酵素工学

Enzyme Engineering

Molecules 誌に掲載された総説によれば、産業上の反応を効率よく触媒できるよう酵素を設計・改変する取り組みである。従来はランダム変異と選抜を繰り返す指向性進化が中心だったが、数千規模の変異体を実験で検証する必要があり時間と費用がかかる。近年はAIによる構造予測と配列設計が加わり、実験検証を要する変異体の数を減らしながら精度の高い設計が可能になってきたとされる。

詳細

概要

Molecules 誌に掲載された総説(2026年)によれば、酵素は生物内のあらゆる化学反応を加速する高効率な触媒であり、その精度と反応速度の高さから、従来の化学プロセスが抱える課題を解決する手段として利用が図られてきた。同総説は、過去20年ほどでバイオ触媒が、バイオ医薬品・食品・バイオ燃料などの分野における環境負荷の小さい産業バイオテクノロジープロセスにとって重要になったとしている。

技術的な要点

同総説によれば、産業プロセスでは酵素が高温や非天然のpH、有機溶媒といった過酷な環境にさらされるため、安定性が損なわれて目的の反応を最適に触媒できなくなることがある。そのため、特定の化学反応を産業条件下で触媒できるよう酵素系を仕立てることが主要な課題になっている。歴史的には、遺伝子にランダム変異を導入し、望ましい性質を示す変異体をスクリーニングで選抜する指向性進化が用いられてきたが、この手法は数千規模の変異体を実験で検証する必要があり、費用と時間がかかると同総説は指摘する。その後、系の動力学と力学を扱う計算手法を従来の進化的手法と組み合わせる流れが生まれ、天然の触媒タンパク質に匹敵する効率の酵素を設計できた例も報告されている。

産業での位置づけ

同総説は、タンパク質の構造予測と配列設計に関する深層学習の進展が、生物系を精度よく改変する能力を大きく加速させたとしている。AI手法は整備されたデータベースから学習し、安定性や活性といった性質を改善する配列の変更を予測できる。一方で、酵素系の複雑さゆえに酵素工学は依然として難しく、未整備のデータセット、酵素の静的構造と動的構造の双方を考慮する必要、計算と実験を統合する学際的な協働の必要といった課題が残ると同総説は述べている。

関連する用語として [[de-novo-protein-design]] がある。