A Unified 3D Generative Model for Synthesizable Structure-Based Drug Design
本論文は、創薬における合成の容易性の課題を克服し、新規かつ標的に特化した低分子およびペプチドの迅速な設計を可能にする統一的な3D生成モデルであるLDDMを紹介しており、これは5つのタンパク質標的にわたって高い結合親和性と構造的正確性を達成することが実験的に検証されている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
新しい薬を見つけることは、何十億もの鍵が存在する部屋の中で、たった一つの特定の鍵を探し出すようなものです。何十年もの間、科学者たちは既存の膨大な化学化合物のライブラリをテストし、病気を引き起こすタンパク質に適合するものが見つかることを願いながら、この課題を解決しようとしてきました。この手法は成果を上げてきましたが、膨大な可能性の数に制限されており、非常に時間がかかるものでした。より新しいアプローチでは、コンピュータを使用してこれらの「鍵」をゼロから設計し、これまで存在しなかった分子を作り出します。しかし、この手法の課題は、コンピュータが設計した分子は画面上では素晴らしく見えても、実際の研究室で組み立てることが不可能であったり、あるいは極めて困難であったりすることでした。
研究チームは、この溝を埋めるLDDMと呼ばれる新しいシステムを導入しました。単に複雑な形状を夢想するのではなく、このシステムは構築の実際の手順を念頭に置いて分子を設計します。これは、新しい薬を想像できるだけでなく、それらが標準的な化学ビルディングブロックを用いて合成可能であることを保証できる、統合されたツールとして機能します。分子がタンパク質にどのように適合するかを予測する能力と、実際に製造可能であることへの厳格な焦点とを組み合わせることで、研究者たちはデジタル設計から物理的な現実へと驚異的な速度と精度で移行するパイプラインを作り上げました。
この研究の核心は、タンパク質と薬物の三次元構造の膨大なコレクションで学習させた機械学習モデルです。鍵がどのように錠前にはまるかを示す何百万枚もの写真を見た学生を想像してください。このモデルは、それらの相互作用の物理的なルールを学習しました。単に分子を生成してそれが機能することを期待するだけの従来のシステムとは異なり、LDDMは設計プロセスを小さく管理しやすい断片に分解します。既知の薬を取り込み、その一部を隠し、残りのスペースに完璧に適合する新しいパーツをコンピュータに発明させることができます。また、タンパク質の空のポケットから出発して、原子一つひとつからボトムアップで分子を構築することも可能です。決定的なことに、このシステムには設計プロセスを導く「プログラマブル」な機能が含まれています。各ステップにおいて、分子が化学的に安定しており、標的タンパク質にしっかりと適合し、かつ化学者が容易に入手できる承認済みリストの材料から組み立てられるかどうかをチェックします。
このシステムが機能することを証明するために、研究者たちはがんに関与する酵素からウイルスが利用するタンパク質まで、5つの異なる生物学的ターゲットに対してテストを行いました。ある実験では、細胞の増殖に関連する特定のタンパク質の分解を助ける分子の再設計を行いました。コンピュータは、薬物の外縁部に対する新しい化学構造を提案しました。チームがこれら4つの新しい設計のいくつかを合成したところ、そのすべてが極めて高い精度で標的タンパク質に結合することに成功しました。別のテストでは、炎症性疾患において活性を持つカテプシンSと呼ばれるタンパク質を阻止するように設計されたペプチド阻害剤を改良しました。モデルによって提案された非天然のアミノ酸を用いて分子の一部を置き換えることで、オリジナルよりも3.5倍強力なバージョンを作り出しました。
研究者たちはまた、全く新しい薬をゼロから作るという課題にも取り組みました。エネルギー代謝に関わり、いくつかの疾患に関連するPGK1と呼ばれるタンパク質に対して、システムは数千のユニークな候補を生成しました。購入または容易に製造できるものに絞り込んだ後、チームは6つをテストしました。そのうち4つがタンパク質に結合し、最も優れたものは14.7マイクロモーラーの結合強度を示しました。これらの新しい分子が正確にどのように作用するかを確認するために、チームは核磁気共鳴分光法や表面プラズモン共鳴といった高度なイメージング技術を用いました。これらの手法により、薬物とタンパク質の物理的な相互作用を見ることができ、結合ポーズに関するコンピュータの予測が正しいことが確認されました。
同様の成功は、がんやSARS-CoV-2ウイルスに関与するタンパク質でも見られました。遺伝子発現を制御するBRD4と呼ばれるタンパク質に対し、システムは40から60マイクロモーラーの推定親和性を持つ新しい分子を設計しました。この結合を検証するために、チームは核磁気共鳴分光法を用いて、予測された結合部位と一致するタンパク質の化学シフトを観察しました。ウイルスのタンパク質であるMac1については、チームは自然な細胞内シグナルを置換できる分子を設計し、46.2マイクロモーラーの阻害濃度を達成しました。このウイルスのタンパク質の場合、X線結晶構造解析によって、タンパク質の中に座っている新しい薬の物理的構造が、コンピュータモデルと高い精度で一致していることが確認されました。あらゆるケースにおいて、分子は研究室での合成に成功しました。
この研究は、生成AIが理論的な演習を超えて、具体的でテスト可能な医薬品を生み出せることを示しています。コンピュータに対して、合成可能な範囲内でのみ設計するように制約をかけることで、研究者たちは「組み立て不可能な」分子を作ってしまうという一般的な落とし穴を回避しました。結果は、このアプローチが新しい薬の出発点を見つける時間を大幅に短縮できることを示唆しています。本研究で特定された分子自体は、まだそれ自体が薬として完成しているわけではありませんが、予測通りに標的に結合するという確認された出発点として機能します。この研究は、コンピュータと化学者が緊密なループの中で連携し、かつてないほど効率的に新しい治療法を設計、構築、テストするという、将来の創薬に向けた実用的な枠組みを提供するものです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。