On the Reliability of AI Methods in Drug Discovery: Evaluation of Boltz-2 for Structure and Binding Affinity Prediction

本論文は、創薬における AI ツール「Boltz-2」の大規模評価を通じて、その予測速度の利点はあるものの、構造および結合親和性の精度が物理ベースの手法に劣り、リード化合物の同定には物理ベースの手法による検証と精査が不可欠であることを示しています。

要約

🍳 物語：AI 料理人と味見係の対決

創薬の世界では、**「薬の候補となる分子（食材）」が「タンパク質（鍋）」にどう入り、「どれくらい強くくっつく（味）」**かを予測することが重要です。

• 従来の方法（物理ベース）： 鍋と食材の重さ、温度、化学反応をすべて計算して、正確に味をシミュレーションする。非常に正確だが、時間とコストが莫大にかかる（例：1 品作るのに数週間かかる）。
• 新しい方法（AI）： 過去のレシピ（データ）を何百万も見て学習した「天才 AI 料理人」。一瞬で「この組み合わせは美味しいはず！」と予想してくれる。超高速だが、本当に美味しいのかは未知数。

今回、研究者たちは最新の AI 料理人**「Boltz-2（ボルツ 2）」**をテストしました。

🧐 テストの結果：何がわかった？

研究者たちは、2 つの異なる「鍋（タンパク質）」に対して、1 万 6 千〜2 万 個以上の「食材（化合物）」を AI にチェックさせました。その結果、以下のようなことがわかりました。

1. 料理の形（構造）は、AI が「勘違い」していることが多い

AI は「この食材は鍋のどこに置けばいいか」を瞬時に予想します。

• 結果： 多くの場合、AI は食材を**「鍋の縁」や「全く別の場所」**に置いてしまいました。
• 比喩： AI は「パスタを鍋に入れる」と言われて、**「鍋のフタの上にパスタを乗せる」**ような提案をしてしまうことがあります。形は似ているけど、肝心の「鍋の中（結合部位）」に入っていないのです。
• 特に 3CLPro（コロナウイルスの酵素）： AI は食材を鍋の奥深くに入れるどころか、**「鍋の横に置いた」り、「鍋の底に沈めた」**りと、実験結果（X 線写真）と全く違う場所に配置してしまいました。

2. 「味」の予測（結合親和性）は、「当たり外れ」が激しい

AI は「この組み合わせは美味しい（薬として効く）」と予想しますが、その**「美味しさのレベル」**を正確に数値化できません。

• 結果： AI は**「どんな食材も、だいたい『そこそこ美味しい（-5〜-8 kcal/mol）』」**と一律に評価してしまいます。
• 比喩： AI は「最高級のステーキも、安いハンバーガーも、どちらも『美味しい』と評価する」ような状態です。本当に美味しいもの（強力な薬）と、まずいもの（効かない薬）を見分ける精度が低く、ランキング付けができません。
• トップ 100 選抜： AI が「これが一番美味しい！」と選んだトップ 100 個の食材を、厳格な味見係（物理計算）でチェックすると、**「全く関係ない味」**であることが判明しました。AI の「美味しい」という基準と、現実の「美味しい」はズレていました。

3. 食材の「状態」がおかしい（飽和の問題）

AI が生成した食材の形を詳しく見ると、**「化学的な性質」**がおかしいことがわかりました。

• 結果： AI は、本来「水素原子が足りない（不飽和）」はずのリング構造を、**「水素が余分についている（飽和）」**ように描いてしまったり、その逆も起こりました。
• 比喩： AI が「リンゴ」を描く際、**「リンゴの皮をむいて、中身を空っぽにして、さらに別の果物を詰め込んだ」**ような、現実にはあり得ない形を作ってしまうのです。
• なぜ？ AI は「形」を学習していますが、「化学の法則（原子の結合ルール）」を完全に理解しているわけではないため、**「見た目はそれっぽいが、中身は嘘」**という構造を作ってしまうのです。

💡 結論：AI は「下書き」には使えるが、「完成品」にはならない

この研究の結論は非常に明確です。

• AI の役割： 膨大な数の候補を**「一瞬でざっくりと選別する（スクリーニング）」には役立ちます。AI は「この辺りに美味しいものがありそう」という「大まかな地図」**を描くのが得意です。
• AI の限界： しかし、「どの薬が本当に効くか」を決定する最終段階では、AI は頼りになりません。AI の予測は、**「物理法則（現実の化学反応）」に基づいていないため、「活動の崖（少し構造を変えただけで効き目が激変する現象）」**のような複雑な現象を捉えきれません。

🏁 最終メッセージ

「AI は素晴らしい助手ですが、医師（研究者）の代わりにはなれません」

AI が描いた「料理のレシピ（構造）」や「味の予想（結合エネルギー）」は、必ずしも現実の物理法則と合致していません。
したがって、AI が「これが薬だ！」と言ったとしても、「本当に効くか」を確認するには、従来の厳格な物理計算や、最終的には実験室でのテストが不可欠です。

AI を使いながら、**「物理法則というコンパス」**を忘れないことが、新しい薬を見つけるための鍵だとこの論文は教えています。

技術概要

論文要約：AI 法による創薬の信頼性評価：構造と結合親和性予測における Boltz-2 の検証

本論文は、創薬分野における AI 技術の急速な発展にもかかわらず、まだ承認された「AI 発見の医薬品」が存在しないという現状を踏まえ、最新のバイオ分子基盤モデルである「Boltz-2」の性能を厳密に評価した研究です。特に、タンパク質 - リガンド複合体の構造予測と結合親和性の定量的予測能力について、物理ベースのシミュレーション手法と比較検証を行いました。

以下に、問題意識、手法、主要な貢献、結果、および意義について詳細をまとめます。

1. 背景と問題意識

• AI 創薬の現状: AlphaFold 2 の成功によりタンパク質構造予測は飛躍的に進歩しましたが、医薬品開発の最終段階である「リード化合物の同定と最適化」において、AI が実験結果を代替できるかという点では依然として議論の余地があります。
• 既存手法の限界: 従来のドッキング法は高速だが精度が低く、物理ベースの自由エネルギー計算（FEP や ESMACS など）は高精度だが計算コストが膨大で、大規模スクリーニングには適用が困難です。
• Boltz-2 の主張: 最近発表された Boltz-2 は、タンパク質とリガンドを同時に折りたたむ「共折りたたみ（co-folding）」アプローチを採用し、AI の高速性と物理ベースの精度を両立し、結合親和性を定量的に予測できると主張されています。
• 本研究の目的: Boltz-2 が実際に創薬パイプライン（特にハットからリードへの段階）で信頼できる代替手段となり得るかを、大規模データセットを用いて検証すること。

2. 研究方法

本研究では、以下の 2 つの重要な創薬ターゲットに対して、Boltz-2 の予測結果を伝統的なドッキング法および物理ベースの ESMACS 法と比較しました。

• 対象タンパク質とデータセット:
  • 3CLPro (SARS-CoV-2 メインプロテアーゼ): 16,780 化合物
  • TNKS2 (タンキラーゼ 2): 21,702 化合物
  • 合計 38,482 化合物の大規模データセットを使用。
• 比較手法:
  • 構造評価: Boltz-2 による 3D 構造予測と、X 線結晶構造および従来のドッキング結果との比較。指標として RMSD（構造の歪み）と LDDT（局所的な結合部位の精度）を使用。
  • エネルギー評価: Boltz-2 による結合親和性予測値と、物理ベースの「ESMACS（Enhanced Sampling of Molecular Dynamics with Approximation of Continuum Solvent）」プロトコルから導出された結合自由エネルギー（$\Delta G$）の比較。
    • ESMACS は、初期条件への依存性を低減し、統計的不確実性を定量化するために、多数の独立したシミュレーション（アンサンブル）を実行する手法です。
  • トップ 100 化合物の分析: Boltz-2 によって上位にランクされた 100 化合物について、より高解像度の「FG-ESMACS（Fine-Grained ESMACS）」を用いて詳細な検証を行いました。

3. 主要な結果

3.1 構造予測の精度

• タンパク質構造: 3CLPro では X 線構造に近い予測がなされましたが、TNKS2 では複数の異なるタンパク質コンフォメーションが予測され、X 線構造からの RMSD が 1.0 Å〜1.8 Å 程度変動しました。
• リガンドの結合姿勢:
  • 3CLPro: 予測されたリガンドの結合部位が、実験的に確認された結合ポケットから大きく外れるケースが多数見られました（RMSD が 22 Å〜50 Å に達する分布のプラトー）。
  • TNKS2: 3CLPro よりも精度は高いものの、結合ポケット内でのリガンドの向き（回転や反転）が誤っているケースが多く見られました。
  • LDDT 評価: 局所的な結合環境の保存性を示す LDDT スコアでも、3CLPro の約 11.3% のリガンドで実験値から大きく乖離していました。
• 信頼性スコア: Boltz-2 の内部信頼性スコアは全体的に高く（0.8 以上）、閾値を厳しく設定しない限り、予測の良し悪しを区別する能力（弁別力）が低いことが判明しました。

3.2 結合親和性の予測精度

• 全データセットの相関:
  • Boltz-2 の予測値と ESMACS の計算値の間には、TNKS2 で中程度の相関（ピアソン $r \approx 0.45$）が見られましたが、3CLPro では弱い相関（$r \approx 0.24$）にとどまりました。
  • Boltz-2 は「回帰中心（regression to the centre）」の傾向を示し、多くの化合物の結合親和性を狭い範囲（-5 〜 -8 kcal/mol）に集中させて予測する傾向があり、真の結合分子と非結合分子（デコイ）を区別する感度が不足していました。
• トップ 100 化合物の分析:
  • Boltz-2 によって上位に選ばれた 100 化合物について ESMACS で再評価したところ、両者の間には相関が全く見られませんでした（相関係数はゼロに近い）。
  • Boltz-2 の予測値のばらつきが小さく、モデルの不確実性よりも小さくなっているため、数学的に相関が崩壊したと考えられます。
  • ESMACS による計算では、Boltz-2 の予測構造よりも、ドッキング構造から出発した方が有利な結合自由エネルギーを示す傾向がありました。

3.3 化学構造の誤り（飽和状態の不一致）

• Boltz-2 は重原子座標のみを予測し、水素原子は後付けされますが、この過程で化学的な飽和状態（二重結合の有無など）に重大な誤りが生じていることが判明しました。
  • 環状構造: 飽和環（例：ピペリジン）が芳香族環（例：ピロール）として予測されるなど、不飽和度が過剰になる傾向。
  • 鎖状構造: 不飽和結合（ビニル基など）が飽和炭素（エチル基など）として予測される傾向。
• この化学的同一性の誤りは、結合自由エネルギーの物理的基盤を歪め、予測精度を低下させる主要因であると考えられます。

4. 主要な貢献と結論

• AI モデルの限界の明確化: Boltz-2 は大規模な初期スクリーニングには高速であるものの、リード化合物の同定に必要な「エネルギー分解能（energetic resolution）」と「構造精度」を欠いていることを実証しました。
• 物理ベース手法の必要性: AI による構造生成モデルは、統計的なパターン学習に依存しており、分子認識の背後にある物理法則（非線形性、不連続な活性の崖など）を正しく捉えきれていません。したがって、AI による予測結果の信頼性確保と微調整には、物理ベースの手法（ESMACS など）が不可欠であることを示しました。
• 評価基準の提案: 単なる構造の一致だけでなく、結合自由エネルギーの定量的な相関や、化学構造の妥当性（飽和状態など）を包括的に評価する枠組みの重要性を強調しました。

5. 意義

本研究は、創薬分野における AI 技術の過剰な期待（ハyped）に対して、科学的根拠に基づいた冷静な評価を提供しています。Boltz-2 のような基盤モデルは有用なツールですが、それ単独で臨床的に成功する医薬品を設計することはできず、物理ベースのシミュレーションや実験的検証と組み合わせる「ハイブリッドアプローチ」こそが、信頼性の高い創薬を実現するための鍵であることを示唆しています。特に、AI が生成する化学構造の妥当性を厳格にチェックするプロセスの重要性が浮き彫りになりました。