GYDE: A collaborative drug discovery platform for AI-powered protein design and engineering

本論文は、実験室の研究者が AI 駆動のタンパク質設計や創薬を容易に行えるよう、オープンソースの Web ベース協力プラットフォーム「GYDE」の概要と機能を紹介するものである。

要約

GYDE：科学者のための「魔法の調理台」

～AI を使った薬作りを誰でも簡単にできるプラットフォーム～

この論文は、**「GYDE（ジャイデ）」**という新しいウェブ上のツールについて紹介しています。

想像してみてください。薬を作る科学者（特にタンパク質という「生きた部品」を扱う人々）は、今、AI という超高性能な「魔法の道具」をたくさん持っています。しかし、これらの道具はそれぞれが異なる言語で話しており、使い方が難しすぎて、普通の科学者（実験室で実際に試薬を扱う人）が使うにはハードルが高すぎました。

GYDE は、そんな**「バラバラで難しい道具たちを、一つのおしゃれで使いやすいキッチンにまとめたもの」**です。

---

🍳 従来の問題点：バラバラの道具箱

昔の科学者は、以下のような大変な作業を強いられていました。

• 道具 A（構造予測）を使うには、別の画面を開く。
• 道具 B（実験データ分析）の結果は、また別の Excel シートに保存する。
• 道具 C（AI 設計）は、コードを書く知識がないと使えない。

まるで、料理をするのに、包丁は別のお店、フライパンは別のお店、レシピ本はまた別のお店で買ってきて、キッチンに並べて使うようなものです。とても非効率で、料理（薬の発見）が完成するまでに時間がかかりすぎていました。

✨ GYDE の登場：すべてが揃った「魔法のキッチン」

GYDE は、**「コードが書けなくても、誰でも AI を使ってタンパク質を設計・分析できる」**ように作られました。

1. 3 つの窓が一つに（シーケンス・構造・機能の統合）

GYDE の画面には、3 つの重要な窓が並んでいます。これらは**「魔法の連動」**しています。

• 左の窓（文字の羅列）: タンパク質の「レシピ（アミノ酸の並び）」が見えます。
• 真ん中の窓（3D モデル）: そのレシピで作られた「立体の形」が見えます。
• 右の窓（グラフ）: そのタンパク質が「どれだけよく働くか（実験データ）」が見えます。

面白いところ：左の窓で「この文字」をクリックすると、真ん中の窓で「その部分」が光り、右の窓で「そのデータ」がハイライトされます。まるで**「レシピの材料を変えると、料理の味と形がリアルタイムでどう変わるか」が一目でわかる**ようなものです。

2. 最新の「魔法の道具」がすぐ使える

GYDE の裏側には、**「スリヴカ（Slivka）」**という超高速な調理台（計算サーバー）が繋がっています。

• AlphaFold（AI がタンパク質の形を予測）
• ProteinMPNN（AI が新しいタンパク質のレシピを考案）
• RFDiffusion（AI がゼロから新しい形をデザイン）

これらは、GYDE の画面からボタン一つで実行できます。まるで、「AI 料理人」に「もっと美味しいレシピを作って！」と頼むだけで、数分で新しいレシピが返ってくるような感覚です。

3. 仲間と共有する「魔法のリンク」

実験結果や設計図をメールで送ったり、ファイルを転送したりする必要はありません。GYDE には**「セッション共有」**という機能があります。

• 自分が作った分析画面の**「リンク」を友達に送るだけで、相手も「その瞬間の完全な状態」**（どのタンパク質を見ていたか、どんなグラフを引いたか）をそのまま見ることができます。
• これは、**「料理中の鍋を、そのまま別のキッチンにコピーして、一緒に味見ができる」**ようなものです。

---

🧪 実際の活躍：6 つの「料理」の例

この論文では、GYDE が実際にどう使われたか、6 つの例が紹介されています。

1. タンパク質の「カップリング」を見つける: 2 つのタンパク質がくっつくかどうかを、AI で予測して、実験で確認すべきペアをすぐに選びました。
2. 新しい AI の性能チェック: 最新の AI 2 種類を比べ、どちらが優れているかをグラフで一目で確認しました。
3. 抗体（免疫の武器）の改良: がん細胞に攻撃を仕掛ける抗体を、AI が「ここを直せばもっと強くなる」と提案し、実験で確認するまでを短縮しました。
4. タンパク質の「耐久性」アップ: 酵素（生化学反応を助けるタンパク質）を、AI に「もっと効率よく動くように改造して」と頼み、成功させました。
5. 新しい「鍵」の作成: がん細胞にだけくっつく新しいタンパク質（ミニタンパク質）を、ゼロから AI にデザインさせ、ウイルスの殻（AAV）に組み込む実験を行いました。

---

🌟 まとめ：科学の民主化

GYDE の最大の功績は、「高度な AI 技術」を、特別な知識がない実験室の科学者たちにも開いたことです。

• 以前: AI は「計算の専門家」だけのもの。
• GYDE 以後: AI は「誰でも使える魔法の道具」。

これにより、実験室の科学者と AI の専門家がお互いの得意分野を活かして協力しやすくなり、「新しい薬が見つかるまでの時間」が劇的に短縮されることが期待されています。

まるで、**「プロの料理人だけが持っていた高級な調理器具を、家庭のキッチンにも届けた」**ような、科学界にとっての大きな進化なのです。

技術概要

以下は、提供された論文「GYDE: A collaborative drug discovery platform for AI-powered protein design and engineering」に基づいた詳細な技術的サマリーです。

論文概要

タイトル: GYDE: AI 駆動型タンパク質設計・エンジニアリングのための協働型創薬プラットフォーム
著者: Genentech 研究開発部および Inceptive の研究チーム
公開日: 2026 年 3 月 27 日（bioRxiv プレプリント）

---

1. 背景と課題 (Problem)

タンパク質科学における計算機ツール（AlphaFold, RosettaFold, ProteinMPNN, RFDiffusion など）の急速な発展は、創薬プロセスに革命をもたらしましたが、実用化には以下の重大な障壁が存在しました。

• ツールの断絶と複雑性: 各ツールは個別に開発されており、統合的なワークフローとして機能しません。ベンチサイエンティスト（実験室研究者）がこれらを連携させるには、高度なプログラミング知識や IT 投資が必要です。
• 学習コストと非連続性: ツールごとに異なるインターフェースやデータ形式が用いられ、結果の共有や継続的な分析が困難です。
• 視覚化と文脈の欠如: 既存の Web ベースツール（Galaxy など）はゲノミクスに特化しており、タンパク質の「配列 - 構造 - 機能」の関係を統合的に可視化する機能が不足しています。一方、PyMOL などの視覚化ツールは計算ツールの統合に弱いです。
• 商業的制約: 市販の統合ソリューションは高価で、プロプライエタリ（非公開）であり、最新の AI モデルの導入が遅れる傾向があります。

2. 方法論 (Methodology)

これらの課題を解決するため、著者らはオープンソースの Web ベースプラットフォーム「GYDE (Guide Your Design and Engineering)」を開発しました。

2.1 設計原則

1. ノーコード UI: プログラミング知識を必要とせず、直感的な操作で利用可能。
2. 統合的な「配列 - 構造 - 機能」ビュー: 複数の視覚化パネル（MSA、構造ビューア、プロット、ヒートマップなど）を同期させ、選択した配列、構造、実験データを同時に表示・操作可能。
3. 最新ツールの柔軟な統合: 最新の AI モデルやツールを容易に追加・更新できるバックエンド設計。
4. 協働機能: セッションの保存と共有により、研究者間でのデータや分析文脈のシームレスな共有を可能にする。

2.2 システムアーキテクチャ

• フロントエンド (GYDE UI):
  • MSA ビューア: 配列のアラインメント、フィルタリング、注釈付け。
  • 構造可視化 (Mol Viewer):* AlphaFold や ABodyBuilder などの予測構造をロードし、MSA と同期して表示。
  • プロット機能: 実験データや計算値の散布図・ヒストグラム作成。データポイントの選択が MSA や構造ビューに反映される。
  • ヒートマップ/シーケンスロゴ: 変異の頻度や保存性の可視化。
  • 画像ビューア: SPR などの実験画像や信頼度スコアのプロットを統合表示。
• バックエンド (GYDE Server & Slivka API):
  • Slivka Compute API: LSF, Slurm などの HPC 環境と連携し、大規模な計算ジョブ（構造予測、逆翻訳など）を実行。
  • データモデル: MongoDB ベースの永続的データストア。行を分子アセンブリ、列を実験値/計算値とする列指向データフレームを採用。外部データベース（PDB, UniProt）や LIMS との統合に対応。
  • 対応ツール: AlphaFold, Chai-1, Boltz, OpenFold, ProteinMPNN, RFDiffusion, BindCraft, Rosetta などの主要 AI モデルを Slivka 経由で利用可能。

3. 主な貢献 (Key Contributions)

• 統合分析環境の提供: 配列、構造、機能データを単一の Web インターフェースで同期・可視化し、従来の断絶したワークフローを解消。
• 民主化とアクセシビリティ: 高度な計算生物学ツールをコーディング不要で実験室研究者に開放。
• スケーラビリティと拡張性: Slivka API を通じて外部 HPC リソースを活用し、新しい AI モデルの迅速な導入を可能にするモジュラー設計。
• オープンソース化: 学術界および産業界向けに無料で利用可能なプラットフォームとして公開（GitHub リポジトリ提供）。

4. 結果とケーススタディ (Results & Case Studies)

GYDE の有効性を示すため、創薬の初期段階における 6 つのケーススタディが実施されました。

1. 膜貫通タンパク質複合体の構造予測:
   • 1,381 個のタンパク質相互作用候補に対して AlphaFold2-multimer を実行。GYDE 上で予測の信頼度スコアと実験データ、既存の構造情報を重ね合わせ、高信頼度の相互作用候補を迅速に選別・注釈付けに成功。
2. コフォールディング手法のベンチマーク:
   • Chai-1r と Boltz-1 の予測結果を Runs-N-Poses データセットで比較。GYDE の可視化機能により、トレーニングデータへの類似度と予測精度の関係を直感的に検証し、既存研究の再現性を確認。
3. 抗体エンジニアリング（SARS-CoV-2 抗体）:
   • リード抗体の CDR 領域の変異パターンを NGS データから抽出し、ヒートマップと構造モデル（ABodyBuilder）で可視化。特定の電荷特性を持つ残基が抗原結合に重要であるという仮説を生成し、次の設計サイクルを導いた。
4. 抗体エンジニアリング（Anti-PD-1 ラビット抗体）:
   • 非標準的なジスルフィド結合を除去する設計に ProteinMPNN を使用。GYDE 上でアミノ酸頻度分析を行い、ジスルフィドを除去しつつ親和性を維持する変異（Ala-Ala 置換など）を特定。実験的に親和性が回復した変異体を選別。
5. タンパク質設計（TEV プロテアーゼの改良）:
   • ProteinMPNN を用いて、基質近傍を除く保存性の低い部位を設計空間として定義。GYDE のシーケンスロゴやヒートマップにより、文献で報告された高活性変異体（HyperTev）の大部分を再発見・確認し、設計空間の効率的な探索を実証。
6. 新規結合タンパク質の設計（LRRC15 結合ミニタンパク質）:
   • RFDiffusion と BindCraft を用いて AAV キャプシドに挿入可能な LRRC15 結合体を設計。1,000 以上の候補から実験データ（VLP 収量、結合能）を GYDE に統合し、最適な設計候補を迅速に選別。

5. 意義と結論 (Significance)

• 創薬プロセスの加速: 計算機科学者と実験科学者の間にある壁を取り払い、データ駆動型の意思決定を迅速化。
• コラボレーションの促進: 分析セッションの共有機能により、チーム全体で同じ文脈（配列・構造・機能の統合ビュー）で議論・設計が可能に。
• 将来展望: 大規模言語モデル（LLM）との統合によるプロンプトベースの操作や、分子動力学シミュレーションの可視化への拡張が期待される。

GYDE は、最先端の AI モデルを「ブラックボックス」ではなく、直感的に操作・解釈可能なツールとして提供し、タンパク質科学および創薬研究の民主化と効率化に大きく貢献するプラットフォームです。