OmegaFold（オメガフォールド）
中国のHeliXonが2022年に発表した単一アミノ酸配列からのタンパク質構造予測モデル。MSA（多重配列アラインメント）不要でAlphaFold 2に匹敵する精度を実現した。
OmegaFoldとは
OmegaFoldは中国のバイオテクAI企業HeliX（Helixon）が2022年に発表したタンパク質構造予測モデル。最大の特徴は多重配列アラインメント（MSA）を一切使用せず、単一のアミノ酸配列だけから高精度な3D構造を予測できる点にある。
背景：MSA依存の課題
AlphaFold 2の高精度の要因の一つはMSA（相同配列の多重アラインメント）による進化情報の活用だが、以下の課題がある:
- 計算コスト: MSA構築に数十分〜数時間を要す場合がある
- 孤立タンパク質（Orphan Protein）: 相同配列が少なく十分なMSAが得られない
- 新興ウイルス: 進化情報が蓄積されていない新規ウイルスタンパク質
- 合成タンパク質: 自然界に存在しないデノボ設計タンパク質
アーキテクチャ
OmegaFoldは2つの主要コンポーネントで構成される:
1. タンパク質言語モデル（PLM）
大規模タンパク質配列コーパスで事前学習したLM。単一配列から進化的・構造的情報を暗黙的に抽出する。ESM-2類似のアーキテクチャ。
2. 幾何学的トランスフォーマー
AlphaFold 2のEvoformer/IPA類似の構造推論モジュール。PLMの出力を受け取り、原子座標を反復的に精緻化する。MSAの代わりにPLMの表現を使用。
AlphaFold 2との比較
MSA要否: AlphaFold 2は必要・OmegaFoldは不要。速度: MSA構築込みで遅い vs 単一配列で高速。Orphan Protein: AF2は苦手・OmegaFoldは得意。既知タンパク質精度: AF2が高い vs OmegaFoldは同等〜やや低い。CASP14準拠ベンチマークではAlphaFold 2と同等の精度を示し、特に配列情報の少ないタンパク質で優位性を発揮。
主な応用
- メタゲノムタンパク質注釈: 環境サンプルから得られた未知タンパク質の機能予測
- 新型コロナ・インフルエンザ変異株解析: 変異速度の速いウイルスタンパク質への即応
- ドラッグリパーパシング: 既存薬の新標的タンパク質への結合予測
- 合成生物学: デノボ設計タンパク質の構造検証
エコシステムと後継
- Helixon OmegaFold Webサーバー: 無料API（学術向け）
- ColabFold: OmegaFoldをGoogle Colab上で実行するワークフロー
- RoseTTAFold2: UW IPDによる並列開発の競合モデル
位置づけ
AlphaFold 3・ESM-3などの大規模モデルと異なり、OmegaFoldは軽量・高速・MSA不要の特性から研究者の日常的な構造予測ツールとして普及。特に孤立タンパク質やウイルス進化研究のコミュニティで活用が広がっている。