創薬の分野では、必要な機能や薬効を発揮する新しいタンパク質の設計が行われる。従来は、タンパク質の設計図であるアミノ酸配列を少しずつ変えながら、実験や構造探索シミュレーションを実行し、出来上がったタンパク質が必要な機能や薬効を発揮するかをチェックしていた。正確な設計には膨大な計算量を必要となる。

　研究グループは昨年、タンパク質進化に関する新しい仮説と機械学習の手法を組み合わせることで、従来手法に比べて圧倒的に高速なタンパク質設計を実現することに成功していた。今回さらに、複雑系物理学・情報統計力学の理論を適用することにより、シミュレーションが不要なアミノ酸配列の推定のための数学公式を導出することに成功した。

　これにより、タンパク質設計にかかる時間を昨年発表した効率的な設計手法を用いた場合より、さらに10分の1 程度に短縮。また、得られた数学公式はアミノ酸残基ごとの並列計算が可能な形式であるため、実際の創薬がターゲットとするような巨大なタンパク質の設計に応用する際に計算量の爆発の問題が起こりにくいというメリットもある。また今回用いられた理論モデルはタンパク質の詳細な性質に依存しないので、新素材・新デバイスの設計問題などへの応用も期待されるとしている。

論文情報：【Journal of Statistical Mechanics: Theory and Experiment】The cavity method to protein design problem