タンパク質工学の分野において、人工知能を活用したデノボ（ゼロからの）タンパク質生成技術が急速に進展しています。治療薬設計、酵素工学、合成生物学など多岐にわたる応用が期待される中、新たなフレームワーク「ProHiFlo」が提案されました。 従来の拡散ベースおよびフロー・マッチング手法は単一の解像度で動作し、機能的制約を組み込むメカニズムが不足していました。ProHiFloはこの課題を解決するために、3つの革新的な特徴を備えています。まず、粗粒度から微細へと段階的に生成を進める階層的アプローチにより、骨格幾何構造をモデル化した後、全原子座標へ精密化します。この手法により、計算コストを大幅に削減しながら精度を維持することが可能になります。 次に、事前学習された予測器を活用した機能的ガイダンスにより、再訓練することなく所望の特性に向けて生成を制御できます。さらに、多スケール処理に対応した適応的SE(3)同変アーキテクチャを採用することで、効率的な処理が実現されています。 実験結果は技術の優位性を明確に示しています。無条件生成、モチーフスキャフォルディング、機能設計において最先端の性能を達成し、従来比で4ステップ少ないサンプリングで済みます。特に酵素活性部位スキャフォルディングでは58.9%の成功率を達成し、既存手法RFDiffusionの41.2%を大きく上回っています。