強化タンパク質:自然の最強者からの教訓
研究者たちは、極限環境に生息する生物の知見を利用してタンパク質の安定性を向上させている。
Moritz Ertelt, Phillip Schlegel, Max Beining, Leonard Kaysser, Jens Meiler, Clara T. Schoeder
― 1 分で読む
目次
タンパク質は生き物にとって欠かせない分子で、いろんな役割を果たしてるんだ。食べ物の消化を手伝ったり、感染症と戦ったり、筋肉を作ったりもする。タンパク質の働き方は、その構造に大きく依存していて、まるで三次元パズルみたいなんだ。このパズルの各部分は、タンパク質が仕事をするのに完璧に合わさってないとダメで、環境の変化に合わせて柔軟性も必要なんだ。
タンパク質構造のバランス感覚
タンパク質を綱渡りする人みたいに考えてみて。安定性と機能性の間で微妙なバランスを保たなきゃいけない。硬すぎると壊れちゃうし、ゆるすぎるとちゃんと仕事できない。じゃあ、タンパク質はどうやって綱渡りをしてるの?一つの戦略は、構造が少し変わっても許容すること。ちゃんと仕事ができる限りは、軽い変化や突然変異を受け入れるんだ。
時には、タンパク質の特定の部分がちょっと不安定、つまり「フラストレーション」を抱えてないと、効果的に働かないことがある。特に酵素においてこれが顕著で、体内の化学反応を速める特別なタンパク質なんだ。これらの酵素は高温になるとより柔軟になることが多いんだけど、極端な条件に適応した生物のタンパク質が特に得意なところなんだ。
甘いスポットを見つける
自然界にある大多数のタンパク質、つまり私たちの体や一般的なバイ菌からのものは、中程度の温度での生活に適してるんだ。大体37℃くらいがベストで、これは人間にとっても快適な温度なんだ。でも、もし科学者が産業でタンパク質を使いたい場合、高温での反応を速めたり、望ましくない微生物の成長を避けたりするために、タンパク質が高温で働く必要があるんだ。残念ながら、これが難しいのは、多くのタンパク質が極端な条件で不安定になって効果を失っちゃうからなんだ。
この課題に対処するために、科学者たちはタンパク質工学に目を向けて、よりタフな環境に耐えられるようにタンパク質の安定性を向上させようとしてるんだ。彼らはよくコンピュータモデルを使って、タンパク質の構造を改善するためにどんな変更ができるかを予測してる。
自然から学ぶ:高温菌のケース
自然の挑戦を乗り越えるために、研究者たちは極端な条件で生きる生物、つまり高温菌に目を向けてる。これはタンパク質の世界のスーパーヒーローみたいで、温度が105℃まで達する環境に住んでるんだ。彼らのタンパク質は異なる作りになっていて、極端な温度でも機能し続けることができるんだ。
そんなスーパーヒーローのタンパク質の一つはThermotoga thermophilusから来ていて、70℃くらいの温度でも耐えられるんだ。彼らの成功の鍵はその構造にあって、より疎水性(油を嫌う)な部分が多くて、極性(油を好む)な部分が少ないから、高温に適してるんだ。
熱安定性タンパク質の探求
もし私たちが高温菌のように強靭なタンパク質をデザインできたら、いろんな応用の扉が開かれるんだ。例えば、医療の世界では、常に冷蔵保存が必要ないワクチンを作るためにタンパク質を使えるかもしれない。これで運ぶのが楽になるし、特に遠い地域への輸送が楽になるんだ。
これを実現するために、研究者たちは自己集合型タンパク質ナノ粒子(SAPN)を開発したんだ。これらのナノ粒子は、薬やワクチンを効果的に届けるために調整できるんだ。I53-50というナノ粒子は、貨物を運ぶ能力が素晴らしいと研究されていて、新しいデザインで高温でも安定するように強化できるかもしれない。
HyperMPNNでより良いタンパク質を作る
より安定なタンパク質を作ろうとする中で、科学者たちはHyperMPNNという新しいツールを開発したんだ。このコンピュータモデルは高温菌のユニークな構造から学んで、その知識を使って他の生物のタンパク質を再デザインするんだ。
目指してるのは、高い融点を持つタンパク質を作ることで、産業や医療のさまざまな場面で使えるようにすることなんだ。HyperMPNNをトレーニングするために、研究者たちは高温菌からの数千のタンパク質配列を集めて、複雑なアルゴリズムを使ってデザインを改善したんだ。
トレーニングプロセス
トレーニングプロセスでは、高温菌からのタンパク質の大規模データセットを集めたんだ。この大規模なデータ集は、モデルがこれらのタンパク質の構造がどのように成り立っているかと、アミノ酸がどう配置されているかを学ぶのに役立つんだ。科学者たちは、このデータを高品質な構造でフィルタリングして、予測の正確性を保証したんだ。
既存のモデルであるProteinMPNNをこの新しいデータセットで再トレーニングすることで、研究者はアプローチを微調整して、安定性の特性が向上したタンパク質をデザインできるHyperMPNNというバージョンを開発しようとしたんだ。この再トレーニングにより、HyperMPNNは熱を好む生物のタンパク質に見られるユニークなアミノ酸組成をよりよく再現できるようになったんだ。
タンパク質の比較:高温菌 vs. 中温菌
研究者たちは、高温菌のタンパク質と中温菌、例えばE. coliのタンパク質を比較したんだ。分析の結果、高温菌のタンパク質にはコア部分に疎水性アミノ酸の割合が高く、表面にはより正に帯電した残基が多いことが示されたんだ。
この発見は重要で、アミノ酸の構成の小さな変化がタンパク質の安定性と機能性に大きな影響を与えることを示してる。観察されたタンパク質の構成の違いは、新しい強靭なタンパク質をデザインする為の指針になりうるんだ。
デザインの挑戦
HyperMPNNが開発された後、科学者たちは発見を基に新しいタンパク質のデザインを始めたんだ。具体的には、より大きなタンパク質ナノ粒子構造の一部であるI53-50Bタンパク質に注目したんだ。目的は、このタンパク質の部分を再デザインして熱安定性を高めることだった。
元のProteinMPNNを使ったデザインと、新しいHyperMPNNを使ったデザインの2セットが作られたんだ。そして、これらのタンパク質が高温でも構造を維持できるかどうかをテストしたんだ。
実験的検証
新しいタンパク質をデザインした後、次のステップはそれらをテストすることだったんだ。研究者たちは、元のタンパク質と再デザインしたタンパク質のDNAをE. coliで発現させたんだ。そして、タンパク質を精製して、熱下での安定性を評価したんだ。
結果は素晴らしかった。元のI53-50Bタンパク質は65℃で溶けたのに対し、再デザインされたタンパク質は95℃まで安定性を維持したんだ。この熱安定性の大幅な向上は、新しいデザインアプローチの効果を示してるんだ。
これからの道
タンパク質の安定性を向上させる旅はここで終わらない。HyperMPNNのような計算ツールの進歩を続けて、研究者たちはタンパク質工学の限界を押し広げようとしてる。
その応用の可能性は広いよ。熱に耐えられるワクチンの製造から、より効率的な産業酵素の作成まで、これらの革新の影響は広がる可能性がある。科学者たちが高温菌の能力を探求し続け、デザイン方法を洗練させる中で、タンパク質工学の未来は大きな期待を持ってるんだ。
結論
要するに、安定したタンパク質を求めることは、生物学の世界でのワクワクする冒険なんだ。自然の中で最もタフな生物に目を向けることで、研究者たちはタンパク質の機能や耐久性を向上させる新しい方法を見つけてる。HyperMPNNのようなツールがあれば、医療やバイオテクノロジーの分野で革命をもたらすようなエキサイティングな展開が期待できそう。もしかしたら、いつかシンプルなタンパク質が、ヘルスケアやその先の次なる大きなブレイクスルーの鍵になるかもしれない。
次にタンパク質について考えるときは、忘れないで!タンパク質は生命の構成要素だけじゃなくて、将来のスーパーヒーローの素質を持ってるんだ!
タイトル: HyperMPNN - A general strategy to design thermostable proteins learned from hyperthermophiles
概要: Stability is a key factor to enable the use of recombinant proteins in therapeutic or biotechnological applications. Deep learning protein design approaches like ProteinMPNN have shown strong performance both in creating novel proteins or stabilizing existing ones. However, it is unlikely that the stability of the designs will significantly exceed that of the natural proteins in the training set, which are biophysically only marginally stable. Therefore, we collected predicted protein structures from hyperthermophiles, which differ substantially in their amino acid composition from mesophiles. Notably, ProteinMPNN fails to recover their unique amino acid composition. Here we show that a retrained network on predicted proteins from hyperthermophiles, termed HyperMPNN, not only recovers this unique amino acid composition but can also be applied to proteins from non-hyperthermophiles. Using this novel approach on a protein nanoparticle with a melting temperature of 65{degrees}C resulted in designs remaining stable at 95{degrees}C. In conclusion, we created a new way to design highly thermostable proteins through self-supervised learning on data from hyperthermophiles.
著者: Moritz Ertelt, Phillip Schlegel, Max Beining, Leonard Kaysser, Jens Meiler, Clara T. Schoeder
最終更新: Dec 1, 2024
言語: English
ソースURL: https://www.biorxiv.org/content/10.1101/2024.11.26.625397
ソースPDF: https://www.biorxiv.org/content/10.1101/2024.11.26.625397.full.pdf
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。