新規酵素の設計は、通常、反応遷移状態周辺の触媒官能基の理想的な配置から始まり、次にこれらの官能基を正確に配置するスキャフォールド（足場）になるタンパク質構造を生成しようと試みる。現在のAIベースの手法でも活性酵素の設計は可能であるが、残基位置を事前に定義する必要があり、側鎖配置から残基骨格を逆構築する必要があるため、設計の柔軟性が制限されている。
ワシントン大学のDavid Baker教授とRohith Krishna博士が共同責任著者となっている同大学とMITの研究チームは今回、新たな深層生成モデルであるRoseTTAFold diffusion 2（RFdiffusion2）が、残基順序の指定や逆回転異性体生成を行うことなく、官能基構造から直接酵素を設計可能とすることで、これらの制約を克服したことを、報告している。
RFdiffusion2は、多様なベンチマークにおいて41個の活性部位すべてに対してスキャフォールドを生成することに成功した。従来の手法では16個が限界であった。さらに、3つの異なる触媒機構に対応する酵素を設計し、それぞれ96個未満の配列を実験的に試験した後、活性候補を同定した。これらの結果は、反応機構から直接de novo酵素を作製するための原子レベルの生成モデリングの可能性を示している。
[詳細]
de novoタンパク質設計における大きな課題の一つは、新規反応を触媒する酵素の創製である。de novo酵素設計は、対象となる反応を触媒すると予測される活性部位の組成と形状の詳細な記述から始まる。この活性部位の記述はtheozyme（テオザイム, "theoretical enzyme"に由来する）と呼ばれ、反応遷移状態および反応補因子の周囲におけるタンパク質官能基の配置を表している。de novo酵素設計の課題は、このようなテオザイムを収容するスキャフォールドを生成する課題である。
RosettaMatch [*]などの深層学習以前の手法は、既存のネイティブまたは設計されたスキャフォールドのセットを検索し、触媒残基の配置候補を探索した。多くの酵素がこのアプローチを用いて設計されたが、入力されたスキャフォールドセットに一致するテオザイムの形状に限定されていた。Diffusion model （拡散モデル）を用いた深層学習の進歩により、モチーフスキャフォールディングと呼ばれる手法を用いて、目的のサブ構造（モチーフ）を含む多様なタンパク質を直接サンプリングすることで、多くのサブ構造スキャフォールディング・タスクにおいてスキャフォールディング・ライブラリが不要になった。しかしながら、これまでのところ、これらの手法はすべて、タンパク質を一連のアミノ酸残基としてバックボーン・レベルで表現したものに基づいており、結果として、バックボーン・レベルで表現されたモチーフのみをスキャフォールディングできる。
[*] "De Novo Enzyme Design Using Rosetta3" Richter F [..] Baker D. PLoS One. 2011-05-16. ; 2) Matching: identifying sites in the scaffold library where the theozyme can be placedの項でRosettaMatch moduleが紹介されている。
現在のアプローチでは、触媒残基の可能な立体配座と配列インデックスを列挙し、その後、別のステップでモチーフ・スキャフォールディングを用いてこれらのバックボーン位置をスキャフォールディングするタンパク質を生成することで、原子レベルの活性部位記述におけるこの制限を克服しようと試みている。このアプローチを用いて活性酵素が生成されてきたが、計算効率が悪く、スキャフォールディングするバックボーン座標の組み合わせの数が触媒残基の数とともに指数関数的に増加するため、より複雑な活性部位には拡張できない。
研究チームは、回転異性体、配列インデックス、および骨格の完全な結合分布を原子レベルの活性部位記述に基づいてモデル化することで、触媒残基の立体配座と配列インデックスを選択できる生成モデルを用いることで、より複雑な酵素活性部位の骨格構築課題における性能を大幅に向上させることができると考えた。RFdiffusion2では、RoseTTAFold diffusion All-Atom (RFdiffusionAA)を拡張し、これらの最小限の活性部位記述に基づいて構造を生成することを試みた [論文Fig. 1 参照]。
[出典] "Atom-level enzyme active site scaffolding using RFdiffusion2" Ahern W, Yim J, Tischer D [..] Krishna R, Baker D. Nat Methods. 2025-12-03. https://doi.org/10.1038/s41592-025-02975-x [所属] University of Washington, Seattle (米国), MIT
コメント