背景

バクテリオファージΦX174は大腸菌に感染する原型の単鎖DNAウイルスであり、ゲノムは5,386個のヌクレオチドと11種類のタンパク質から構成される。1970年代にゲノム配列が初めて解読され、2000年代には化学的に合成された最初のゲノムとして記録された。最近ではゲノム言語モデルがΦX174を基に感染性を持つファージを設計し、合成生物学の代表的な試験台として再び注目されている。

しかし、塩基配列を読んだり新規に生成する能力が、変異の生物学的結果を理解できるという意味ではない。従来の変異効果予測器（variant effect predictor・VEP）は進化的な保存度やタンパク質構造、大規模な配列データから学習した統計的ルールに依存している。ウイルスのように配列データが限られ、タンパク質間の相互作用が密接な体系では性能が十分に検証されていない。

核心的発見

魏進威、李香華、レナー・ベンの研究チームは、ΦX174ゲノムの各塩基を他の3つの塩基に置き換え、タンパク質の各アミノ酸を残りの19種類に変える包括的な突然変異解析を行った。作成された変異体は4万4,000個以上に達した。研究チームはそれらを感受性大腸菌とともに80分間培養した。ファージが2～3回感染サイクルを経る間に増殖した変異体と消えた変異体をDNAシーケンス解析で区別し、適合度を算出した。

全体の単一ヌクレオチド変異の半分、アミノ酸置換の60％以上がファージ適合度を低下させた。既に実験室環境に最適化されたと考えられるΦX174の増殖力をさらに高める変異も少数見つかった。有害なアミノ酸変異の47.6％はファージタンパク質同士、またはファージと宿主タンパク質の相互作用界面に位置していた。タンパク質内部のコア部を破壊した変異は25.4％であった。残りの約4分の1は既知の構造と相互作用情報だけでは動作原理を説明できなかった。

研究チームは、ESM-1v、ESM-2、ESM3、ProGen2、Tranception-L、GEMME、SaProtなどの最新のタンパク質言語モデルと構造・進化に基づく予測器を実験値と比較した。モデルの予測力は全体的に中程度にとどまった。タンパク質複合体で計算した相対溶媒アクセス性という単純な構造指標も中央値スピアマン相関係数0.41を記録し、単量体構造指標の0.26より優れていた。複雑なAIが相互作用界面という基本的な構造情報を一貫して超えることはなかった。

意義と展望

今回の結果は、生物学的配列をうまく生成する能力と、特定変異の表現型を因果的に予測する能力の間に大きなギャップがあることを示している。特に、タンパク質折りたたみだけを検討しても、変異による被害の主な原因である分子間相互作用の崩壊を見逃す可能性がある。変異解釈モデルには単一タンパク質配列だけでなく、複合体構造、宿主因子、感染段階別の表現型を同時に学習させる戦略が求められる。

このデータは、ウイルス変異予測やファージ設計モデルの評価に用いられる全長規模の基準データとなり得る。ただし対象は小さなモデルファージ一つであり、適合度は大腸菌を用いた80分間の競争培養で測定された。宿主の種類や培養環境が変われば変異効果も変わる可能性がある。研究がピアレビューを経ていないプレプリントであるという事実も解釈に反映すべきである。