ハイブリッド空間での並列化ベイズ最適化による高活性酵素ナノハイブリッドの加速発見

自然の小さな働き手のための賢い工場

酵素は自然の微小な機械であり、植物が光を取り込み、私たちの体が食物を消化する仕組みなど、さまざまなプロセスを静かに駆動しています。産業界はこれらの生物学的ツールを利用して、燃料や医薬品、材料をよりクリーンかつ効率的に作りたいと考えています。しかし酵素は繊細で、自然の快適領域を離れるとたいていは変性して働かなくなります。本研究は、人工知能（AI）主導の手法が、酵素を過酷な工業条件下でも活性かつ再利用可能に保つ保護用の“ナノスーツ”を迅速に設計できることを示しており、コスト削減や環境に優しい製造の加速に寄与する可能性があります。

なぜ酵素に保護された“住まい”が必要か

単体の酵素は水中を自由に漂い、化学反応を驚くべき速さと精度で触媒するために常に柔軟に動いています。しかし工場では、高温や過酷な溶媒、繰り返し使用がその壊れやすい立体構造を損なうことがあります。一般的な対策として、酵素を固体粒子内または表面に閉じ込めて回収・再利用しやすくする方法がありますが、これにはトレードオフが伴います。酵素は安定化する一方で、周囲の素材が基質の酵素活性部位への到達を妨げたり、封入過程の厳しい条件が酵素を傷めたりして活性が大幅に低下することがあるのです。したがって各酵素に適した“住まい”を設計することは、遅い試行錯誤の芸術になっていました。

AIで巨大な設計空間を探索する

研究チームは、この問題に対して酵素担体として金属–有機構造体（MOF）と呼ばれる微細な多孔質または非晶質材料を用いました。これらは金属イオン（本研究では亜鉛塩）と有機の“リンカー”分子でできており、モジュール式の部品のように組み合わさります。7種類の亜鉛塩、17種類のリンカー、そして連続的に調整可能な濃度や反応時間を組み合わせると、研究者は1,000万を超える実験の可能性に直面しました──手で全部を試すにはあまりにも多すぎます。そこで彼らは力任せに網羅する代わりに、並列化ハイブリッド空間ベイズ最適化（PHBO）という新しいアルゴリズムを中心としたAI駆動のワークフローを作り、“どれか一つを選ぶ”という離散的選択（どの金属やリンカーか）と連続的な調整（量や時間）を同時に扱い、複数の有望な処方を一度に提案できるようにしました。

アルゴリズムが学び改善する仕組み

PHBOは、処方と単一の性能スコアである「活性回復」を結び付ける統計モデルを構築することで機能します。このスコアは、担体内にどれだけ酵素が取り込まれ、その後どれだけ機能を維持しているかの両方を捉えます。控えめな初期実験群から出発し、アルゴリズムは設計空間のどこに高性能な材料が見つかるかを予測し、少数の新しい実験を並列で提案します。重要なのは、金属やリンカーの選択を固定の選択肢として扱うのではなく確率分布として扱う点で、これにより通常は滑らかな連続問題に使われる勾配ベースの手法を利用してより効率的に改善方向へ向かうことができます。さらに「nearby liar（近傍虚偽）」戦略が各バッチの多様性を確保し、ロボット化学者がほとんど同一の条件を繰り返しテストしてしまうことを防ぎます。

酵素ごとに調整されたナノスーツ

検証にはバイオセンサーや食品加工で重要な酵素であるグルコースオキシダーゼ（GOx）を用い、PHBOが人手による試行錯誤や従来のベイズ手法を上回ることを示しました。数十回の実験内で、自由状態の酵素の活性を回復し、時には上回る亜鉛–リンカーの組合せが特定され、固定化の利点も享受できました。顕微鏡観察や構造解析から、最良の担体は従来の剛直で高多孔の結晶ではなく、むしろ小型でより非晶質な亜鉛–有機ナノハイブリッドであることが明らかになりました。これらは内部に明確な細孔構造をほとんど持たない緩い酵素濃縮領域を形成し、基質が酵素に到達しやすくしつつ三次元構造を保護します。

一つの酵素から学んで別の酵素を助ける

研究チームはさらに進んで、AIが一つの酵素で学んだことが他の酵素の最適化を加速できるかを検討しました。彼らはGOxから得たデータとモデル構造を用いて、過酸化水素を分解するカタラーゼと、ファインケミカル製造で広く使われるカンジダ・アンタルクティカ リパーゼB（CalB）という非常に異なる二つの酵素の探索を“ウォームスタート”しました。この転移学習により、新しい酵素に対する最初の提案条件ですでに高い性能が得られ、その後のラウンドで迅速にほぼ完全な活性回復を達成する担体が見つかりました。興味深いことに、理想的な担体処方は酵素ごとに異なり、万能の材料は存在しないことを示し、柔軟でデータ駆動の設計ツールの価値を強調しています。

より環境に優しい化学への意味

非専門家にとっての主な結論は、著者らが酵素材料のための一種の「スマート探索器」を構築したことです。何千もの処方を数か月から数年かけて試す代わりに、このAI主導アプローチを使えば、膨大な可能性の海の中から少数の非常に活性な酵素–ナノ担体の組合せに素早く絞り込むことができます。本研究は、酵素を緩やかに閉じ込めるように調整したナノ構造によって、性能を犠牲にせずに安定性を保てること、そしてこの戦略を新しい酵素や用途に迅速に適用できることを示しています。実務的には、これにより医薬品から生分解性プラスチックに至るまで、酵素を堅牢で高性能な触媒として導入するのがずっと容易になり、よりクリーンで効率的な産業プロセスの開発を加速する可能性があります。

引用: Liu, Y., Hu, H., Han, Y. et al. Accelerated discovery of highly active enzyme nanohybrids with parallelized Bayesian optimization in hybrid space. Nat Commun 17, 3634 (2026). https://doi.org/10.1038/s41467-026-70251-3

キーワード: 酵素の固定化, ベイズ最適化, 金属有機構造体, バイオ触媒, 化学における機械学習