Prospective discovery of LasB inhibitors by integrating generative design, free energy ranking, and experimental validation
本研究は、生成的な分子設計と厳密な自由エネルギー計算を統合することで、緑膿菌（*Pseudomonas aeruginosa*）の病原性因子であるLasBに対する強力かつ安定なナノモル級阻害剤3種を特定することに成功した、完全にオープンソースの計算・実験ワークフローを提示しており、初期段階の創薬を加速させるためのスケーラブルな枠組みを実証している。
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、数十億もの鍵穴が存在する図書館の中で、たった一つの特定の鍵を探し出すことに似ています。そのプロセスは遅く、高価で、しばしば挫折を伴います。なぜなら、化学者はどの分子が実際に適合するかを確認するために、何百万もの潜在的な候補を、手作業で構築し、テストしなければならないからです。数十年にわたり、科学者たちはコンピュータを用いてこのプロセスを加速させようと試みてきました。原子を実際に組み立てる前に、どの分子が機能しそうかを予測するためにコンピュータを活用してきたのです。しかし、これらのコンピュータによる予測は、単独で信頼するには精度が粗すぎることが多く、結果として研究者が、結局は役に立たない化合物を作るために時間を浪費してしまう事態を招いてきました。課題は、広大な未知の化学領域を探索できるほど速く、かつ、真の勝者と惜しい失敗作を区別できるほど精密なシステムを作り出すことでした。
最近の研究において、研究者たちはこれら2つの強力なコンピュータ技術を組み合わせることでこの問題を解決し、「デジタルの想像」から「物理的な現実」へと驚異的な効率で移行するワークフローを構築することに成功しました。彼らは、既存の抗生物質による治療がますます困難になっている、病院感染の一般的な原因である「緑膿菌（Pseudomonas aeruginosa）」と呼ばれる危険な細菌に焦点を当てました。この細菌は、ヒトの組織を分解して感染を広げるための分子機械である「LasB」と呼ばれる特定のタンパク質に依存しています。このタンパク質は細菌の細胞外に分泌されるため、細菌の強固な外殻の中に隠されている標的よりも、薬が到達しやすいという特徴があります。目標は、このタンパク質に結合してその機能を停止させ、細菌を殺すのではなく、事実上無力化できる新しい分子を設計することでした。この戦略は、細菌が耐性を獲得する可能性を低減させるかもしれません。
チームはまず、LasBタンパク質に対して結合能を示すことが既に分かっている既知の3つの分子から開始しましたが、それらは完璧なものではありませんでした。新しい分子構造を生成するように設計されたコンピュータプログラムを用い、これら3つの「種」を出発点として、ソフトウェアに何千ものバリエーションを想像させました。プログラムは単に原子をランダムに並べ替えたわけではありません。効果的な薬となる可能性が高く、かつラボでの合成が容易な分子を優先するルールによって導かれました。数回にわたるデジタルの進化を経て、ソフトウェアは4万近くのユニークな候補分子を生成しました。この膨大なデジタルライブラリの中から、研究者たちは形状や化学的特性に基づいて最も有望と思われる50種類の化合物を、多様性を保ちつつ選別しました。
これら50個の候補が、実際に構築するコストに見合う価値があるかどうかを確認するため、チームはより厳格な第2のコンピュータテストを適用しました。このステップでは、薬の候補とタンパク質の間の物理的な力を極めて精密にシミュレーションし、両者がどれほど強く結びつくかを正確に計算しました。この手法は「自由エネルギー計算」として知られ、計算負荷は非常に高いものの、標準的なスクリーニング手法よりもはるかに正確です。このシミュレーションの結果により、チームは50個の候補をランク付けし、最も優れたものを選び出すことができました。彼らはこれら上位ランクの分子のうち6つをラボで実際に合成し、細菌タンパク質に対するテストを行いました。
結果は、この統合的なアプローチの明らかな成功でした。新たに作成された分子のうち3つが強力な阻害剤であることが判明し、わずか22〜53ナノモラーという低濃度で細菌タンパク質を極めて効率的に阻止しました。これらの化合物は強力であるだけでなく、血液中および代謝テストにおいて優れた安定性を示しており、体内で役割を果たすのに十分な時間生存できる可能性が高いことを意味しています。新しい薬は試験管内ではヒト細胞に対してある程度の毒性を示しましたが、細菌タンパク質を標的とする強い能力は、さらなる開発に向けた実現可能な道筋を示唆しています。この研究は、アイデアを生み出す「生成的設計」と、高い精度でアイデアを検証する「物理学ベースのランキング」を連結させることで、科学者が化学的可能性という広大な海を航海し、迷うことなく貴重な宝を見つけ出せることを実証しています。
研究者たちはまた、彼らの手法の限界についても重要な教訓を得ました。コンピュータによる予測は、どの分子が他よりも優れているかをランク付けすることには非常に優れていましたが、結合の正確な強さを過大評価してしまうことがあると分かりました。この不一致は、詳細なシミュレーションを実行する前に、コンピュータが新しい分子の初期位置を推測しなければならないことに起因すると考えられ、その推測におけるわずかな誤差が最終的な計算に影響を及ぼした可能性があります。それにもかかわらず、このシステムは数千のプールの中から全く新しい、極めて効果的な阻害剤を3つ特定するのに十分機能しており、この「デジタル・ファースト」の戦略が、従来の試行錯誤よりも効果的に実験作業を導けることを証明しました。本研究は、このアプローチが他の科学者が同様の課題に取り組むためのスケーラブルでオープンソースのフレームワークを提供し、他の困難な疾患に対する薬の発見を加速させる可能性があると結論付けています。
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。