一分子計測のデータ同化

タンパク質などの生体分子は、細胞内で常に決まった構造にとどまっているわけではなく、ダイナミックに揺らいだり大きく構造変化します。そして、それらの構造ダイナミクスが酵素反応や物質輸送、シグナル伝達などに深く関わっていることが明らかになってきました。例えば、トランスポーターと呼ばれるタンパク質は、分子の形を変えて押し出す動きをすることで、薬剤などの小分子を輸送する機能を発揮します。そこで、これらの分子機能を理解するために、生体分子の構造ダイナミクスを高解像度で観測する手法の開発が求められています。

分子動力学シミュレーションは、分子機能を理解するための強力な手法の一つであり、生体分子について原子レベルの情報を得ることができます。しかし、分子動力学シミュレーションで用いるモデルのパラメータは完全に正しいとは限らず、現象によってはパラメータの不正確さがダイナミクスに現れることがあります。一方、近年の実験計測では、生体分子を単分子粒度で観測する技術である 1 分子計測という技術が開発されています。例えば 1 分子 FRET 計測という手法では、分子にラベルした二つの蛍光色素間の距離の揺らぎを時系列データとして観測できます。これは、構造ダイナミクスを「直接」観測できるという利点がありますが、距離の時系列情報のみから分子構造を解釈しなければならないという制限があります。

以上のことから、解像度の粗い計測データと原子モデルのシミュレーションを相補的に統合させて、計測データを解釈する研究が世界規模で活発に行われています。しかしこれまで、ミリ秒（1,000 分の 1 秒）単位の 1 分子 FRET 計測と、マイクロ秒（100 万分の 1 秒）単位の分子動力学シミュレーションでは、時間スケールのギャップが大きいという問題があり、両者を統合することが困難でした。

我々は生体分子の構造ダイナミクスを記述するために用いられている統計モデルの「マルコフ状態モデル」を導入することで、分子動力学シミュレーションと 1 分子 FRET 計測の時間スケールのギャップを埋めました。マルコフ状態モデルでは、生体分子が代表的な構造間を、サイコロを投げるように確率的に遷移すると仮定することで、構造ダイナミクスを簡単化します。簡単化することで、短時間のシミュレーションから各遷移確率を求めることにより、長時間のシミュレーションを行わなくても、長い時間の構造ダイナミクスを調べることができます。

本研究では、分子動力学シミュレーションと 1 分子 FRET 計測データを相補的に統合したモデリングを実現するために、以下の半教師あり学習に基づいた「データ同化」スキームを提案しました（図 1）。（A）まず、分子動力学シミュレーションデータからマルコフ状態モデルを構築（教師あり学習）する。 （B）構築したマルコフ状態モデルを隠れマルコフモデルとみなして、教師なし学習アルゴリズムを使って遷移確率を 1 分子 FRET 計測データに合うように補正する。これにより、構造はシミュレーションから与え、ダイナミクスは計測データを優先するモデリングが実現しました。

次に本手法を、小タンパク質である Formin-binding protein WW domain の折り畳みの構造変化ダイナミクスへ応用した結果、小タンパク質が折り畳まれる際の中間構造・パスウェイを特定しました（図 2）。さらに、特定した中間構造の妥当性を評価するために、変異実験の結果と比べました。これは、タンパク質を構成するアミノ酸残基を人工的に変異させて、折り畳み速度がどれくらい変化するか観測し、そこから中間構造における重要なアミノ酸残基を推定する実験です。その結果、変異実験の計測データと提案した手法で捉えた中間構造が整合することが分かりました。

本研究で開発した手法は汎用的なものであり、種々のタイプの計測データへ展開することで、複数の計測データを統合して生体分子の構造ダイナミクスをモデリングするプラットホームになると期待できます。また、本手法を応用することで、生体分子機能の基礎的分子メカニズムの解明にも寄与することが期待されます。

参考文献

1. Matsunaga, Y. and Sugita, Y. eLife 7, e32668 (2018). https://doi.org/10.7554/eLife.32668