タンパク質言語モデル。
タンパク質言語モデル（protein language model, PLM）とは、大量のアミノ酸配列を学習させた機械学習モデル。文章の単語列の代わりにアミノ酸の並びを読み込み、1残基ごとに前後の文脈を含んだ数値表現（埋め込み）を割り当てます。構造の予測、相互作用の予測、タンパク質の設計など、配列から何かを引き出す作業の土台として広く使われています。
自然言語の大規模言語モデルと発想は同じです。膨大な配列データの中で「どのアミノ酸の隣にどれが来やすいか」という規則性を学ぶと、その規則性の中に、進化が残してきた構造や機能の制約が織り込まれている、という考え方に基づいています。代表的なものにESM-2などがあり、数千万から数億のパラメータをもつモデルが公開されています。
何が便利なのか
埋め込みは、実験をせずに配列だけから多くの性質を見積もれる出発点になります。たとえば「この位置のアミノ酸を別のものに替えても機能が保たれそうか」という判断を、埋め込み空間の近さとして扱えます。配列と埋め込みの相互変換の精度も上がっており、設計作業そのものを埋め込み空間の操作として行う研究が出てきました。
得意なことと、得意でないこと
モデルが学ぶのは、あくまで自然界に存在する配列の統計です。したがって進化の中で何度も現れた機能はよく捉えられますが、人間が研究室で人為的に押し上げた性能（たとえば改変によって活性を高めた人工酵素）は、配列統計から読み取れるとは限りません。2026年7月にNatureで報告された生成AI「Raygun」の実験では、まさにこの境目が数字として表れています。また、埋め込みは配列の長さに応じて大きさが変わるため、長さの違うタンパク質を直接比べにくいという扱いにくさもあります。