科学の問いを、予測の課題にする
タンパク質は、アミノ酸の並びだけでなく立体的な形が重要です。AlphaFoldの公式実装は、配列を入力し、関連する配列や構造の資料を利用して立体構造を予測する流れを公開しています。
見栄えのよい分子の画像を作ることと、実際の構造へ近い予測をすることは違います。この事例では、予測と実測をどう比べたかが展示の中心になります。
青と緑を重ねて見る
引用図では、青が計算による予測、緑が実験による構造です。T1037 / 6vr4とT1049 / 6y4fという二つの対象を示し、それぞれ90.7 GDT、93.3 GDTという評価値が記されています。
同じ場所で重なっている部分と、離れて見える部分を観察できます。ただし二例の図と数値から、すべてのタンパク質で同じ精度が出るとは言えません。各対象を識別する名前も、結果を追うための重要な情報です。
資料を見て読む
画像を原寸で開く 公式アニメーションの最初のフレーム。T1037 / 6vr4とT1049 / 6y4fの二例について、実験構造（緑）と予測（青）を比較しています。GDTの値と対象名を原図のまま残しています。
John Jumper ほか / Google DeepMind · 研究資料の引用。著作権は各著作者に帰属。 · 動画の最初のフレームをPNGとして抽出。切り抜き・描き足しなし。 · 画像の出典
構造と、予測の確かさを分ける
公式実装は、予測した構造そのもの、形状を調整した構造、モデルの信頼度による順位など、複数の出力を説明しています。画面の画像だけでなく、結果を再利用・評価するためのデータが出ます。
図中のGDTは実験構造との比較に関する評価です。一方、公式実装で予測の順位付けに使うpLDDTは、モデル側の信頼度に関わる値です。名前の似た数値を、すべて実測との一致率と読み替えないことが必要です。
予測を、次の研究へつなぐ
構造予測の結果を得ることだけで、そのタンパク質のすべての働きや、薬としての効果が決まるわけではありません。予測が答えている課題と、その先の研究課題を分けて考えます。
この展示では公式公開の図を読み解いています。AI ATLASがモデルを実行し、同じ構造や評価値を再現した記録ではありません。原資料の対象と評価条件をたどれるように、図の凡例と名称を残しました。
出典をたどる
本文は資料をもとにした日本語の解説です。引用画像は個別に出典を表示しています。研究の結果と現在の製品の提供条件は区別して読んでください。
- 研究者の公開実装AlphaFold — 公式実装・CASP14の予測例 John Jumper ほか / Google DeepMind · 2021 · Nature論文の年。掲載図はCASP14の予測例。
読む場所：CASP14 predictions; AlphaFold output; Citing this work
実測構造と計算による予測の図、予測構造ファイル、信頼度による順位付け。
資料確認 2026-10-29