配列からタンパク質の立体構造（原子の3次元座標）を予測する。AlphaFold 3以降はDNA・RNA・低分子化合物との複合体構造も予測対象に含む。
ノーベル賞を受賞したのは誰？
2024年のノーベル化学賞は、AlphaFoldを開発したデミス・ハサビスとジョン・ジャンパー、およびタンパク質設計の研究で知られるデイビッド・ベイカーが共同受賞した。
参考文献
- Official WebsiteAlphaFold Protein Structure Database
- Research PaperHighly accurate protein structure prediction with AlphaFold (Nature)