AlphaFoldは、DeepMindによって開発された深層学習システムであり、アミノ酸配列からタンパク質の三次元構造を予測する。線状のアミノ酸鎖が、タンパク質の生物学的機能を決定する複雑な三次元形状に折りたたまれる過程を予測することは、構造生物学において約五十年にわたり未解決の問題であり、タンパク質フォールディング問題として知られていた。これは、X線結晶構造解析やクライオ電子顕微鏡などの方法による実験的構造決定が、時間と費用を要するためである。
CASP14と2020年の画期的成果
AlphaFoldの第二版であるAlphaFold2は、2020年のCritical Assessment of protein Structure Predictionコンペティション（CASP14として知られる）において、主催者や独立した構造生物学者が、大多数のタンパク質に対するタンパク質フォールディング問題を実質的に解決したと評する結果を達成した。CASPは隔年で開催されるブラインドコンペティションであり、研究チームは、実際の構造が実験的に決定されているが未発表のタンパク質の構造を予測し、主催者が未公開の正解データと照合して予測を採点する。AlphaFold2は、ほとんどの標的タンパク質に対して、実験手法の分解能に匹敵する中央値精度スコアを達成した。これは、従来の計算手法では到達されていなかった精度であり、CASP自身の評価者や外部の生物学者から、この分野における変革的成果と評された。
アーキテクチャ
AlphaFold2は、トランスフォーマーベースのアーキテクチャを採用し、Evoformerと呼ばれるコンポーネントを備えていた。これは、アミノ酸配列と、複数配列アラインメントから得られる進化的情報（異なる種にわたる関連タンパク質配列）を、幾何学的制約とともに処理し、予測構造を反復的に洗練させた。DeepMindは2021年にAlphaFold2のモデルアーキテクチャとコードを公開し、UniProtデータベース内の既知配列を持つほぼすべてのタンパク質について、予測構造を自由にアクセス可能なAlphaFoldタンパク質構造データベース（AlphaFold DB）を通じて公開した。これは欧州バイオインフォマティクス研究所との共同事業であり、最終的に2億以上のタンパク質構造を網羅した。
影響とノーベル賞
AlphaFoldのコードと予測構造の公開は、構造生物学、創薬、酵素設計にわたる研究を加速させたと広く評価されている。これは、以前は数ヶ月の実験作業を必要としたり、構造決定施設へのアクセスがなかった研究者が、数分で高信頼性の予測構造を得られるようになったためである。2024年、DeepMindの共同創業者であるデミス・ハサビスとAlphaFoldの主任研究者であるジョン・ジャンパーは、AlphaFoldの開発によりノーベル化学賞の半分を共有し、残りの半分は別の計算タンパク質設計研究に対してデイビッド・ベイカーに授与された。この受賞は、AIがノーベル賞レベルの科学的成果に直接貢献したことの画期的な認識として広く報じられた。DeepMindはその後、2024年にAlphaFold3を公開し、単一タンパク質を超えて、タンパク質間、DNA、RNA、および低分子リガンドとの相互作用の予測に能力を拡張した。これは創薬に特に関連性が高い。
評価と限界
AlphaFoldは、言語や視覚以外の分野における深層学習の最も重要な応用成功例の一つとして広く考えられており、AlphaGoと並んで、明確な評価基準を持つ適切に定義された科学的問題に強化学習と深層学習の手法を適用するというDeepMindの研究戦略の証拠として頻繁に引用される。研究者らは、単一の安定構造を欠く本質的に無秩序なタンパク質や、タンパク質が動的に形状を変化させる方法や生細胞内での相互作用の予測に対する信頼性の低さを含む限界を指摘しており、これらの領域はAlphaFold3の公開後も活発な研究課題となっている。