AI・信頼性・評価

AlphaFoldで何が分かり、何が分からないか：構造予測の精度と機能の壁

2026/7/2 （更新: 2026/10/13）

🤖 AIを使用して執筆

何を達成したのか

2020年のCASP14で、DeepMindのAlphaFold2は単鎖タンパク質の構造予測でドメイン単位の中央値GDT_TS 92.4¹、骨格精度の中央値約0.96Å(原子の幅ほど)に到達した²。CASPの共同創設者ジョン・モールトは、この結果を「ある意味で問題は解けた」と評した³。EMBL-EBIと共に公開された予測構造は2億超、既知タンパク質のほぼ全体を覆う⁴。2024年、ノーベル化学賞がハサビスとジャンパー(構造予測)、ベイカー(計算によるタンパク質設計)に贈られた⁵。

ただし「解けた」とはCASPの精度で単鎖構造を当てられるという意味であって、「タンパク質折りたたみ問題」を物理過程として解いたわけではない。

AlphaFold DB 自身の集計では、ヒトの残基のうち信頼できる予測は58%、非常に高い信頼は36%にとどまる⁶。この集計を出した論文自身は、低信頼の領域を単独では構造を持たない可能性が高いと解釈し、長い低信頼の領域は構造ではなく無秩序の予測として読むよう求めている⁶。つまり残りの約4割は、まだ当てられていない形だけでなく、決まった形を持たない部分も含む。

いま、AlphaFold は独走なのか

「解けた」以後、この分野は急速に競争的になった。DeepMind の AlphaFold3（2024）は予測範囲を複合体・核酸・リガンドへ広げた一方⁷、当初はコード非公開・サーバ経由・1日10予測などの強いアクセス制限を伴い、「先頭だが閉じている」ことが研究者の批判を呼んだ⁸。その後この制限は段階的に解けており、2026年6月にコードのライセンスが非商用の CC BY-NC-SA 4.0 から Apache 2.0 へ、2026年7月には重みも申請制から直接ダウンロードへ変わっている⁸。ただし重みの利用規約はいまも非商用の組織による非商用の利用に限っており、商用では Google Cloud 経由の提供になる⁸。

その間に開いた競合が、範囲と精度の両面で追いついた。範囲では、ベイカー研の RoseTTAFold All-Atom がタンパク質・核酸・小分子・金属・修飾までを一体で扱い、自由に利用できる（Science, 2024）⁹。ただしタンパク質とリガンドの複合体予測では、AF3 が RFAA を大きく上回ると DeepMind 側は報告している⁷。一方、AF3 論文の疑似コード（pseudocode）をもとに再現したオープンモデルも2024年後半に相次いだ（Baidu・ByteDance・Chai Discovery など）⁸。精度では、そのひとつ Chai Discovery の Chai-1（2024年9月）が、タンパク質とリガンドの複合体のベンチマークで AF3 と同等の成功率（77% 対 76%）を自己申告し、重みとコードを非商用で公開した¹⁰。続いて MIT は Boltz-1 を、商用利用まで含めて完全オープンソース（MITライセンス）で AlphaFold3 級の精度に達した初のモデルとして公開し¹¹、Boltz-2 は結合親和性の予測まで広げた¹²。

だから2026年の実像は「AlphaFold が唯一の頂点」ではない。AlphaFold（とくに複合体予測の AF3）が先頭集団の中心にいながら、オープンな競合が精度で肩を並べ、速度・ライセンス・用途で棲み分けるという構図だ。ただし、要点は変わらない。各ツールが上手くなったのは主に「形」の予測である。Boltz-2 のように結合親和性まで踏み込むツールも出たが、タンパク質が何をし、どう制御されるかという「機能」そのものの予測には届いていない。

形は、必要だが十分ではない

専門家は次の限界を挙げている。

• 静止画 vs 動くタンパク質。AlphaFoldは最適な単一構造を出すが、タンパク質は構造の集団(アンサンブル)を行き来する。「ダイナミクスこそ、AlphaFold が与えてくれないものだ」(J.ダイソン, Scripps)¹³。
• 天然変性領域。真核生物のタンパク質の約3割は決まった形を持たない領域を含み、こうした領域は神経疾患などに関わるタンパク質に多く見られる¹⁴。長い(>30残基)無秩序領域を含むタンパク質は、真核で33.0%、真正細菌で4.2%、古細菌で2.0%である。ただしこれは予測器 DISOPRED2 を代表ゲノムに当てた推定値であり、実測ではない（Ward ら 2004¹⁵）。
• 無秩序領域への高信頼の予測。AlphaFoldは無秩序領域を低信頼の「リボン」として描く、と一般には想定されてきた。Alderson らは、ヒトの無秩序領域のおよそ15%に AlphaFold2 が自信のある構造を割り当てていると報告している。同じ研究は、NMR の実測と比べた一部の領域で、AlphaFold2 が結合時などに条件付きで折りたたまれた状態の構造をしばしば当てているとし、その予測は領域内の構造の揺らぎやアンサンブルを表さないとも書いている¹⁴。したがって、無秩序領域の予測が必ず低信頼になるわけではない。4E-BP2 では、共存しない二つの状態の特徴を混ぜた構造が高信頼で出ており、Alderson らは、それがこのタンパク質の働きの機構を覆い隠すと書いている¹⁴。
• 構造≠機能。「静的な構造は、タンパク質の働きのすべてを教えない」(ダイソン)。AlphaFold DB の公式 FAQ 自身が、AlphaFold has not been validated for predicting the effect of mutations と書いている¹⁶。独立検証でも、AF指標と変異の安定性・機能影響の相関は弱〜無だった¹⁷。
• リガンド・修飾・構造変化。AF2は翻訳後修飾やリガンドの位置を予測しない¹⁶。複数の配座をとることが知られているタンパク質でも通常は一つしか出さず、どれが出るかは確実には制御できない¹⁶。pLDDTは局所的な信頼度であって安定性や機能の尺度ではない¹⁷。

「解けた」の受け取られ方そのものにも懸念がある。UCLAのゴネンは、予測が鵜呑みにされれば「実験で構造を解く必要を正当化するのがますます難しくなる」と言い、検証と新規開拓に要る実験の資金や人材が細ることを懸念する。ハーバードのブアッタは逆に、AlphaFoldが得意な相手を実験から外せる分、難しいタンパク質へ資源を寄せられると見る¹⁸。

コネクトームと同じ構図

このギャップは、神経科学のよく知られた構図と同じ形だ。線虫 C. elegans は、1986年にほぼ完全な配線図(コネクトーム)の草稿が公表され、20年以上のちにより網羅的な版が出た動物だ(2024年には成体ショウジョウバエの全脳配線図も公表された¹⁹)。だが配線図を手にしてなお、この分野の多くの研究者は自分たちの立場を「コネクトームは必要だが十分ではない」と要約する²⁰。配線図と各シナプスの強度から情報の流れを予測しても、その瞬間どの神経修飾物質が漂っているかを知らなければ予測は大きく外れうる。神経修飾物質は配線図に載らない別の複雑さの層で、周囲の液に漂ってニューロンのふるまいを変える。この構図を紹介する解説記事は、静的な配線図が生きた神経回路のダイナミクスを捉えないとも書く²⁰。

タンパク質も同じだ。折りたたまれた形は、タンパク質の”配線図”である。形は必要で基盤的だが、それだけでは「何をするか」「どう制御されるか」「どう動き、誰と組むか」を語り尽くさない。機能は、ダイナミクス・相互作用・変性・修飾・細胞内文脈から立ち上がる。二つの分野は独立に、「単独では不十分」という同じ結論に到達した。

どこで本当に加速し、どこで過大評価か

本当に加速したのは実験構造生物学、とりわけX線結晶構造解析の分子置換だ。ある6か月間にPDBで公開され、SAD法（単波長異常分散法）で決定された全215構造にAF2モデルを使った手法を試したところ、約87%（187件）で高品質な構造モデルが得られた(Cα原子の半数以上が実測構造と2Å以内で一致)という報告がある(Terwilliger ら 2023)²¹。著者らはこの215件を、AlphaFoldの訓練データより後に決定された難しい集合として選んでいる。この215構造の再決定の結果を使った同じグループの続報は、予測を「きわめて有用な仮説」と呼び、実験による構造決定を加速するが置き換えないと題している²²。AlphaFoldは実験を置き換えるのでなく補完する。

過大評価は創薬だ。AlphaFoldは創薬を変えると喧伝されたが、2023年の総説は「今日までそうなっていない」と言い切り、成果はまちまちだと評している²³。総説はその理由を、タンパク質が剛直なスナップショットではなく、柔軟で多様な配座をとることに求めている²³。X線構造も剛直だが、リガンドと共結晶化すれば結合に伴う構造変化を捕まえられる、と同じ総説は書く。AlphaFoldのモデルは薬剤ポケットも含めて剛直で、その手が使えない。DeepMind自身も、AF3論文では創薬への寄与を結語で将来の見通しとして語るにとどめている⁷。

この記事はAIを使用して執筆されました。内容には誤りが含まれる可能性があります。事実や数字の出典は脚注から確かめられます。