[論文レビュー] Protein Structure Prediction until CASP15

Arne Elofsson|arXiv (Cornell University)|Dec 15, 2022

Protein Structure and Dynamics被引用数 7

ひとこと要約

この論文は、CASP14の後、AlphaFold2のリリースに続くたんぱく質構造予測における変革的影響をレビューし、単ドメインたんぱく質の構造をほぼ実験的精度で予測できる能力を強調している。その後のAI駆動の方法論の進展、特にタンパク質複合体、不秩序領域、およびデ・ノボたんぱく質設計の分野における進歩を概説し、AlphaFold2のオープンソースリリースによって引き起こされた急速なイノベーションの波を強調している。

ABSTRACT

In Dec 2020, the results of AlphaFold2 were presented at CASP14, sparking a revolution in the field of protein structure predictions. For the first time, a purely computational method could challenge experimental accuracy for structure prediction of single protein domains. The code of AlphaFold2 was released in the summer of 2021, and since then, it has been shown that it can be used to accurately predict the structure of most (ordered) proteins and many protein-protein interactions. It has also sparked an explosion of development in the field, improving AI-based methods to predict protein complexes, disordered regions, and protein design. Here I will review some of the inventions sparked by the release of AlphaFold.

研究の動機と目的

• CASP14のリリース後にAlphaFold2が計算たんぱく質構造予測に与えた画期的な影響を分析すること。
• AlphaFold2の成功に呼応して開発されたAIベースの手法の急増を調査すること。
• タンパく質複合体、不秩序領域、およびデ・ノボたんぱく質設計の予測における改善を検討すること。
• 構造生物学および計算生物学における広範な影響を文書化すること。
• CASP15までにAlphaFold2が引き起こした手法論的イノベーションの包括的概要を提供すること。

提案手法

• 2021年から2022年の間の分野における発表済みの研究結果と発展を統合し、たんぱく質構造予測のAIベースの手法に焦点を当てた。
• AlphaFold2およびその派生手法が単ドメインたんぱく質構造を高い精度で予測する性能を評価した。
• AlphaFold2の成功を支える深層学習モデルのアーキテクチャ的革新、例えばアテンション機構や反復的リファインメントについて議論した。
• AlphaFold2の拡張がタンパク質-タンパク質相互作用、マルチチェーン複合体、および内在的不秩序領域の予測にどのように適用されたかを検討した。
• 複数配列アラインメントと共進化情報が予測精度を向上させる役割を分析した。
• 研究コミュニティ全体における手法論的イノベーションを加速させたオープンソースコードのリリースの重要性を強調した。

実験結果

リサーチクエスチョン

• RQ1 AlphaFold2は、単一ドメインたんぱく質構造をほぼ実験的精度で予測するにあたり、どのようにして達成したのか？
• RQ2 AlphaFold2がCASP14で以前のアプローチを上回るにあたり、どのような手法論的革新が行われたのか？
• RQ3 その後のAIモデルは、タンパク質複合体および不秩序領域の予測において、AlphaFold2をどのように改善したのか？
• RQ4 AlphaFold2のコードのオープンソースリリースが、研究進展をどのように加速させたのか？
• RQ5 AlphaFold2のリリース以降、たんぱく質構造予測の新たなフロンティアはどのようなものとなったのか？

主な発見

• AlphaFold2は、単一たんぱく質ドメインの3次元構造をほぼ実験的精度で予測でき、計算生物学分野における画期的ブレークスルーをもたらした。
• この手法は多様なたんぱく質ファミリーにわたり高い精度を示し、CASP14において、以前の最先端手法を著しく上回った。
• AlphaFold2のアーキテクチャを基盤とする後続のモデルは、タンパク質複合体およびマルチチェーンアセンブリの予測精度を向上させた。
• AIベースの手法は、かつて構造予測が困難であった内在的不秩序領域の予測に対しても成功した。
• AlphaFold2のコードのオープンソースリリースは、研究の急速な拡大を促進し、多数の新しいツールおよびたんぱく質設計のための改善済みモデルの開発をもたらした。
• 分野全体に変革的なシフトが起こり、AIは今やほとんどの秩序あるタンパク質および多くのタンパク質相互作用の構造を信頼性を持って予測できるようになった。