AlphaFoldが遺伝子編集タンパク質の再設計を支援、安全性が向上

遺伝子編集の分野において、CRISPR技術はその高い効率性と利便性から生物医学研究の中核ツールとなっている。しかし、オフターゲット効果——すなわち非標的DNA配列を誤って切断してしまう問題——は、臨床応用における大きな障壁であり続けてきた。このたび、複数の研究機関のチームがGoogle DeepMindの開発したAIシステム「AlphaFold」を活用し、遺伝子編集タンパク質の再設計に成功した。編集効率を維持しながらエラー率を大幅に低減するもので、関連成果は『Nature Biotechnology』誌に発表された。

オフターゲット問題の根本原因

CRISPR-Cas9システムは、ガイドRNA（gRNA）とCas9ヌクレアーゼという2つの中核コンポーネントから構成される。gRNAはCas9を標的DNA配列へと誘導し、Cas9が切断を実行する。理論上、gRNAとDNAが完全に一致すればCas9は正確に切断するが、実際にはCas9が部分的なミスマッチを許容してしまい、他の位置での二本鎖切断を引き起こすことがある。このオフターゲット効果はゲノムの不安定化、さらにはがんリスクをもたらす可能性がある。

過去10年間、科学者たちはgRNA設計の最適化や高忠実度Cas9変異体の開発などによってオフターゲットを低減しようとしてきたが、その効果は限定的であった。最大の課題は、Cas9タンパク質の構造が非常に複雑であり、DNAとの相互作用が複数の結合領域にわたるため、従来の指向性進化法では網羅的なスクリーニングが困難な点にある。

「AlphaFoldのおかげで、初めて原子レベルの精度でCas9とDNAの相互作用を観察し、誤った切断を引き起こす重要なアミノ酸残基を迅速に特定できるようになりました」と、研究チームリーダーであるMIT生物工学部のZhang Kai教授は述べた。

AlphaFold：予測から設計へ

AlphaFoldはGoogle DeepMindが開発したタンパク質構造予測モデルであり、2021年に公開された第2世代バージョンは数億種のタンパク質構造を正確に予測したとして学術界に衝撃を与えた。本研究では、チームがAlphaFoldを用いてCRISPR-Cas9の複数の変異体について構造シミュレーションを実施し、Cas9の「認識葉（recognition lobe）」と「ヌクレアーゼ葉（nuclease lobe）」の間の動的コンフォメーション変化に着目した。

高忠実度変異体と野生型Cas9の構造差異を比較することで、AlphaFoldはK848、R976、R1066という3つの重要サイトを明らかにした。これらのサイトはミスマッチDNAとの結合時に異常なコンフォメーション変化を示し、非特異的結合を安定化させていた。研究者らはその後、コンピュータシミュレーションによってこれら3サイトのアミノ酸置換（K848E、R976A、R1066Sなど）を設計し、体外実験で検証を行った。

実験結果：安全性と効率性のバランス

実験データによると、改変されたCas9変異体（「AlphaCas9」と命名）はヒト細胞において複数の標的遺伝子に対して野生型と同等の編集効率を示した一方、非標的サイトでの切断活性は平均89%低下した。さらに注目すべきは、複数のgRNAを用いた多遺伝子編集においてAlphaCas9のオフターゲット累積率が元の1/7にとどまったことである。

また、これらの変異がCas9のPAM配列認識能力や切断キネティクスに影響を与えないことも判明しており、この改変が主にDNA結合の特異性に作用していることが示された。チームはその後のマウス胚編集実験においても、明らかなオフターゲット現象を観察しなかった。

編集後記：AIが牽引するタンパク質工学の新時代

本研究は遺伝子編集の安全性に対して実行可能な解決策を提供するとともに、AI支援によるタンパク質工学のマイルストーンを打ち立てた。従来のタンパク質設計はX線結晶解析や極低温電子顕微鏡（cryo-EM）による構造解析に依存しており、数ヶ月から数年を要していた。一方AlphaFoldは予測サイクルを数日間に短縮し、数万通りの変異の組み合わせの効果を迅速に評価できる。

ただし、慎重さも必要だ。現時点でAlphaCas9は限られた細胞種でのみ検証されており、長期的な安全性、免疫原性、体内デリバリー効率については更なる研究が必要である。また、AlphaFold自体にも精度上の限界があり、特に多ドメインタンパク質のコンフォメーション動態シミュレーションでは正確性が不十分な場合がある。今後、より強力な生成AI（進化スケールモデルなど）と組み合わせることで、より完璧な遺伝子編集ツールをゼロから設計できるかもしれない。

注目すべき点として、この研究の成功はAI倫理に関する議論も呼び起こしている。AIが容易により高効率な遺伝子編集タンパク質を設計できるなら、ヒト生殖細胞への編集リスクをどのように管理すべきか。各国の規制当局は相応の技術評価フレームワークを事前に策定すべきである。

総じて、今回のAlphaFold応用は合理的設計がランダム変異誘発に取って代わる転換点を宣言するものである。遺伝子治療の安全性向上は、研究室から臨床への歩みを加速させるだろう。

本記事はArs Technicaから編集翻訳したものである。