FreeSolvE: Solvent-Mediated Differentiable Pose Refinement and Ultra-Fast Biophysical Inductive Bias for Molecular Generation and Docking
FreeSolvEは、潜在的な溶媒和と連結運動学を利用して分子ドッキングポーズにおけるステリッククラッシュを高い精度かつ最小限の計算オーバーヘッドで解決することにより、生成AIと物理生物学の間の溝を埋める、新しい超高速な微分可能エンジンである。
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
新しい薬のデザインは、多くの場合、単純な三次元のパズルから始まります。それは、いかにして極小の薬物分子が、人体内のタンパク質標的の複雑に折り畳まれた形状の中に適合するかというパズルです。数十年にわたり、科学者たちはこの適合性を予測するためにコンピュータ・シミュレーションに頼り、病気を止めるために薬をその場所に固定する形状を見つけ出そうとしてきました。近年、人工知能は、数百万もの潜在的な薬物の形状を数秒で生成できるツールを提供することで、この分野を変革しました。しかし、これらの高速な統計モデルには決定的な欠陥があります。これらは主に分子の静止画像に基づいて学習されているため、紙の上では正しく見えても、現実には物理的に不可能な形状を生成してしまうことがよくあります。例えば、2つの原子を互いに激しく反発し合うほど近づけてしまったり、あるいは、薬が真空ではなく水の中に浮いているという事実を無視したりすることがあります。これらの「ゴースト」分子は、数学的には優雅ですが、生物学的には壊れており、最も有望なAI生成候補が物理法則に照らしてテストされた瞬間に即座に失敗するという危機を招いています。
バンガロールのPES大学の研究者、アルジュン・スバラマン（Arjun Subbaraman）は、人工知能と物理的現実の間のこの溝を埋めるための、FreeSolvEと呼ばれる新しいアプローチを導入しました。AIにすべての物理規則をゼロから強制的に学習させようとするのではなく、スバラマンは、これらデジタル分子に対する迅速な物理的現実チェックとして機能する特化したエンジンを構築しました。核心となるアイデアは、薬物とタンパク質を、あたかも水の中に沈んでいるかのように扱うことです。なぜなら、それが実際に生命が機能する仕組みだからです。人体では、水がすべての分子を取り囲み、電気的な力を和らげ、水に馴染みにくい部分をタンパク質の隠れ家へと押し込むクッションとして機能しています。スバラマンのシステムは、この「水」という概念を媒介として、AIモデルによる間違いを即座に修正します。それは単に分子がどこに行くべきかを推測するのではなく、周囲の水が分子をどのように押し、引き、安定した衝突のない位置を見つけるかを計算します。
この革新性は、その計算がどのように行われるかにあります。水分子を一つずつシミュレートする従来の方法は非常に低速であり、単一の薬物の形状を有効な形へと緩和させるために、しばしば数時間、あるいは数日を要します。また、これらの方法は脆弱でもあります。コンピュータプログラムが行方不明の原子や奇妙な化学基に遭遇すると、しばしばクラッシュしてしまうのです。スバラマンのシステムは、「連続体（continuum）」アプローチを用いることで、これらの落とし穴を回避しています。個々の水分子を追跡するのではなく、水をタンパク質の周囲を満たす滑らかで連続的な流体として扱います。これにより、コンピュータはシステムの物理学をわずか数分の一秒で解くことができます。このソフトウェアは、標準的なコンピュータ・プロセッサで動作するように最適化された数学的手法を用いて、電気的な力と水による薬物への圧力を計算するため、高価で特殊なスーパーコンピュータを必要としません。
50組の実世界の薬物・タンパク質ペアに対して厳格なテストを行ったところ、結果は驚くべきものでした。AIモデルは、修正前はほぼすべてのケースで物理的に有効な形状を生成できず、初期の推測のうち基本的な安全チェックを通過したのはわずか2パーセントでした。FreeSolvEエンジンを実行した後、成功率は52パーセントに跳ね上がりました。この向上は、薬物1つあたり平均わずか2.33秒で行われました。この速度を比較するために言えば、個々の水分子をシミュレートする従来のシミュレーションが同様の緩和を実現するには、およそ12時間を要します。この新システムは、従来よりも1万8千倍以上速く、かつてはたった一つの薬物をテストするのにかかっていた時間で、数千もの薬物候補をテストすることを可能にします。
単に悪い形状を修正するだけでなく、このシステムはこれらのAIモデルの学習方法も変えます。通常、コンピュータが薬物の形状を予測することを学習する際、位置がわずかにずれていることに対してのみペナルティが課されます。2つの原子が同じ空間を占有できないということを、コンピュータは「知らない」のです。この新しい水ベースの物理エンジンをトレーニングプロセスに直接組み込むことで、AIは最初から不可能な形状を避けるように学習します。実験では、この助けなしに学習された標準的なAIモデルは、絶え間ない衝突の状態に陥り、何度も試行してもエラーを修正できないまま停滞していました。しかし、この新しいエンジンを用いて学習したモデルは、わずか5回のトレーニングラウンドで、すべての物理的な衝突を排除しました。システムは、学習プロセスを遅らせることなく、各ステップにほんのわずかな時間を加えるだけで、これを達成しました。
研究者たちは、自分たちの研究の限界についても慎重に定義しています。このシステムは、タンパク質自体は剛体であり、薬物を収容するためにその形状を変えないことを前提としており、また、薬物とタンパク質の間で架け橋となるような特定の水分子も考慮していません。これは、個々の水分子の詳細な動きではなく、溶媒環境による一般的な押し引きを扱うように設計されています。こうした境界があるにもかかわらず、このツールは創薬における大きなボトルネックに対する強力な解決策を提供します。それは、人工知能の電光石火の予測を、生命を支配する物理法則の中に即座に接地させる方法を提供することです。数百万もの薬物の形状の物理的な妥当性をリアルタイムでチェックすることを可能にすることで、このアプローチは、科学者がAI生成デザインの現在の限界を超え、人体の中で真に機能する準備ができている分子に注力することを助けることができます。このシステムのコードは現在、他の科学者が使用できるように公開されており、デジタルな薬物デザインが単に統計的に確率が高いだけでなく、物理的に可能であることを保証するための新しい標準を提供しています。
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。