├
├計量計測データバンク ニュースの窓－252－2024ノーベル 化学賞はAIでたんぱく質の立体構造予測と新たんぱく質設計の研究者ら（デビッド・ベイカー、デミス・ハサビス、ジョン・ジャンパー）
├
├計量計測データバンク ニュースの窓 目次
├上高地 秋の紅葉と梓川の流れ 甲斐鐵太郎
├「日本計量新報」今週の話題と重要ニュース（速報版）2024年10月24日号「日本計量新報週報デジタル版」
├2024年ノーベル化学賞はAIでタンパク質の立体構造予測と新タンパク質設計の研究者ら（デビッド・ベイカー、デミス・ハサビス、ジョン・ジャンパー）
├人工知能（AI）と人の頭脳の働かせ方
├ノーベル賞の公式ウェブサイト - NobelPrize.org
左からデビッド・ベイカー、デミス・ハサビス、ジョン・ジャンパー。
スウェーデン王立科学アカデミーは、2024年のノーベル化学賞の授与を決定しました
デビッド・ベイカー
1962年、米国ワシントン州シアトル生まれ。1989年、カリフォルニア大学バークレー校、米国カリフォルニア州で博士号を取得。ワシントン大学(米国ワシントン州シアトル)教授、米国ハワード・ヒューズ医学研究所研究員。
「計算タンパク質設計のために」
そして残りの半分は共同で
デミス・ハッサビス
1976年、イギリス・ロンドン生まれ。2009年ユニバーシティ・カレッジ・ロンドン(英国)で博士号を取得。Google DeepMind(英国ロンドン)のCEO。
ジョン・M・ジャンパー
1985年、米国アーカンソー州リトルロック生まれ。2017年シカゴ大学(米国イリノイ州)で博士号を取得。Google DeepMind(英国ロンドン)のシニアリサーチサイエンティスト。
「タンパク質構造予測のために」
サイエンスエディター:ピーター・ブレジンスキー、ハイナー・リンケ、ヨハン・オクヴィスト、ノーベル化学
委員会 テキスト:アン・フェルンホルム
翻訳:クレア・バーンズ
イラスト:ヨハン・ヤルネスタッド、テレツィア・コヴァロワ
編集:ヴィンセント・フォン・シドー
© スウェーデン王立科学アカデミー
このセクション
を引用するには、MLAスタイル:人気のある情報。NobelPrize.org。ノーベル賞アウトリーチAB 2024。木曜日2024年10月10日。<https://www.nobelprize.org/prizes/chemistry/2024/popular-information/>
├
├
├2024年ノーベル化学賞 - 人気情報 - NobelPrize.org
スウェーデン王立科学アカデミーは、2024年のノーベル化学賞を以下の目的で授与することを決定しました。
デビッド・ベイカー
「計算タンパク質設計のために」
デミス・ハサビス
ジョン・M・ジャンパー
「タンパク質構造予測のために」
2024年ノーベル化学賞
彼らはタンパク質の驚くべき構造の暗号を解読しました
2024年のノーベル化学賞は、生命の独創的な化学ツールであるタンパク質に関するものです。デビッド・ベイカーは、全く新しい種類のタンパク質を作るという、ほとんど不可能な偉業に成功しました。今回、Demis HassabisとJohn Jumperは、タンパク質の複雑な構造を予測するという50年前の問題を解決するためのAIモデルを開発しました。これらの発見は、大きな可能性を秘めています。
2024年10月9日
スウェーデン王立科学アカデミーは、2024年のノーベル化学賞の授与を決定しました
デビッド・ベイカー
University of Washington, Seattle, WA, USA
ハワード・ヒューズ医学研究所, USA
「計算タンパク質設計のために」
そして残りの半分は共同で
Demis Hassabis
Google DeepMind、ロンドン、イギリス
John M. Jumper
Google DeepMind、ロンドン、英国
「タンパク質構造予測のために」
彼らはタンパク質の驚くべき構造の暗号を解読しました
2024年のノーベル化学賞は、生命の独創的な化学ツールであるタンパク質に関するものです。デビッド・ベイカーは、全く新しい種類のタンパク質を作るという、ほとんど不可能な偉業に成功しました。今回、Demis HassabisとJohn Jumperは、タンパク質の複雑な構造を予測するという50年前の問題を解決するためのAIモデルを開発しました。これらの発見は、大きな可能性を秘めています。
生命の多様性は、タンパク質の化学ツールとしての驚くべき能力を証明しています。それらは、生命の基盤となるすべての化学反応を制御し、駆動します。タンパク質は、ホルモン、シグナル物質、抗体、およびさまざまな組織の構成要素としても機能します。
「今年認識されている発見の1つは、壮大なタンパク質の構築に関するものです。もう一つは、アミノ酸配列からタンパク質の構造を予測するという50年来の夢を叶えることです。これらの発見はどちらも大きな可能性を開きます」とノーベル化学委員会の委員長であるハイナー・リンケは述べています。
タンパク質は通常、20種類のアミノ酸で構成されており、これらは生命の構成要素と言えます。2003年、デビッド・ベイカーはこれらのブロックを使用して、他のタンパク質とは異なる新しいタンパク質を設計することに成功しました。それ以来、彼の研究グループは、医薬品、ワクチン、ナノ材料、小さなセンサーとして使用できるタンパク質など、想像力に富んだタンパク質の創造を次々と生み出してきました。
2つ目の発見は、タンパク質の構造の予測に関するものです。タンパク質では、アミノ酸が長いひもで結合され、折りたたまれて立体構造を形成し、これがタンパク質の機能に決定的です。1970年代以降、研究者たちはアミノ酸配列からタンパク質の構造を予測しようと試みてきましたが、これは難しいことで有名でした。しかし、4年前、驚くべきブレークスルーがありました。
2020年、デミス・ハサビスとジョン・ジャンパーは、AlphaFold2と呼ばれるAIモデルを発表しました。その助けを借りて、彼らは研究者が特定した2億のタンパク質のほぼすべての構造を予測することができました。AlphaFold2は、そのブレークスルー以来、190カ国から200万人以上が使用しています。無数の科学的応用の中で、研究者は抗生物質耐性をより深く理解し、プラスチックを分解できる酵素の画像を作成できるようになりました。
タンパク質がなければ生命は存在できません。タンパク質の構造を予測し、自分でタンパク質を設計できるようになったことは、人類に最大の利益をもたらします。
今年の賞についてもっと読む
ポピュラーサイエンスの背景:彼らはコンピューティングと人工知能を通じてタンパク質の秘密を明らかにしました(pdf)
科学的背景:計算タンパク質設計とタンパク質構造予測(pdf)
デビッド・ベイカー、1962年米国ワシントン州シアトル生まれ。1989年、カリフォルニア大学バークレー校、米国カリフォルニア州で博士号を取得。ワシントン大学(米国ワシントン州シアトル)教授、米国ハワード・ヒューズ医学研究所研究員。
デミス・ハサビス、1976年イギリス・ロンドン生まれ。2009年ユニバーシティ・カレッジ・ロンドン(英国)で博士号を取得。Google DeepMind(英国ロンドン)のCEO。
ジョン・M・ジャンパー、1985年、米国アーカンソー州リトルロック生まれ。2017年シカゴ大学(米国イリノイ州)で博士号を取得。Google DeepMind(英国ロンドン)のシニアリサーチサイエンティスト。
賞金総額:1,100万スウェーデンクローナで、半分はデビッド・ベイカーに、もう半分はデミス・ハサビスとジョン・ジャンパーに共同で贈られます。
詳細情報: www.kva.se and www.nobelprize.org
報道官 Eva Nevelius, press, +46 70 878 67 63, eva.nevelius@kva.se
専門家: Johan Åqvist, +46 70-425 04 04, johan.aqvist@icm.uu.se, member of the Nobel Committee for Chemistry
1739年に設立されたスウェーデン王立科学アカデミーは、科学を促進し、社会への影響力を強化することを全体的な目的とする独立した組織です。アカデミーは自然科学と数学に特別な責任を負っていますが、さまざまな分野間のアイデアの交換を促進するよう努めています。
2024年ノーベル化学賞
化学者は長い間、生命の化学ツールであるタンパク質を完全に理解し、習得することを夢見てきました。そんな夢は、今や手の届くところにあります。デミス・ハサビスとジョン・M・ジャンパーは、人工知能を利用して、ほぼすべての既知のタンパク質の構造を予測することに成功しました。デビッド・ベイカーは、生命の構成要素をマスターし、まったく新しいタンパク質を作成する方法を学びました。彼らの発見の可能性は計り知れません。
彼らは、コンピューティングと人工知能を通じてタンパク質の秘密を明らかにしました
生命のあふれんばかりの化学反応は、どのようにして可能なのでしょうか?この質問に対する答えは、優れた化学ツールとして説明できるタンパク質の存在です。それらは通常、無限の方法で組み合わせることができる20個のアミノ酸から作られています。DNAに蓄えられた情報を設計図として、細胞内でアミノ酸がつながって長い糸ができています。
その後、タンパク質の魔法が起こります:アミノ酸の文字列がねじれて折り畳まれ、明確な(時にはユニークな)3次元構造になります(図1)。この構造がタンパク質に機能を与えています。筋肉、角、羽毛を作る化学的な構成要素になるものもあれば、ホルモンや抗体になるものもあります。それらの多くは酵素を形成し、生命の化学反応を驚異的な精度で駆動します。細胞の表面に座っているタンパク質も重要であり、細胞とその周囲との間のコミュニケーションチャネルとして機能します。
© ヨハン・ヤルネスタッド/スウェーデン王立科学アカデミー
生命の化学的構成要素であるこの20種類のアミノ酸が持つ可能性は、いくら強調してもし過ぎることはありません。2024年のノーベル化学賞は、それらをまったく新しいレベルで理解し、習得するためのものです。賞の半分は、化学者が50年以上にわたって取り組んできた問題、つまりアミノ酸の配列からタンパク質の三次元構造を予測するという問題を人工知能を活用して成功裏に解決したデミス・ハサビスとジョン・ジャンパーに贈られます。これにより、彼らは2億の既知のタンパク質のほぼすべての構造を予測することができました。賞の残りの半分はデビッド・ベイカーに授与されます。彼は、多くの人々が不可能だと信じていたこと、つまり、以前は存在しなかったタンパク質を作り出すためのコンピューター化された方法を開発しました。それは、多くの場合、まったく新しい機能を持っています。
2024年のノーベル化学賞は、2つの異なる発見を表彰していますが、ご覧の通り、両者は密接に関連しています。今年の受賞者が克服した課題を理解するには、現代の生化学の黎明期を振り返る必要があります。
タンパク質の最初の粒子の粗い写真
化学者は19世紀からタンパク質が生命のプロセスにとって重要であることを知っていましたが、研究者がタンパク質をより詳細に探求し始めるのに十分な精度を持つ化学ツールを持つようになったのは1950年代までかかりました。ケンブリッジ大学の研究者であるジョン・ケンドリューとマックス・ペルーツは、1990年代の終わりに、X線結晶構造解析と呼ばれる方法を使用してタンパク質の最初の3次元モデルを提示することに成功し、画期的な発見をしました。この発見が認められ、1962年にノーベル化学賞を受賞しました。
アミノ酸の文字列の図
図 1.タンパク質は、数十個から数千個のアミノ酸まで、あらゆるもので構成されています。アミノ酸のストリングは、タンパク質の機能に決定的な3次元構造に折り畳まれます。©ヨハン・ヤルネスタッド/スウェーデン王立科学アカデミー© ヨハン・ヤルネスタッド/スウェーデン王立科学アカデミー
その後、研究者たちは主にX線結晶構造解析を使用し、多くの場合多大な努力を払って、約200,000種類のタンパク質の画像を作成することに成功し、2024年のノーベル化学賞の基礎を築きました。
なぞなぞ:タンパク質はどのようにしてそのユニークな構造を見つけるのでしょうか?
アメリカの科学者クリスチャン・アンフィンセンは、別の初期の発見をしました。彼は、さまざまな化学的トリックを使用して、既存のタンパク質を折りたたんでから再び折りたたむことに成功しました。興味深い観察結果は、タンパク質が毎回まったく同じ形をしているということでした。1961年、彼はタンパク質の三次元構造は、タンパク質中のアミノ酸の配列によって完全に支配されていると結論付けました。これにより、彼は1972年にノーベル化学賞を受賞しました。
However, Anfinsen’s logic contains a paradox, which another American, Cyrus Levinthal, pointed out in 1969. He calculated that even if a protein only consists of 100 amino acids, in theory the protein can assume at least 1047 different three-dimensional structures. If the chain of amino acids were to fold randomly, it would take longer than the age of the universe to find the correct protein structure. In a cell, it just takes a few milliseconds. So how does the string of amino acids actually fold?
Anfinsen’s discovery and Levinthal’s paradox implied that folding is a predetermined process. And – importantly – all the information about how the protein folds must be present in the amino acid sequence.
Throwing down the gauntlet for the great challenge of biochemistry
上記の洞察は、化学者がタンパク質のアミノ酸配列を知っていれば、タンパク質の三次元構造を予測できるはずだという別の決定的な認識につながりました。これはエキサイティングなアイデアでした。成功すれば、面倒なX線結晶構造解析を使用する必要がなくなり、時間を大幅に節約できます。また、X線結晶構造解析が適用できないすべてのタンパク質の構造を生成することもできます。
これらの論理的な結論は、生化学の大きな課題となったもの、つまり予測問題への挑戦を投げかけました。この分野でのより急速な発展を促進するために、1994年に研究者たちはCritical Assessment of Protein Structure Prediction(CASP)と呼ばれるプロジェクトを開始し、これがコンペティションに発展しました。隔年で、世界中の研究者が、構造が決定されたばかりのタンパク質のアミノ酸配列にアクセスできるようになりました。しかし、その構造物は参加者には秘密にされていました。課題は、既知のアミノ酸配列に基づいてタンパク質構造を予測することでした。
CASPには多くの研究者が集まりましたが、予測問題を解くことは非常に困難でした。コンペティションに参加した研究者の予測と実際の構造物との対応関係は、ほとんど改善されませんでした。このブレークスルーは、チェスの達人、神経科学の専門家、人工知能のパイオニアがこの分野に参入した2018年に初めて起こりました。
ボードゲームの達人がプロテインオリンピックに出場
デミス・ハサビスの経歴を簡単に見てみましょう:彼は4歳でチェスを始め、13歳でマスターレベルを達成しました。10代の頃から、プログラマーとしてキャリアをスタートさせ、ゲーム開発者として成功を収めました。彼は人工知能の探求を始め、神経科学に取り組み、そこでいくつかの革新的な発見をしました。彼は脳について学んだことを利用して、AI用のより優れたニューラルネットワークを開発しました。2010年には、人気ボードゲームの優れたAIモデルを開発したDeepMindを共同設立しました。同社は2014年にGoogleに売却され、その2年後、DeepMindは、当時多くの人がAIの聖杯と信じていた、世界最古のボードゲームの1つである囲碁のチャンピオンプレイヤーを打ち負かしたことで、世界的な注目を集めました。
しかし、ハサビスにとって、囲碁は目標ではなく、より優れたAIモデルを開発するための手段でした。この勝利の後、彼のチームは人類にとってより重要な問題に取り組む準備ができていたので、2018年に彼は第13回CASPコンペティションに登録しました。
デミス・ハサビス氏のAIモデルが予想外の勝利を収めました
過去数年間、研究者がCASPについて予測したタンパク質構造は、せいぜい40%の精度を達成していました。彼らのAIモデルであるAlphaFoldにより、Hassabis氏のチームはほぼ60%に達しました。彼らは勝ち、その優れた結果は多くの人々を驚かせました-それは予想外の進歩でしたが、解決策はまだ十分ではありませんでした。成功するためには、予測の精度が目標構造と比較して90%である必要がありました。
AlphaFold2 のしくみ図
図 2.AlphaFold2はどのように機能しますか?© ヨハン・ヤルネスタッド/スウェーデン王立科学アカデミー
ハサビス氏と彼のチームはAlphaFoldの開発を続けましたが、どんなに頑張っても、アルゴリズムは決して最後までは行きませんでした。厳しい真実は、彼らが行き詰まったということでした。チームは疲れていましたが、比較的新しい社員の一人、ジョン・ジャンパー氏がAIモデルの改善方法について決定的なアイデアを持っていました。
ジョン・ジャンパーが生化学の大きな挑戦に立ち向かう
ジョン・ジャンパーは宇宙に魅了され、物理学と数学の勉強を始めました。しかし、2008年にスーパーコンピューターを使用してタンパク質とそのダイナミクスをシミュレートする会社で働き始めたとき、物理学の知識が医療問題の解決に役立つことに気づきました。
ジャンパーは、この新たに獲得したタンパク質への興味を、2011年に理論物理学の博士号を取得したときに持ち帰りました。大学では不足していたコンピューターの容量を節約するために、彼はタンパク質のダイナミクスをシミュレートするためのよりシンプルで独創的な方法の開発を開始しました。すぐに、彼も生化学の大きな挑戦の試練を手にしました。2017年、彼は博士号を取得したばかりの頃、Google DeepMindが極秘裏にタンパク質構造の予測を始めたという噂を耳にしました。彼は彼らに求人応募を送りました。彼のタンパク質シミュレーションの経験は、AlphaFoldの改善方法について創造的なアイデアを持っていたことを意味しており、チームが水面下で取り組み始めた後、彼は昇進しました。ジャンパー氏とハサビス氏は、AIモデルを根本的に改革する研究を共同で主導しました。
AIモデルの改革による驚異的な結果
新バージョンであるAlphaFold2は、Jumperのタンパク質に関する知識によって彩られました。また、チームは、最近のAIの大躍進の背後にあるイノベーションであるトランスフォーマーと呼ばれるニューラルネットワークを活用し始めました。これにより、膨大な量のデータから以前よりも柔軟な方法でパターンを見つけ出し、特定の目標を達成するために何に焦点を当てるべきかを効率的に判断することができます。
チームは、既知のすべてのタンパク質構造とアミノ酸配列のデータベースにある膨大な情報に基づいてAlphaFold2をトレーニングし(図2)、新しいAIアーキテクチャは、第14回CASPコンペティションに間に合うように良好な結果をもたらし始めました。
2020年、CASPの主催者が結果を評価したとき、生化学の50年にわたる課題は終わったことを理解しました。ほとんどの場合、AlphaFold2はX線結晶構造解析とほぼ同等の性能を発揮し、これは驚くべきことでした。CASPの創設者の1人であるジョン・モールトは、2020年12月4日にコンペティションを終了したとき、「これからどうするのか」と尋ねました。
それに戻ります。さて、時間をさかのぼって、CASPの別の参加者に光を当てます。2024年のノーベル化学賞の残りの半分は、新しいタンパク質をゼロから作成する技術を扱っています。
独房についての教科書がデビッド・ベイカーに方向転換させる
デイビッド・ベイカーがハーバード大学で学び始めたとき、彼は哲学と社会科学を選びました。しかし、進化生物学のコース中に、彼は今では古典となっている教科書「細胞の分子生物学」の初版に出くわしました。これが彼の人生の方向性を変えることにつながりました。彼は細胞生物学を探求し始め、最終的にはタンパク質構造に魅了されました。1993年にシアトルのワシントン大学でグループリーダーとして働き始めたとき、彼は生化学の大きな挑戦に取り組みました。巧妙な実験を用いて、彼はタンパク質がどのように折り畳まれるかを探求し始めました。このことは、1990年代の終わりに彼がタンパク質構造を予測できるコンピューターソフトウェア、ロゼッタの開発を開始したときに得た洞察を提供しました。
ベイカーは1998年にロゼッタを使用してCASPコンペティションにデビューし、他の参加者と比較して非常に良い成績を収めました。この成功は、David Baker氏のチームがソフトウェアを逆に使用できるという新しいアイデアにつながりました。ロゼッタにアミノ酸配列を入力してタンパク質構造を取り出すのではなく、目的のタンパク質構造に入り、そのアミノ酸配列の提案を得ることができれば、まったく新しいタンパク質を作ることができるはずです。
Baker氏がタンパク質構築者に
研究者が新しい機能を持つオーダーメイドのタンパク質を作成するタンパク質デザインの分野は、1990年代の終わりに始まりました。多くの場合、研究者は既存のタンパク質を微調整して、有害物質の分解や化学製造業界のツールとしての役割を果たすことができました。
しかし、天然タンパク質の範囲は限られています。まったく新しい機能を持つタンパク質を得る可能性を高めるために、ベイカー氏の研究グループは、タンパク質をゼロから作り出したいと考えていました。ベイカーが言ったように、「飛行機を作りたいのなら、鳥を改造することから始めるのではありません。むしろ、空気力学の第一原理を理解し、その原理から飛行機械を作るのです」
図 3.Top7 – 既知の既存のタンパク質とは全く異なる最初のタンパク質。©テレツィア・コヴァロワ/スウェーデン王立科学アカデミー
ユニークなタンパク質が日の目を見る
全く新しいタンパク質が構築される分野をde novo designと呼びます。研究グループは、全く新しい構造のタンパク質を描き、ロゼッタ社にどのタイプのアミノ酸配列が目的のタンパク質をもたらすのかを計算してもらいました。これを行うために、Rosettaはすべての既知のタンパク質構造のデータベースを検索し、目的の構造と類似性を持つタンパク質の短い断片を探しました。次に、Rosettaはタンパク質のエネルギーランドスケープに関する基本的な知識を使用して、これらのフラグメントを最適化し、アミノ酸配列を提案しました。
このソフトウェアがどの程度成功したかを調査するために、ベイカー氏の研究グループは、目的のタンパク質を産生する細菌に、提案されたアミノ酸配列の遺伝子を導入しました。次に、X線結晶構造解析を使用してタンパク質の構造を決定しました。
その結果、ロゼッタは本当にタンパク質を作れることがわかりました。研究者が開発したタンパク質Top7は、彼らが設計したのとほぼ同じ構造を持っていました。
ベイカーの研究室からの壮大な作品
Top7は、タンパク質設計に取り組んでいる研究者にとって、青天の霹靂でした。以前にde novoタンパク質を作成した人々は、既存の構造を模倣することしかできませんでした。Top7のユニークな構造は自然界には存在しませんでした。また、93個のアミノ酸を持つこのタンパク質は、これまでにde novoデザインで作製されたものよりも大きかったのです。
ベイカーは2003年に彼の発見を発表しました。これは、並外れた発展としか言いようのないものの第一歩でした。ベイカー氏の研究室で作製された多くの素晴らしいタンパク質のいくつかを図4に示します。彼はまた、Rosetta のコードもリリースしたため、世界中の研究コミュニティがソフトウェアの開発を続け、新しいアプリケーション分野を見つけています。
2024年のノーベル化学賞の未解決事項をまとめる時が来ました。今度は何ですか。
BakerのプログラムRosettaを使用して開発されたタンパク質の画像
図 4.BakerのプログラムRosettaを使用して開発されたタンパク質。©テレツィア・コヴァロワ/スウェーデン王立科学アカデミー
かつては何年もかかっていた作業が、今では数分で完了します
デミス・ハサビスとジョン・ジャンパーがAlphaFold2が本当に機能することを確認したとき、彼らはすべてのヒトタンパク質の構造を計算しました。次に、研究者が地球の生物をマッピングする際にこれまでに発見した2億個のタンパク質のほぼすべての構造を予測しました。
Google DeepMindは、AlphaFold2のコードも公開しており、誰でもアクセスできます。AIモデルは、研究者にとって金鉱となっています。2024年10月までに、AlphaFold2は190カ国から200万人以上が使用しました。以前は、タンパク質構造を得るのに何年もかかることがよくありました。今では数分で完了します。AIモデルは完璧ではありませんが、生成した構造の正確性を推定するため、研究者は予測の信頼性を知ることができます。図5は、AlphaFold2が研究者にどのように役立つかを示す多くの例のいくつかを示しています。
2020年のCASPコンペティションの後、David Baker氏はトランスフォーマーベースのAIモデルの可能性に気づき、Rosettaに1つ追加しました。これにより、タンパク質のde novo設計も容易になりました。近年、ベイカー氏の研究室からは、信じられないようなタンパク質の創出が次々と生まれています(図4)。
AlphaFold2を使用して決定されたタンパク質構造の画像。
図 5.タンパク質構造はAlphaFold2を用いて決定しました。©テレツィア・コヴァロワ/スウェーデン王立科学アカデミー
人類の利益のための目まぐるしい開発
タンパク質の化学ツールとしての驚くべき多様性は、生命の広大な多様性に反映されています。これらの小さな分子機械の構造をこれほど簡単に視覚化できるようになったのは、驚くべきことです。これにより、一部の病気が発生する理由、抗生物質耐性がどのように発生するか、一部の微生物がプラスチックを分解する理由など、生命がどのように機能するかをよりよく理解することができます。
新しい機能を搭載したタンパク質を作り出す能力も、同様に驚くべきものです。これにより、新しいナノマテリアル、標的医薬品、ワクチンのより迅速な開発、最小限のセンサー、より環境に優しい化学産業など、人類の最大の利益をもたらすアプリケーションのほんの一部が挙げられます。
参考資料
英語での科学的な背景など、今年の賞に関する追加情報は、スウェーデン王立科学アカデミーのウェブサイト、www.kva.se、www.nobelprize.org では記者会見やノーベル講演などのビデオを視聴できます。ノーベル賞や経済科学賞に関連する展示や活動に関する情報は、www.nobelprizemuseum.se で入手できます。
├
├「ゲームオタク」が研究界をひっくり返した ノーベル化学賞もAIに【福岡伸一教授のノーベル賞解説】 (youtube.com)
2024/10/09
今年のノーベル化学賞は英グーグル・ディープマインド社のデミス・ハサビス最高経営責任者ら3人におくられました。評価された常識をひっくり返すような発見とは……。青山学院大の福岡伸一教授が解説します。
文字起こし
福岡さん今日もよろしくお願いいたします
え今年2回目になりますそしてえ昨日に続いてえ人口知能AIが大きく関わるう研究結果があ今年のノーベル化け学賞の受賞対象となりましたえまずはあのどんな研究内容であるのかっていうことについてご解説をいただけますでしょうか
はいあの非常に驚きました昨日の物理学省そして馬学省両方ともai関連のまAI祭りのノーベル賞になったということと
それからこの馬学賞を受賞したあのデミスハサスとジョンジャンパーさんていうのはですね 非常に若くてえ新しい研究なんですねですからノーベル賞が非常にあの素早く受賞えに結びついたということに驚かされましたね
え彼らが何をしたかということなんですけれどもタンパ質の立体構造をコンピューターにによって予測するえその画期的なソフトウェアを作り出したということなんですね
でタンパク質というのはあ我々の体の中でま酵素であるとか筋肉であるとかま交代であるとか様々なところでえ大変え多様な働きをしてくれてる重要なま生態物質なんですけれども非常に複雑な形をしてるんですね
でタンパク質自体はポリマーと言ってえアミノ酸というユニットとモノマーがえ連結してできた構造をしていますでアミノ酸の配列自体はですねえこれまでの古典的な方法でえ解析したりあるいはえ遺伝子の方から予言したりすることができるんですけれども
アミノ酸の配列が決定されてえそのえ連結されたポリマーであるタンパク質がえ細胞の中の水中で折りたためな立体構造を作り出すんですけれどもこのどのような立体構図を作り出すかということはですね
え非常にそのパラメーターが大きすぎてですね え理論的に予言することができなかったわけですね
そこでこれまで生物学者はえタンパク質をえ生体内から純粋に取り出してこれは生成という非常に大変な作業なんですけれども取り出してえそれからこれをですねえ決勝してえこれまたすごく食人間を要する仕事なんですけれども結晶化したえタンパク質にX線を照射してですね
その反射を調べることによってえ立体構造を解析するというすごい手間暇のかかるえ場合によっては何年もかかるようなえ解析を経てですねようやく立体構造を予測していたわけですね
でタンパク質の立体構造が予測できるとえそれをターゲットとしてえ薬を作ったりですねねあるいはそこのそのタンパク質を妨害するタンパク質を探し出したりすることができるので立体構造をあ知ることはすごく大事なんですけれどもこれを知るえためには膨大な研究時間が必要だったわけですね
えところがですねえコロナが始まった2020年ぐらいに科学会をすごいえ画期的なニュースが駆け回ったわけですね
それはアルファフォールド2というですねえソフトウェアを使うとえこれまでえ構造生物学者と呼ばれる人たちが何年もかかって作え解析したえタンパク質の立体構造が立ちどまりのえ科学者そしてえもう1人はま人口的にえアミノ酸をつげてえ新しいタイプの人口タパ種を作ったベイカー博士というものがえ今回の受賞対象者ですねはいありがとうございますあのアルファフォールド2の結果については2000と20年ですか
あの福岡さんはその研究内容を聞いた時にそんなバカなと思ったんですよねそんなことができるはずがないはいそうですね
そんなあのえコンピューターがあのえいくつかのアミノさんの情報をええつなぎ合わせただけで予言できたらですねえそんな簡単なことはなくてそれができないから実験的に一生懸命研究してきたのでえそんなたやすくですね
コンピューターが結果を出すなんていうことはにわかに信じられなかったわけですね
でも実際使ってみると非常に正確にえこれまでえなかなか分からなかった立体構造がまぴたりと予言されているのでえ私を含めですね研究者みんな非常に驚かされたわけですはいありがとうござごいます
あの今日の発表は化け学省ということでえ化け学の分野色々なものがあります
でえこれまでにも例えば昨年のメッセンジャーRNAえのようなものですか
あるいはもうちょっと振り返るとPCRとかあの生命科学医療につながる生命系の研究っていうのはこれまでも何度も受賞の対象になってきました
で今年今回の受賞対象の研究がこれまでの生命科学的なあ化役症の対象となった研究と違うところてのはあ際立って違うところてのはどんなところになりますでしょうそうです
ねやっぱりそのえまノーベル化け学賞がえノーベル医学省生理学省に近い分野に受賞されるということはこれまでもありました
えしかしそれはあの純粋にその生物学的な発見というよりはですねえケミカルなそのツールを発見したということですね
そういう意味では今回のあのアルファフォールドえプロテインえストラクチャーの予言ということもあ1つのツールを発見したということだと思うんですけれども
えれまで生物学というのはですねどうしてもこのえ実験動物であるえネズミとかま猿とか
ですね
そういったあの生体をえ実験材料にして研究するインビボの実験えというものが主体だ私えある反応をあの試験館内で再現してそれを解析するインビトロの実験というのものもえ生物学の長い伝統だったわけですね
でもそういったこの生物あるいはウエットな生物学化け学ではなくてですねもう完全にコンピューターの中インシリコの中でえ生物学が研究されるあるいは化学が研究されるというそういう時代が到来してるなというのをえ実感しました
今回の特にハビスさんはあの元々はゲームオタクだったっていうことででかつまチェスがものすごく強かったっていうか上手だったっていうことですよね
え場合によってはあの藤井蒼太さんのようなあ方になっていたとしても不思議ではないそういう方がこう対象になったっていうことですかそうですね
えつまりまあのこれまでのノーベル賞受賞者のような
えま1つのことを何十年も研究してきたえ古典的なタイプのあの生物学者あるいは化学者とは全く違うタイプのえ若い人たちがま受賞したわけですねで私はたまたまですねあのアメリカでえザセンキンゲームというですね
ハサスのえ追いたちを追った記録映画を見てきたところだったんでま非常にあのこのノーベル賞もですねえあの驚きを持っで受け止めたんです
けれどもあのデミスハサスは少年時代はですねえチェスの天才だったんですね
だから今おっしゃったようにえ藤蒼太君みたいにあのえ少年時代にま前衛チャンピオンシップみたいなものにえ獲得した少年だったわけですね
で映画の中でも僕はあのえ考えるゲームが好きなんだっていう風に言っててそれがザthinkingゲームというタイトルにもなってるわけですね
でその後あのハビス少年はですね今度はあのコンピューターゲームに興味を持ってえゲームオタクになってでゲームの対戦とかチャンピオンシップにもなえ買ってですねえゲーム会社にまあのえ入り込んでえゲームのソフトウェアの開発にえ携わるんですよね
で実際そのえゲームの世界の中でえテーマパークを作るようなシュミュレーションゲームをえ作ってですね
それがヒット作にもなったでそれからえ自分自身でディープマインド車というのを作ってえゲームを開発するあるいは人工知能を研究する
てそういう方向に進んでいってえそれからアル5というですね
以後のコンピューターソフトウェアを作って
え実際のゴチャンピオンにあのチャレンジして勝つという風な業績をえ打ち立てて
そのディープマインド車はGoogleの参加に入ってですね
でそのえデプマインド者が新しいターゲットとして選んだのがこのタパ質の立体構造の予測というえチャレンジだったわけですね
ですからそういう意味であのデミスハビスとまそのえ同僚であるえジョンジャンパーさんというのはえ全く新しいタイプのえノーベル賞受賞者だという風に言えます
ありがとうございますあの今回対象になったアルフー2などは私があの取材を医療の取材をしていても今治療法がない神経の難病ですとか非常に難しい病気の解明とかあるいは治療法の開発にも使われているっていうに聞いています
そういった意味で今回の研究が医療にもたらす影響まあのいい影響というかですね
そういったものは非常に期待大きいと思うんですが一方でえこういった生命科学や医療の世界にえAIがどんどんどんどん入り込んでいく時にえ気にしておいた方がいいようなこと留意した方がいいようなことっていうのはどんなことでしょうか
そうですねあのえ生物学の現象というのはまあのタンパク質の立体構造に限らずですねえ膨大な遺伝子がえ増減を繰り返しながらえ非常にこうダイナミックに動いている上に成り立っている現象なのでものすごく大量のパラメーターが動いてるわけですね
でそのパラメーターの中からえ特別な動きを見つけ出して現在起きているま病気のえ仕組みを予言したりするということに関してはですね
AIのあの深層学習であるとかえ大規模なパラメーターを扱ってえその中からえ最適履歴を見つけるみたいなことに関しては非常にえ強力なツールになれるわけなのでえタパ質の立体構造を予言してそこに結びつく薬をデザインしたりですね
え新しい治療法を提案するあるいはえ様々な健康診断のデータからえあなたの健康状態あるいは病気の状態をえ診断して適切な薬を処方するみたいなえことに関してはますますAIがですねえ大きな推進力になってえ医療の分野を変えていくという風に思います
ただああの注意しなければいけないこと懸念しなければいけないことというのはもちろんあるわけですね
というのはAIはどこまで言っても膨大な既存の履歴の中からえデータをあのセレクションして最適な解をえもたらすものなのでえどこまで言ってもやっぱり自然会に起こってることを禁止することはできてもですね本当の正解を
言ってるかどうか分からないわけですね会をえ言っている最も適切なえ回を言ってるだけに過ぎないわけですねですから
あ例えば全く新しい感染症が起きている時あるいはえ公害病みたいにこれまでとはえ全く違う原意物質があるのにも関わらずえある現象だけを見ると既存のデータの中から答えを持ってきますから
ええ全く新しい現象に対してはえちゃんとした答えを言ってない可能性もあるわけですね
えですからAIがもたらす答えというのは近事会であるっていうことはえ科学者もあるいはえ一般の人たちもえあの頭に止めておかなければいけない
あのAIの限界だという風に思いますそれから仮にAIが言っている金事外がうん最もあの適切な解としてもですね
えそのAIのえ指示を受け入れるかどうかというのはやっぱりその個人のえ自由というか患者のえ選択の自由のえ上に委ねられるという風に思います
つまりAIの語託線を拒否する自由AIの診断を受け入れない自由っていうのもあの担保されていないとですね
何でもかんでもAIが言ってることがえ1番正しいのでそれに従いなさいというあの同調圧力がえかかるとですね
やっぱりその人間の基本的人権である自由意思というものが損なわれてしまう可能性があるということは注意しておく必要があると思います
あのAIが医療の現場に入り込んでいくそこに新たなこう人権の考え方っていうものがこれから必要になってくるかもしれといったことになりますそうですね
AIにま繋がる自由もあるけれどもAIを拒否する自由もありるということですねはいどうもあのありがとうございましたありがとうございました├
├ノーベル賞 2024 化学賞 AIでたんぱく質の立体構造予測に成功した研究者や新たんぱく質を設計した研究者ら | NHK | ノーベル賞2024
2024年10月10日 2時40分
ことしのノーベル化学賞に、全く新しいたんぱく質を設計することに成功したアメリカのワシントン大学の研究者と、たんぱく質の立体構造を高精度に予測するAI＝人工知能を開発したイギリスの企業の2人の研究者の合わせて3人が選ばれました。
スウェーデンのストックホルムにあるノーベル賞の選考委員会は、日本時間の午後7時前に記者会見し、ことしの化学賞に、アメリカ、ワシントン大学のデイビッド・ベイカー教授と、アメリカのIT企業、グーグルのグループ会社で、ロンドンに本社のある「DeepMind」（ディープマインド）社の▼デミス・ハサビスCEO、それに、研究チームの▼ジョン・ジャンパー氏の合わせて3人を選んだと発表しました。
ベイカー教授は全く新しいたんぱく質の設計に成功
このうち、ベイカー教授はコンピューターを使ってたんぱく質を構成する20種類のアミノ酸から他のたんぱく質とは異なる全く新たなたんぱく質を設計することに成功しました。
ハサビス氏・ジャンパー氏は AIでたんぱく質の構造予測に成功
また、ハサビス氏とジャンパー氏は「アルファフォールド」と呼ばれるAI＝人工知能モデルを開発しました。たんぱく質は種類の異なる複数のアミノ酸がつながり、さらに複雑に折りたたまれることによって機能しますが、その立体構造の解明は長年にわたり、難問とされてきました。
「アルファフォールド」はすでに形がわかっているたんぱく質のアミノ酸のつながり方をAIに学習させることで、折りたたまれた状態の立体構造を高精度に予測することができ、これまで、多くの研究者が特定した2億個のたんぱく質の構造を予測することに成功しました。
選考委員会「たんぱく質の設計は人類にとって最大の利益」
ノーベル賞の選考委員会は3人の選考理由について、「ベイカー教授はアミノ酸を使って、まったく新しいたんぱく質を設計することに成功した。また、ハサビス氏とジャンパー氏は、たんぱく質の複雑な構造を予測するという50年来の問題を解決するAIモデルを開発した。このAIモデルは190か国、200万人以上の人々に利用されている。たんぱく質はホルモンやシグナル物質、抗体などとして機能し、生命はたんぱく質がなければ存在できない。たんぱく質の構造を予測し、独自のたんぱく質を設計できるようになったことは人類にとって最大の利益だ」と評価しています。
ベイカー教授「とても興奮していて、光栄に思います」
ベイカー教授は選考委員会との電話インタビューで「とても興奮していて、光栄に思います。寝ているときに電話が鳴り、電話に出たのですが妻がとても大きな声で叫び始めたので、よく聞こえませんでした。またとない特別な日になりました」と喜びをあらわにしました。
そのうえで「妻や両親や子どもたちなど、家族には本当に感謝しています。そして長年一緒に働いてきた素晴らしい人たちにも感謝を伝えたいです。彼らがすべてを可能にしてくれました」と周りの人々への感謝の意を述べました。
また、今回の研究成果については「私たちは、21世紀の人類が直面する多くの問題に対処できるような全く新しいたんぱく質の設計ができるかもしれないと最初の段階で可能性を感じました。そしていま、さまざまな分野で役立つたんぱく質を設計することが可能になりつつあります」と述べ、研究の応用について可能性と期待感を示しました。
さらに、ともに受賞が決まったハサビス氏とジャンパー氏については「彼らの画期的な成果はAIが持つ可能性を際立たせました。私たちはこのAIの手法をたんぱく質の設計に応用し、正確性などが向上しました。たんぱく質の設計で健康や医療、そしてテクノロジーなどの分野以外でも世界をよりよくしていけるのではないかと、本当にわくわくしています」と述べました。
ハサビス氏・ジャンパー氏が所属する「ディープマインド社」とは
ディープマインド社は2010年、デミス・ハサビス氏が共同設立者として立ち上げ、2014年、アメリカのIT大手、グーグルの親会社、「アルファベット」の傘下となりました。
2015年にはAI＝人工知能を駆使した囲碁のコンピューターソフト、「AlphaGo」（アルファ・ゴ）を発表し、2016年、世界トップクラスの韓国人棋士との5番勝負の対局で、4勝1敗で勝利。AIの可能性を世界に示したことで大きな話題となりました。
同じ年に、ハサビス氏と同僚の研究者、ジョン・ジャンパー氏はAIでたんぱく質の立体構造を解明するため、「アルファフォールド」の開発に取り組み始めました。
そして、2018年には、2年に一度開催されるコンピューターでたんぱく質の立体構造を予測する技術を競う国際的なコンテストに挑み、開発の着手からわずか2年で優勝を成し遂げました。
また、その2年後に行われた同じコンテストには、より精度を上げた改良版の「アルファフォールド」で挑み、さらに高い精度で課題となる構造を突き止めて再び優勝を飾り、関係者の間で話題となりました。
2021年7月には、「アルファフォールド2」として一般に無料で公開され、多くの研究者が実際に使用し、その予測の精度に驚きの声が上がったほか、「アルファフォールド2」を用いた論文が世界中で発表されています。
ことしに入ってからはさらに精度や分析のスピードを上げ、これまで予測できなかった、たんぱく質と薬剤の複合体の構造も予測できる「アルファフォールド3」を発表し、注目を集めています。
ハサビス氏とジャンパー氏 会見
ハサビス氏とジャンパー氏はオンラインで会見を開き、ハサビス氏は、選考委員会から連絡を受けた時のことについて「本当にふだんどおりの朝を家で過ごしていました。直前の連絡だったので、もう受賞はないだろうと思っていたからです。最初、妻の電話に連絡があり、彼女は間違い電話だと思い、切っていましたが、彼らは何度も何度もしつこくかけ直してきました。妻はそこでようやくスウェーデンの番号であることに気づいたようです。そうして、選考委員会は私の電話番号を知ったのです」と話し、笑いを誘っていました。
そして、業績が評価されたことについて、ハサビス氏は「たんぱく質をデザインした『アルファフォールド』が、科学的な発見を加速させるAIの驚くべき可能性を証明する最初の機会となることを願っています」と話し、ノーベル賞の選考機関やこれまで研究を支えてくれた同僚たちに感謝のことばを述べていました。
また、ジャンパー氏は、次の2、3年でどんな成果が期待できるかと問われると「すでにマラリアのたんぱく質構造がわかり、よりよいワクチンが設計されていることからもわかるように、『アルファフォールド』は生物学の進化を加速させています。研究者たちが私たちの健康のために薬を素早く作るなど、信じられないほど重要な仕事をやりやすくするでしょう」と話していました。
一方、AIのリスクについて問われたハサビス氏は「こうしたシステムや技術が強力になるにつれ、私たちは悪意ある活用例やそのリスクを軽減しつつ、良い活用方法や利点を強化する方法について、真剣に考えなければならない」と話し、AIにどこまで学習させるかといったAIの制御方法についても研究を続ける重要性を指摘しました。
人工知能学会 栗原会長“AIが欠かせなくなってきた”
人工知能学会の会長で慶応大学の栗原聡教授は、物理学賞、化学賞と2日連続でAIに関する研究がノーベル賞を受賞したことについて「きのうはAIを今の状態になしえた基本的な研究成果に与えられ、きょうはなしえたAIが具体的に役立ったことが実証されたことに与えられた。イノベーションを起こす何かを発見するにもAIが欠かせなくなってきたことを表していると思う」と話しました。
その上で、AIの急速な発展の背景について「AIには大量のデータが必要だが、インターネットがあったらからこそデータを集めることできた。ネット上で研究者が議論できたことも大きいし、何よりコンピューターの計算パワーが高性能になるなど、AIを動かすための下地が整ってきたことが大きい。受賞は起きるべくして起きたと言えるかもしれない」と述べました。
一方で、AIをツールとして使用する際の懸念として「AIに何を任せるのかは人間が決めなければならない。最初に人間があり、その後、AIを動かすのでそれを失ってしまったら、人間である価値がなくなってしまう。今までのテクノロジー以上に想像を超える答えを返す技術ができてきたと考える方が正しいだろう。人間には、今まで以上に何をしたいか、目的意識を持つことが要求されるようになる」と指摘した上で、「先日のヒントン先生も、AIは強力な道具であるため悪影響も大きいことを懸念していた。だが今回の化学賞を見ても分かるように、具体的に役立つものを危険だからといって止めることはしないだろう。使う側のモラルやどう使うのかということが試される状況になる」と話していました。
また、今回化学賞を受賞した「DeepMind」社のCEOデミス・ハサビス氏については「彼はAlphaGoで世間を驚かせた天才であり、ディープラーニングの世界でもトップの存在だ。惜しみない努力の末に人間がなしえないことをできるAIを自分自身で作り出した。すごいという言い方以外に例えようがない」と話していました。
ベイカー教授知る専門家 “常に新しいことに挑戦する研究姿勢”
ノーベル化学賞の受賞者に選ばれたワシントン大学のデイビット・ベイカー教授の研究室に2007年から2014年まで所属していた大阪大学蛋白質研究所の古賀信康教授は9日、大学で報道陣の取材に応じました。
この中で、ベイカー教授が受賞したことについて、古賀教授は「いろいろな賞をとっていたのでノーベル賞の受賞もあり得ると思っていました。ベイカー教授の業績によって、自然界にあるたんぱく質だけでなく、全然違うたんぱく質を作ることができ、新たな薬や酵素の開発などにつながっていくと思います」と話していました。
また、その人柄については「1を言うと10がわかる、理解あるいい上司でした。1つのことを突き詰める能力だけでなく、常に新しいことに挑戦する研究姿勢が印象的でした」と振り返りました。
その上で、AIに関する研究分野が8日の物理学賞に続いて受賞したことについて感想を問われると、「皆さんもいつの間にかAIのお世話になっているので2日連続の受賞も当然だと思います」と話していました。
分子科学の専門家 “薬をつくることも より豊かな社会の実現に”
2012年から2015年までの3年間、ワシントン大学のベイカー教授の研究室で研究員を務めた分子科学研究所の小杉貴洋助教はベイカー教授の研究成果について「たんぱく質を自由自在に設計することで、例えばコロナウイルスを阻害するたんぱく質を設計して薬をつくることができたり、新しい触媒や酵素をつくって環境問題の解決につなげたりすることもできる。病気に苦しむ世界中の人々を助け、より豊かな社会の実現のために広く応用できる成果だと思います」と意義を話しました。
その上で「一緒に研究をした3年間ではつねに新しい技術を貪欲に取り入れ、研究室のメンバーにも気を配って気さくに話しかけ、研究者としても人間としても素晴らしい人だと思います。いつかノーベル賞を取るだろうとは言われていましたが、実際に受賞が決まったと聞いて、やはりすごい人なんだと改めて思いました」と喜びました。
AI活用に詳しい研究者 “AI使う研究者も腰を抜かした”
生命工学分野のAI活用に詳しく、自らもAIを研究に使っている北里大学未来工学部の齋藤裕教授は今回受賞の対象となった成果について、「創薬においては薬の標的となるタンパク質の構造を実験で調べる必要があったが、アルファフォールドのような予測精度が高いAIが出てきたことで、実験しなくても分かるようになった。実験で調べるのに比べ、コストが下がり素早く研究が行えるようになった。AIによる構造予測自体は長い研究の歴史があったがアルファフォールドのバージョン2で、今までの手法が過去になるぐらい劇的に精度が上がって、私たちのようなAIを使った研究をする人間も腰を抜かした」と話しています。
さらに、「AIの研究者だけでなく生物の実験をしている人にも日常的に使われていることはすごいことで、十分にノーベル賞級の研究だと思う。特にたんぱく質を研究する分野に与えたインパクトは大きい」と述べ、受賞が決まった3人の功績をたたえました。
一方でAIを研究に活用する際に、どこまでを委ねるかについては、「人間が幸せになったり豊かになったりするために研究している側面があるので、AIがいくら発展しても、何を幸せに感じるかは人間が定義していかないといけない。AIはできることが増えて非常に強力なツールなので、それと共存する中では、研究の方向付けは人間が人間のためにやらないといけない」と話していました。
├
├2024年ノーベル化学賞：タンパク質の設計と構造予測に貢献した3氏に | 日経サイエンス (nikkei-science.com)
2024年10月10日
2024年ノーベル化学賞：タンパク質の設計と構造予測に貢献した3氏に
2024年のノーベル化学賞は「コンピューターを用いたタンパク質の設計」の功績で米ワシントン大学のベイカー（David Baker）教授に，「コンピューターを用いたタンパク質の構造予測」で英国Google DeepMindのハサビス（Demis Hassabis）氏とジャンパー（John Jumper）氏に授与される。
タンパク質は20種類のアミノ酸が数珠つなぎになった分子だ。それがくねくねと折りたたまれて，複雑な立体構造をとる。この「数珠つなぎ」と「立体構造」の間に，「50年来の生物学のグランド・チャレンジ」と呼ぶべき，大きな未解決問題があった。タンパク質の立体構造予測だ。
タンパク質の立体構造予測は，タンパク質の生化学はもちろん，創薬や医学研究の観点からも実現が望まれてきた。タンパク質の形状や表面の微細な凹凸などがタンパク質の機能を左右するからだ。
構造予測の歴史
1970〜1980年代の頃から試みられていた最初期の方法は，第一原理計算や分子動力学といった，分子を構成する原子や電子の動きを物理法則に従ってシミュレーションするものだった。しかしこれらの方法はタンパク質の種類や大きさによっては計算量が爆発的に大きくなり，手に負えなかった。
この壁を克服しようと，1994年に構造予測技術の腕を競うコンテスト「CASP（Critical Assessment of protein Structure Prediction）」がスタート。カリフォルニア大学の研究者らが中心となって，2年に一度のペースで開催されるようになった。
今回受賞したベイカー，ハサビス，ジャンパーはいずれも，このCASPの参加者だ。ベイカーは1998年の第3回からCASPに参加し，タンパク質構造予測ソフトウエア「Rosetta」を発表。1990年代に入ると，X線結晶構造解析などの実験によって特定されたタンパク質の立体構造データが徐々に蓄積しつつあった。構造が既知のタンパク質を部分ごとにつなぎ合わせ，最も安定なタンパク質の形状を予測する「フラグメントアセンブリ法」という方法で，高い成績を記録した。
AlphaFold2の登場
2018年には，ハサビスとジャンパーらが，DeepMind社で約20人の研究チームを作って第13回のCASPに初参加。このときの「AlphaFold」を改良し，2年後の第14回CASPで発表した「AlphaFold2」が驚異的な性能を示した。タンパク質構造のバイオインフォマティクスを専門とする東京科学大学の森脇由隆准教授は「それまで決定に1年掛かっていたタンパク質の構造が10〜20分で決められるようになった」と話す。
AlphaFold2は全く新しい方法でタンパク質の構造決定を行った。それは，生物が世代を重ねるうちに，配列上は離れた位置にあるアミノ酸どうしがセットで変異する「共変異」という現象を構造決定に生かしたことだ。この現象は一見奇妙だが，タンパク質の立体構造が保たれたまま，アミノ酸配列だけが変わった結果だと考えれば説明がつく。1つのアミノ酸が変異するだけだとタンパク質の構造が不安定になるが，周囲のアミノ酸も変化すれば，構造が再び安定化する。つまり，共変異が起こるアミノ酸は，立体構造の上では近い距離にあるのだ。
こうした共変異のアミノ酸が配列中のどこにあるかは，ヒト，マウス，魚など，多数の生物種が共通して持つタンパク質のアミノ酸配列を比べることで原理上はわかるはずだ。ただ，遠く離れた配列の間に潜む共変異は通常の解析では見つかりにくい。これを解決するために，ハサビスとジャンパーらはTransformerと呼ぶニューラルネットワークを用いたソフトウエアを開発した。Transformerは自然言語処理に向いた深層学習のニューラルネットワークで，長文の中で遠く離れた単語間の関係性を学ぶのを得意とする。離れたアミノ酸配列の中に潜む共変異を見つける上で，Transformerの長所が生きるのだ。
ノーベル財団のリリースを一部改編
ハサビスらがAlphaFold2を開発するために結成したチームは，化学と生物学，物理学，統計学などの様々な分野の専門家の集まりだった。「タンパク質の構造予測のための理論を構築するところからはじめ，それをディープラーニングでどうやって実現できるかに取り組み，ソフトウエアを公開するところまでやった。それがハサビスとジャンパーのすごい所だ」と森脇准教授は評価する。
AlphaFold2は，発表から数年の間にタンパク質の研究に必須のプラットフォームとなりつつある。今年10月時点で190カ国の200万人以上に使用されており，ハサビスらが2021年にNature誌に発表したAlphaFold2の論文は1.6万回引用された。新型コロナウイルス（SARS-CoV-2）のスパイクタンパク質の構造解析にAlphaFold2を使用した研究もある。今年に入ってハサビスらは後継のAlphaFold3をリリースした。その応用は今後さらに広がるはずだ。
人工タンパク質の設計
一方のベイカーは2003年，複雑な構造をもつ人工タンパク質「Top7」の合成に初めて成功した。生命がもつタンパク質の一部を置き換えた「改良品」ではなく，コンピューターによってゼロから設計したものだ。設計したタンパク質を微生物に作らせたところ，狙い通りの構造をもつタンパク質が得られた。Top7は93個のアミノ酸からなる小さなタンパク質だが，それまで合成された人工タンパク質の中では最大だった。特定の機能はなかったが，αヘリックスやβシートといったタンパク質を構成する基本的な部品を備えていた。
人工タンパク質は，ベイカーがタンパク質の構造予測も研究していたからこそ生まれた。構造予測の技術を，望みの構造をもつタンパク質を実現するためアミノ酸配列を提案させる用途に応用したのだ。人工タンパク質の研究者は他にもいたが，そもそも望みのタンパク質の構造を作る手法をもっていなかった。
「なぜ狙った通りの構造を形成できたのか，全く理解できなかった。それくらい衝撃的な論文だった」と大阪大学の古賀信康教授は振り返る。当時はまだ大学院生で，その後，2007年から2014年にベイカーの研究室に所属した。設計の指針となるルールを発見し，2012年に論文で発表した。Top7の発表以降，なかなか新しい人工タンパク質が生まれていなかったが，新しいルールを取り入れて設計がうまくいくようになった。
自然界に存在するタンパク質には限りがある。ただ，タンパク質をゼロから設計できれば，新しい機能が実現する可能性がある。古賀教授は「生物が進化の中で獲得してきたタンパク質は唯一の解なのだろうか。全く違った解があるかもしれない」と期待する。
ベイカーはその後，様々な機能を備えたタンパク質の合成にも成功し，狙った働きをする酵素も合成できた。合成生物学を研究する早稲田大学の木賀大介教授は「少し前まで酵素の合成はまだ先と考えていた。驚きのスピードで研究が進んでいると感じる」と語る。
（編集部 出村政彬，遠藤智之）
├
├ノーベル委員会 - Wikipedia
├
├ノルウェー・ノーベル委員会 - Wikipedia
├
├Nobel Peace Prize - Home
├
├ノーベル賞の公式ウェブサイト - NobelPrize.org
├
├AlphaFold - Wikipedia
├
├目次 官僚制度と計量の世界 執筆 夏森龍之介
├オーラルヒストリー 蓑輪善蔵氏インタビュー 「計量制度に係わっ て 69 年」
http://161.34.12.161/book-for-collecting-news-/new-holder-5-news-collection-/2024-02-17-news-materia-content-collection-/digidepo_10632249_po_ART0009947795.pdf
松本榮壽、黒須茂、高松宏之
○小泉袈裟勝さん
小泉袈裟勝さんのお話をお伺いしたいのですが。(黒須茂)
蓑輪善蔵
袈裟勝さんはね私より7つ年上でした。背が高い人ですが、干支は午ですよ。彼は1937（昭 和 12）年か 1938（昭和 13）年に中検に入って、それで渡辺襄さんの光の光波干渉の測定を手伝っていたんです。1942（昭和17）年に兵隊にとられてビルマに行ったのかな。出征するときのことも私は知っています。野砲でしたかね。馬の世話をしたりしながら。
それで帰ってきたときに 、計圧器係がいる3階から小泉さんが 2階の岡田さんの部屋に入ったのを見ました。小泉さんが帰ってきたというのは、上から見ればわかるわけ。役所の中は狭いから。
「小泉が帰ってきたけれど、手を出すな」と係員に言っていたのを覚えてい ます。小泉さんは、うるさ型で通っていたんですよ。それでけっこう切れるんだよね。彼は頭がいいんですよ。
長いこと所長をやっていた玉野光男さんにかわいがられて、メートル法の宣伝とか、計量課とのつき合いとか、計量法を基本的にどうするとかという話に携わったりしていました。だから法律も含めて計量全般に関してよく知っているんですよ。行政マンとしての適性もありました。
○進級が難しい物理学校
旧制中学を出て計量教習を出ているだけなんですよ。それで物理学校へ 1年間だけ行って、2年生になれなかったようです。物理学校って進級が非常に厳しくて簡単には2年になれないんです。
├
├計量法解説 (keiryou-keisoku.co.jp)
├
├:計量法の読み方 - livedoor Blog（ブログ）
├
├「計量法の読み方」全章 |
├
├微分も積分も忘れてしまう東大理三卒の大学教授（2023-05-09）【理３のリアル@50代】 東大医学部卒の弁
├
├フィルムカメラとデジタルカメラの発展の速度の違い
├
├「ハッピーエンド」を聴く。メンバーは大瀧詠一,細野雅臣、鈴木茂、松本隆。
├
├
├シンボル操作(symbol manipulation)
社会学用語。それ自体は客観的であったり、また多義的に理解されているような物や言語や行動様式をシンボル (象徴) として使い、特定の意味内容をこめて多くの人々のそれへの同調ないし反動形成を促し、一定の方向に行動させること。シンボル操作の典型的な技術の一つが、人々の態度・行為・価値観をあらかじめ意図された方向へ誘導するための組織的コミュニケーション活動といわれる政治宣伝である。マス・メディアの驚異的な発達と宣伝技術の高度化により、現代社会ではシンボル操作の余地は拡大した。
├
├Windowsによる新聞組方式の現状
├
├社会の統計と計量計測の統計
├
├計量計測のエッセー （ 2018年1月22日からの日本計量新報の社説と同じ内容です。）
├
├計量計測データバンク ニュースの窓 目次
├
├日本の新聞社、メディア、情報機関など web検索（計量計測データバンク）
├日本のテレビ局 web検索（計量計測データバンク）
├
├Windowsによる新聞組方式の現状
├