ウイルスはどこにでも存在します。彼らは空中にいます。下水、湖、海洋。草原や朽ちた木の中。一部の生物は、熱水噴出孔、南極の氷、さらには宇宙空間などの極限環境でも生息します。
それらも古代のものです。中には、最初の細胞と同じくらい、あるいはそれよりも古いものもあると考えられます。
私たち人類の誕生以来、ウイルスと共生してきたにもかかわらず、ウイルスの世界は依然としてほとんどが謎に包まれています。何十年もの間、科学者たちは世界中からサンプルを丹念に収集し、その遺伝物質の配列を決定してきました。しかし、ウイルスは急速に変異するため、こうした取り組みはウイルス圏の表面を削り取るだけです。
ウイルスの遺伝物質のほとんどは生物学的な「暗黒物質」であると、中山大学のマン・シー氏らは最近、新しい論文で述べた。に掲載されました 細胞.
AI の助けを借りて、チームはバイラルの世界に新たな光を当てています。 LucaProt と名付けられたこの AI は、ウイルス遺伝物質の塊を理解するために大規模な言語モデルに依存しています。別のアルゴリズムは、効率を高めるために遺伝データをより「消化しやすい」ビットにさらに解析します。
以前のデータベースからのサンプルや研究中に収集されたサンプルなど、10,500 近くのサンプルを分析した後、AI は世界中のサンプルから 70,458 個の新しい RNA ウイルスを検出しました。
「突然、それまで見えていなかったものが見えるようになります」と、この研究には参加していないトロント大学のアルテム・ババイアン氏は言う。言った 自然.
ウイルスには悪い評判があります。新型コロナウイルス感染症のパンデミックと毎年恒例のインフルエンザの季節は、その破壊的な側面を浮き彫りにしています。しかし、戦闘にも使用できます、シャトル細胞に変換されるか、ワクチンに開発される可能性があります。
ウイルスの世界を図表化することで、ウイルスの進化と変異を俯瞰的に見ることができ、バイオテクノロジーだけでなく、次のパンデミックとの戦いにも影響を与える可能性があります。
バイラルになる
人間の場合、DNA は遺伝的設計図を担っています。 DNA は、同じく 4 つの遺伝文字で構成される RNA に翻訳され、遺伝情報を細胞工場に運び、タンパク質を生成します。
ウイルスは違います。 DNA を完全に放棄し、その代わりに遺伝子の設計図を RNA に直接コード化する人もいます。珍しいことのように聞こえますが、これらのウイルスのいくつかはすでにご存知です。Covid-19 を引き起こす SARS-CoV-2 は RNA ウイルスです。これらのウイルスには科学ではほとんど知られていないタンパク質が含まれており、生物学に対する新たな洞察を提供する可能性もあります。
何十年もの間、科学者たちはサンプルを収集してウイルス圏を解読しようと試みてきました。その水源は、地元の小川からの水などの日常的な水から、南極の氷や深層水などの極端な水まで多岐にわたります。これらのサンプルから抽出された RNA は注意深く配列決定され、データベースに保管されます。メタゲノミクスと呼ばれるこの方法は、環境からすべてのウイルス RNA の断片を捕捉します。
遺伝子の宝の山を理解するには、さらに多くの作業が必要です。従来の計算手法では、これらの大規模なデータベースを選別して有意義な洞察を得るのは困難です。
。 Meta によって開発されたこのプログラムは、大規模言語モデル (OpenAI の ChatGPT や Google の Gemini を強化しているのと同じテクノロジー) に依存し、アミノ酸の「文字」に基づいてタンパク質の構造を予測します。 DeepMind の AlphaFold や David Baker の RoseTTAFold などの同様の手法は、最近開発者に2024 年ノーベル化学賞.
ESMFold は分子配列を取り込み、タンパク質の 3D 構造を原子レベルで予測します。最初の実際のタスクとして、科学者たちは AI を使用して、私たちが最もよく知らない微生物のタンパク質の「暗黒物質」を解読しました。昨年、AIが構造を予測した微生物から得られるタンパク質。 10％はこれまでに発見されたものとはまったく異質なものでした。
これに注目して、Shi 氏のチームは、同様の戦略が RNA ウイルスの世界でも機能するかどうかを尋ねました。
ウイルスのパンニング
科学者たちはこれまでに AI を使用して、潜在的な新しい RNA ウイルスを特定しました。ペタバイト規模の遺伝子配列データ— およそ 5 億枚の高解像度写真に相当する量。
これらの研究は、RNA 依存性 RNA ポリメラーゼ (RdRP) に焦点を当てました。ここで、RNA 配列は、ほとんどの RNA ウイルス ゲノムにタグを付けるタンパク質ファミリーである RdRP をコードしています。初期の分析遺伝子データに基づいて、約 132,000 の新しい RNA ウイルスを特定しました。
問題？ウイルスは急速に変異します。 RdRPをコードする遺伝子文字が変化すると、それらの配列に基づいて訓練されたAIは変異ウイルスを認識できなくなる可能性がある。新しい研究では、以前のアプローチと 2 チャネル AI の ESMFold を組み合わせることで、この問題に取り組みました。
最初のチャネルは、ChatGPT と同様のトランスフォーマー ベースのモデルを使用して、大規模なデータベースからウイルス RdRP をコードするアミノ酸配列「キーワード」を抽出します。目的の配列とランダムに生成された配列を使用してトレーニングした後、AI は、RdRP をコードする約 20,000 の頻繁に出現するタンパク質配列の語彙を作成しました。
以前の方法と比較して、このステップでは遺伝子ライブラリーをより消化しやすいセクションに分割するため、AI がより長い遺伝子配列に取り組み、ウイルスの RdRP タンパク質を検出することが容易になります。
2 番目のチャネルは ESMFold のバージョンをタップします。これは遅いが慎重な読者です。タンパク質の単語を読み解くのではなく、すべての文字を「読み取り」、各文字が他の文字と構造的にどのように結合して 3D タンパク質の形状を形成するかを予測します。このステップにより AI がグラウンディングされ、生きたウイルスの中で RdRP がどのように見えるべきかのアイデアが得られます。
LucaProt は、RdRP タンパク質をコードする約 6,000 の配列と、さまざまなタンパク質をコードすることが知られている 229,500 以上の配列でトレーニングされました。研究者が答えを知っているテスト データセットに挑戦したところ、AI は非常に正確で、誤検知を返す確率はわずか 0.014% でした。
AI は 70,458 個の潜在的な新しいユニークなウイルスを発見しました。土から分離された1つは驚くほど長いゲノムを持っており、「これまでに確認された中で最も長いRNAウイルスの1つ」と研究チームは書いている。他の種は、温泉や塩分濃度の高い湖で繁殖する可能性があります。
拡大したウイルススフェアにより、既知のウイルス グループに新しいウイルスが追加されます。たとえば、フラビウイルス科、肝炎や黄熱病を引き起こします。 LucaProt はまた、それぞれが今日知られているすべてのウイルスとは大きく異なる 60 の異なるウイルス グループを特定しました。
それらが病気を引き起こすというわけではないが、「これまでのRNAウイルス発見プロジェクトではほとんど見落とされてきた」と研究チームは書いている。
ババイアンへ、この研究は、「進化の恩恵から遠く離れたRNAウイルスの生物多様性の小さなポケット」を発見した。
バイラルヒット？
ウイルスが生き残るためには生きた宿主が必要です。チームは、これらのホストを予測するために AI をアップグレードしています。ほとんどの RNA ウイルスは、植物、動物、人間を含む真核生物に感染します。一部のウイルスは細菌にも感染します。ウイルスのいたちごっこから、遺伝子エディター CRISPR-Cas9 が誕生しました。
「RNAウイルスの進化の歴史は、細胞生物の進化の歴史と同じか、それより長い」と著者らは書いている。
生命の 3 番目の部門である古細菌は無視されることがよくあります。地球上の生命の初期段階で進化したこれらの生命体は、遺伝物質の複製方法など、細菌や真核生物との類似点を共有しています。
しかし、古細菌は、熱水噴出孔や極度の塩分濃度の高い水などの極端な環境で繁栄する、独特の生命の分野です。 RNA ウイルスが古細菌にも感染する可能性があるというヒントがあります。もしそうであれば、私たちの生命の樹について新たな洞察が生まれる可能性があり、CRISPR と同様に、新しいバイオテクノロジーにつながる可能性があります。
画像クレジット:国立アレルギー感染症研究所/アンスプラッシュ