Discovery of Selective Nrf2 Activators from Natural Products: AComputational Screening Approach to Minimize Off-Target Effects on PXR and CYP2D6

本論文は、62 万 8,898 種類の天然産物からコンピューターシミュレーションを用いて大規模スクリーニングを行い、Nrf2 活性化を促進しつつ PXR や CYP2D6 への非特異的干渉を最小限に抑えた 10 件の高選択性候補化合物を同定し、酸化ストレス関連疾患に対するより安全で精密な治療薬開発の基盤を築いたことを報告しています。

要約

この論文は、**「体に良い薬を作るために、コンピュータで『完璧な候補者』を大捜索した」**という物語です。

少し専門的な内容を、わかりやすい例え話を使って解説しますね。

1. 物語の背景：「良いヒーロー」のジレンマ

まず、**Nrf2（ネルフ 2）**というタンパク質は、私たちの細胞を守る「最強のヒーロー」です。ストレスや毒から細胞を守ってくれるので、これを活性化させる薬があれば、老化や病気の予防に大いに役立ちます。

しかし、これまでの研究では、このヒーローを呼び出す薬を作ろうとすると、**「悪い副作用」**がついて回ることがありました。

• PXR（ペルラン X 受容体）： これを誤って活性化してしまうと、他の薬とぶつかり合って、薬が効かなくなったり、危険な反応が起きたりします（「薬の飲み合わせ」が悪くなるイメージ）。
• CYP2D6： これを阻害してしまうと、体内で薬を分解する工場が止まってしまい、薬が体に溜まって中毒症状を起こす可能性があります。

つまり、**「ヒーロー（Nrf2）を呼びたいのに、ついでに『トラブルメーカー（PXR）』も呼んでしまったり、『工場の機械（CYP2D6）』を壊してしまったりする」**という困った状況だったのです。

2. 解決策：「天然の宝庫」から「完璧な候補」を探す

そこで、研究チームは**「天然物（植物や微生物などが作る天然の化学物質）」**という巨大な宝庫に目を向けました。天然物は進化の過程で「特定のターゲットにだけ効く」ように作られていることが多いからです。

彼らは、COCONUTというデータベースにある約 63 万個の天然物リストを、スーパーコンピュータを使って一からチェックしました。

3. 検索方法：「3 つのフィルター」を通す

彼らは、ただ「Nrf2 に効くもの」を探すだけでなく、**「3 つのフィルター」**を順番に通すという賢い方法を使いました。

1. フィルター 1（Nrf2）： 「ヒーロー（Nrf2）を強く呼び寄せるか？」
   • 強く呼び寄せるものだけ通過。
2. フィルター 2（PXR）： 「トラブルメーカー（PXR）には近づかないか？」
   • 近づきすぎるものは「NG」。
3. フィルター 3（CYP2D6）： 「工場（CYP2D6）を壊さないか？」
   • 壊しすぎるものも「NG」。

これを**「3 段階の選考会」**のように行いました。

• 第 1 段階： 63 万個の中から、条件に合う 4 万 6 千個を拾い上げました。
• 第 2 段階： さらに厳しくして、3 千 7 百個に絞り込みました。
• 第 3 段階（最終選考）： 最も厳しい条件で、たった 10 個の「超・優秀な候補者」だけが残りました。

4. 発見された「10 人のスター候補」

最終的に残った 10 個の化合物は、**「Nrf2 には強く効くのに、PXR や CYP2D6 にはほとんど影響を与えない」**という、まさに夢のような性質を持っていました。

• 選抜の基準： 63 万個の中から 10 個しか選ばれなかったということは、**「6 万分の 1」**という超難関を突破したエリートたちです。
• 正体： これらは、**「脂質（油っぽい物質）」や「ヌクレオシド（DNA の材料のようなもの）」**をベースにした、これまであまり注目されていなかった新しい形の分子でした。
• 安全性： これらは「薬になりそうな性質（分子量や溶けやすさなど）」も持っており、実際に薬として開発できる可能性が高いと判断されました。

5. この研究のすごいところ

• 「安全設計（Safety-by-Design）」： 薬を作る段階で、最初から「副作用が出にくいもの」を設計しようとした点。
• データ公開： 63 万個のデータと、選抜に使ったプログラムを誰でも見られるように公開しました。これにより、他の研究者も同じように「安全な薬」を見つけやすくなります。
• 新しい発見： 「脂っぽい分子」や「糖のような分子」が、実は「特定の場所だけに効く」のに適しているかもしれないという、新しいヒントが見つかりました。

まとめ

この論文は、**「63 万個の天然物という巨大な森から、コンピュータを使って『副作用の少ない、完璧なヒーロー』を 10 人だけ見つけ出した」**という大冒険の記録です。

これまでは「効く薬」を探すのが優先でしたが、今回は**「効くだけでなく、他の薬や体と喧嘩しない薬」**を最初に探すという、より賢く安全な薬の作り方を提案しています。この 10 人の候補者が、将来、私たちの健康を守る新しい薬になるかもしれません。

技術概要

この論文は、酸化ストレス関連疾患の治療ターゲットであるNrf2（核因子エリスロイド2関連因子2）の活性化剤を、天然物から探索する大規模な計算スクリーニング研究です。従来のNrf2活性化剤が抱える「オフターゲット効果（PXRの予期せぬ活性化やCYP2D6の阻害）」という重大な課題を解決し、安全性を設計段階から組み込んだ（Safety-by-Design）アプローチを提案しています。

以下に、論文の技術的な要約を問題定義、手法、主要な貢献、結果、意義の観点から詳細に記述します。

1. 問題定義 (Problem)

Nrf2経路の活性化は、神経変性疾患、心血管疾患、慢性腎臓病、がん化学予防など、多様な疾患に対する有望な治療戦略です。しかし、臨床応用における最大の障壁は、オフターゲット毒性です。

• PXR（プレグナンX受容体）の活性化: 多くのNrf2活性化剤がPXRを誤って活性化し、薬物相互作用（DDI）や代謝異常を引き起こします。
• CYP2D6の阻害: 処方薬の約4分の1の代謝に関与するCYP2D6を阻害すると、重大な副作用や代謝障害が生じます。
• 既存研究の限界: 従来の天然物探索は「効力（ポテンシャル）」に焦点が当てられ、「選択性（PXRやCYP2D6への影響を最小化する）」を体系的に評価した研究は不足していました。

2. 手法 (Methodology)

本研究は、COCONUTデータベースに登録されている628,898 種類の天然物を対象とした、史上最大規模の計算スクリーニングを実施しました。

• 3 ターゲット分子ドッキング:
  • KEAP1: Nrf2の主要な抑制因子（活性化のターゲット）。
  • PXR: 薬物相互作用リスクの評価ターゲット。
  • CYP2D6: 代謝阻害リスクの評価ターゲット。
  • 使用スコア関数：KARMA（Kinetic And Rigid-body Molecular docking with Autodock）。
• 3 段階の選択性スクリーニング戦略:
  1. Tier 1（候補プール）: 緩い基準（KEAP1 > 50 パーセンタイル、PXR < 50 パーセンタイル、CYP2D6 30-70 パーセンタイル）。
  2. Tier 2（高品質候補）: 厳しい基準（KEAP1 > 70 パーセンタイル、PXR < 30 パーセンタイル、CYP2D6 30-70 パーセンタイル）。
  3. Tier 3（スター候補）: 極めて厳しい基準（KEAP1 > 90 パーセンタイル、PXR < 10 パーセンタイル、CYP2D6 40-60 パーセンタイル）。
  • 注: CYP2D6については「完全な非結合」ではなく「中程度の結合（40-60 パーセンタイル）」を意図的に選択し、代謝処理を受けつつ強力な阻害剤とならないバランスを追求しました。
• 選択性指標の開発:
  • NSI (Nrf2 Selectivity Index): KEAP1/PXR の比率。
  • SI (Safety Index): KEAP1/CYP2D6 の比率。
  • CSS (Comprehensive Selectivity Score): 両方の次元を統合した総合スコア（主要なランキング基準）。
• ADME/薬物類似性の評価: リピンスキーの法則（Rule of Five）、QED（薬物類似性の定量的推定）、TPSA、回転結合数、Fsp³（立体性の指標）などを分析。

3. 主要な貢献 (Key Contributions)

1. 大規模データセットの構築: 62 万を超える天然物について、KEAP1、PXR、CYP2D6 の 3 つのターゲットに対するドッキングスコアを統合した公開データセットを提供。
2. Safety-by-Design フレームワークの確立: 効力だけでなく、PXR と CYP2D6 への影響をスクリーニングの初期段階から排除する体系的なパイプラインを確立。
3. 新規化学構造の発見: 従来の芳香族化合物中心の探索ではなく、脂質様分子やヌクレオシド様スキャフォールドが選択性において優位であることを示唆。
4. 超選択性候補の同定: 10 個の「Tier 3 スター候補」を特定し、そのうち最高位の化合物は Nrf2 経路に対して 12.29 倍の選択性（NSI）を示しました。

4. 結果 (Results)

• スクリーニングの絞り込み:
  • 全 628,898 化合物中、Tier 1 は 46,443 件（7.38%）、Tier 2 は 3,767 件（0.60%）、Tier 3 はわずか**10 件（0.002%）**に絞り込まれました。これは、優れた選択性を持つ天然物が極めて希少であることを示しています。
• 化学構造の傾向:
  • 脂質様分子（テルペノイド、ステロイドなど）: Tier 2 候補の 44.7% を占め、背景（30.0%）に対して 1.49 倍富化していました。疎水性ポケットへの結合に有利と推測されます。
  • ヌクレオシド/ヌクレオチド: 背景の 0.34% に対し Tier 2 で 0.96%（2.85 倍富化）。水素結合パターンと構造的剛性が選択性に寄与している可能性があります。
  • 芳香族性の減少: 選択性が高い候補ほど芳香環数が少なく、Fsp³（sp³炭素の割合）が高い傾向があり、平面性の高い構造はオフターゲット結合を促進する可能性が示されました。
• 薬物類似性との相関:
  • 選択性指標（CSS）と薬物類似性（QED）の間には正の相関（ρ=0.430）が認められ、「高い選択性」と「優れた薬物類似性」は両立可能であることが示されました。
  • 上位 20 候補（Tier 2 と Tier 3 の混合）は、QED 0.3 以上、適切な分子量と LogP を維持しており、開発ポテンシャルが高いと評価されました。
• トップ候補:
  • 1 位（CNP0371205.2）: フェニルプロパノイド系、NSI 12.29、CSS 2.64。
  • 2 位（CNP0012224.1）: イミダゾピリジン誘導体、NSI 6.38。
  • これらの化合物は、KEAP1 への強い結合と PXR/CYP2D6 への最小限の相互作用を両立しています。

5. 意義 (Significance)

本研究は、Nrf2 活性化剤の開発における「効力と安全性のトレードオフ」を克服するための新しいパラダイムを提示しました。

• 臨床転換の促進: 薬物相互作用や代謝阻害のリスクを計算機上で事前に排除することで、臨床試験段階での失敗率を下げ、より安全な医薬品開発を加速します。
• 天然物化学の指針: 脂質様やヌクレオシド様スキャフォールド、立体構造（Fsp³）の重要性を明らかにし、今後のライブラリ設計や化合物最適化の指針となります。
• オープンサイエンス: 生成された大規模データセットと解析コードを公開することで、他の研究者による毒性予測やドラッグデザインへの応用を可能にしました。

結論として、この研究は計算化学と天然物化学を融合させ、オフターゲットリスクを最小限に抑えた次世代の Nrf2 標的治療薬の開発基盤を築いた画期的な成果と言えます。