著者の所属・活動拠点の国は、中国です。

掲載誌：Frontiers in Nutrition

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

油の搾りかすに眠るうま味の候補を探す

ヒマワリは世界的に重要な油糧作物です。種子から油を搾ると、大量の「ヒマワリミール」（搾りかす）が副産物として残ります。ヒマワリミールは良質なたんぱく質や必須アミノ酸を多く含みますが、これまでは主に家畜の飼料や肥料に回され、十分に活用されてきませんでした。

近年は、植物たんぱく質を酵素で分解し、風味を持つ短いペプチド（数個のアミノ酸がつながった分子）を取り出す方法が、副産物の価値を高める手段として注目されています。研究チームはこの流れを受け、ヒマワリのたんぱく質からうま味ペプチドの候補を効率よく見つけ出すことを目指しました。あわせて、候補ペプチドが舌のうま味受容体「T1R1/T1R3」とどのように結び付くのかを、分子レベルで調べています。

コンピューター上の分解とAIによる絞り込み

研究チームはまず、公開データベースからヒマワリのたんぱく質配列7万5694件を取得しました。続いて、消化酵素トリプシンが切断する位置で、すべての配列をコンピューター上で切り分けました。この仮想的な分解により182万8570個の断片が生じ、重複を除くと95万7995種類になりました。著者らは、アミノ酸2〜3個のペプチドはうま味が弱く、9個以上になると苦味などの好ましくない味が出やすいとする知見に基づき、長さ4〜8個のものに対象を絞りました。その結果、26万5051種類の短いペプチドからなるデータベースができました。

次に、既知のうま味ペプチドの性質を分析しました。既知のうま味ペプチドは分子量がおおむね1000ダルトン未満と小さく、水になじみやすい傾向がありました。構成するアミノ酸では、グルタミン酸が平均14.14%と最も多く、アスパラギン酸、ロイシンが続きました。研究チームはこれらの特徴から、分子量、酸性アミノ酸の割合などに関する条件を定めました。この条件で候補を5万79種類に絞り込んでいます。

さらに、たんぱく質の配列を学習した言語モデル「ESM-2」を使い、各ペプチドの特徴を数値で表しました。この数値をもとに、うま味ペプチドかどうかを判定する機械学習モデルを4種類作り、性能を比べています。その中で、決定木を積み重ねる手法「LightGBM」が最もバランスのよい成績を示しました。正解率は約0.898、判別能力の指標であるAUCは約0.948でした。研究チームはこのモデルで候補に点数を付け、上位4つのペプチド、ELLADMK、HELDTK、ADVLEK、LEELMDKを選び出しました。

味の測定と受容体との結合の解析

選ばれた4つのペプチドは実際に合成され、水に溶かした状態で電子味覚システム（味を電気的な信号として測る装置）による評価を受けました。論文の結論によると、うま味とコク（味の厚み）の評価が最も強かったのはELLADMKとLEELMDKでした。HELDTKとADVLEKのうま味は比較的弱いと報告されています。

続いて研究チームは、AI（AlphaFold3）で予測したヒトのうま味受容体T1R1/T1R3の立体構造を使い、ペプチドが受容体のどこにどう結合するかを計算で調べました。その結果、4つのペプチドはいずれも、受容体の「ハエトリグサ型ドメイン」と呼ばれる部分の割れ目に結合しました。この部分は二枚貝のように開閉する構造をもちます。結合の主な原動力として著者らが挙げたのは、ペプチドに含まれる酸性アミノ酸（アスパラギン酸やグルタミン酸）と、受容体側の正の電荷を持つアミノ酸との引き合いです。

さらに、200ナノ秒にわたる分子動力学シミュレーション（原子の動きを時間を追って計算する手法）を行いました。ペプチドが結合すると受容体の構造は、何も結合していない状態に比べて大きく揺らぎました。中でもELLADMKは受容体の構造を押し広げ、柔軟性を高めたと報告されています。エネルギーの解析によれば、ELLADMKが結合した受容体は特定の安定した形に落ち着きました。一方、うま味が弱かったHELDTKとADVLEKでは、受容体がいくつもの浅い状態の間を行き来していました。研究チームはこれを、結合に応じて受容体の形が変わる「誘導適合」の違いとして説明しています。

結合の強さを見積もる計算では、全体として最も安定した結合を示したのはHELDTKでした。一方で、分子同士がぴったり密着することで生じる引力（ファンデルワールス力）はELLADMKで最も強くなりました。著者らは、ELLADMKのこの強い密着が、受容体の構造を押し広げる鍵になっている可能性があると考察しています。

研究が示すこと

この研究は、ヒマワリのたんぱく質から、コンピューター上の分解、機械学習による選別、電子味覚による測定、分子シミュレーションをつなげる流れを組み立てました。その流れによって、うま味ペプチドの候補を見いだしています。著者らはこの成果をもとに、ヒマワリミールが風味成分の持続可能な供給源になりうること、そして風味ペプチドを大量の候補から効率よく探す枠組みを提示しました。

一方で著者らは、限界も明記しています。仮想的な分解に使った酵素はトリプシン1種類のみで、実際の食品加工で用いられる複数の酵素による分解とは異なります。また、受容体を発現させた細胞での機能試験は行われていません。今回の成果は、計算と装置による測定をもとに、ヒマワリ由来のうま味ペプチド候補と、それらが受容体に働きかけるしくみの手がかりを示したものといえます。

原著論文の著者・所属：Zimo Zhang（School of Life Sciences and Biopharmaceuticals, Shenyang Pharmaceutical University）、Fei Ye（School of Biological and Pharmaceutical Engineering, Jilin Agricultural Science and Technology College）、Haifeng Zhao（Jilin Institute for Drug Control, Changchun, China）、Xiaozheng Shi（Changchun University of Chinese Medicine）

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Zimo Zhang, Fei Ye, Haifeng Zhao, et al. Discovery of sunflower-derived umami peptides via machine learning and molecular dynamics simulation of their interactions with the T1R1/T1R3 receptor. Frontiers in Nutrition 2026-09-25. DOI: 10.3389/fnut.2026.1961387. 原著ライセンス：CC BY.