🧬 biology

Machine Learning–Based QSAR Screening of Natural Product and ZINC Libraries Uncovers Stable BACE-1 Inhibitors Validated by Gaussian Accelerated Molecular Dynamics (GaMD) Simulations

本研究は、天然物およびZINCライブラリをスクリーニングするために統合的なQSARおよび分子動力学フレームワークを開発し、参照化合物と比較して優れた結合親和性と構造安定性を示す安定なBACE-1阻害剤、特にNPC475168を特定し、アルツハイマー病治療のための有望なリード化合物を提供した。

原著者： Waqar Ahmad, Xinyi Zhu, Shahin Shah Khan, Yi Bai, Pengfei Pei

公開日 2026-08-07

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Waqar Ahmad, Xinyi Zhu, Shahin Shah Khan, Yi Bai, Pengfei Pei

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

あなたの脳を、絶えず自らの道路を建設し修理し続けている、活気ある都市だと想像してみてください。しかし時として、建設作業員が混乱し、通りの真ん中に役に立たない粘着性のあるレンガを積み上げてしまうことがあります。現実の世界では、これらの「粘着性のあるレンガ」はアミロイドベータと呼ばれるタンパク質の塊であり、それらが積み重なると、脳の通信ラインを詰まらせ、アルツハイマー病という状態を引き起こします。この散らかった建設作業の主な原因は、BACE-1と呼ばれる非常に小さな分子マシンです。BACE-1を、長いタンパク質の鎖をあの粘着性のある有害なレンガへと切り分ける、特定の「ハサミ」だと考えてください。もし、そのハサミを優しくジャム（停止）させて、切断を止めさせることができれば、積み重なりが始まる前に食い止めることができるかもしれません。これがアルツハイマー病研究における聖杯、つまり、BACE-1の働きを止めるために、その「鍵穴」に完璧にフィットする「鍵」を見つけ出すことです。

しかし、正しい鍵を見つけることは非常に困難です。BACE-1のハサミには、作業を行うための深く複雑なポケットがあり、そこには化学の世界に存在する何百万もの潜在的な鍵が浮遊しています。ラボでそれらを一つずつテストしようとすれば、永遠に時間がかかり、莫大な費用がかかるでしょう。ここで、コンピューター科学者がデジタル探偵として登場します。彼らは強力なアルゴリズムを使用して、どの分子が適合する可能性があるかを予測し、次に、それらの分子が鍵穴に留まり続けるのか、それともすぐに滑り落ちてしまうのかを確認するために、高速シミュレーションを実行します。それは、物理的な鍵を一つも作る前に、仮想の鍵を仮想の鍵穴でテストする、超高度なビデオゲームエンジンを使用しているようなものです。

この研究において、研究チームは新しい、安定したBACE-1のハサミ用の鍵を見つけるという、このデジタル探偵ゲームに取り組むことにしました。彼らは、1,532個の既知の化合物を含む大規模なライブラリを使用して、コンピューターにレッスンを行うことから始めました。彼らは「機械学習」と呼ばれる手法を用いました。これは、子供が多くの猫を見ることで猫を認識することを学ぶように、コンピューターが例からパターンを学習する方法です。コンピューターは、どのような形状や化学的特徴を持つ分子が優れたBACE-1阻害剤となるのかを見分ける術を学びました。コンピューターがエキスパートになった後、研究者たちは、合成化学物質のライブラリ（ZINC）と、植物や自然界に見られる天然生成物（NPASS）のライブラリという、2つの巨大なデジタルライブラリをスキャンするよう命じました。

コンピューターの頭脳はフル稼働し、最も有望に見える5つの候補を選び出しました。しかし、研究者たちはそこで止まりませんでした。分子が紙の上では良く見えても、現実の世界では崩れてしまう可能性があることを彼らは知っていたため、これら5つの勝者を、Gaussian Accelerated Molecular Dynamics（GaMD）と呼ばれる手法を用いた厳格な「ストレス・テスト」にかけました。これは、分子がBACE-1のポケットの中でどのように踊るかを観察する、200ナノ秒の高速な「映画」のようなシミュレーションだと想像してください。彼らは、分子がしっかりと掴まり続けるのか、それともタンパク質によって振り落とされてしまうのかを確認したかったのです。結果はエキサイティングなものでした。ほとんどの候補者は、その地位を維持し、酵素の重要な部分と強い結合を形成しました。

主役は、NPC475168という名前の分子でした。シミュレーションにおいて、この分子は単にフィットしただけでなく、驚異的な安定性を持ってその場にロックされ、ほとんど揺らぐことなく、酵素の活性部位をしっかりと掴みました。研究者たちは、その結合エネルギーを-64.84 kcal/molと計算しましたが、この数字は、現在の参照薬であるCNP520よりもはるかに強く結合することを示唆しています。他の候補であるNPC313966やNPC252056も良好な成績を収め、付着し続けて役割を果たすことができることを示しました。しかし、この研究はいくつかのアイデアも退けました。例えば、すべての天然生成物が自動的に優れているわけではないことや、最初は良く見えた分子が、長期的には柔軟すぎたり不安定であったりすることが判明したことも分かりました。

結局のところ、この論文はアルツハイマー病を治したとか、薬局の棚に並ぶ薬を用意したと主張しているわけではありません。その代わりに、非常に有望な「デジタル・リード（候補化合物）」のリストを提供しています。研究者たちは、入念なコンピューターモデリングとシミュレーションを通じて、これらの特定の分子がBACE-1のハサミをジャムさせるのに適切な形状と安定性を備えていることを示しました。次のステップは、著者たちが示唆するように、これらの仮想の勝者を実際のラボへと持ち込み、生細胞や最終的には人間に対してどのように機能するかを確認することです。今のところ、NPC475168が最も期待できる候補として際立っており、最も過酷なデジタルテストを通過し、現実世界でのオーディションに備えている分子となっています。

技術要約：機械学習を用いた自然物およびZINCライブラリのQSARスクリーニングにより、ガウス加速分子動力学（GaMD）シミュレーションによって検証された安定なBACE-1阻害剤が発見される

問題提起
アルツハイマー病（AD）は、アミロイドβ（Aβ）ペプチドの蓄積によって特徴づけられる、非常に一般的な神経変性疾患である。Aβは神経毒性を持つプラークを形成する。βサイト切断アミロイド前駆体タンパク質分解酵素1（BACE-1）は、アミロイド生成経路においてAβ産生を司る律速段階の酵素である。BACE-1阻害は検証済みの治療戦略であるが、この酵素の深く疎水的な活性部位や、過去の臨床候補化合物で見られた毒性（肝臓、眼、心臓の毒性など）の問題により、強力かつ選択的な阻害剤の開発は困難を極めてきた。従来の創薬手法は、時間とコストがかかることが多い。したがって、次世代の治療薬の発見を加速させるために、大規模な化学ライブラリ、特に天然物から、新規で構造的に安定なBACE-1阻害剤を効率的に特定できる堅牢な計算フレームワークが必要とされている。

手法
本研究では、定量的構造活性相関（QSAR）モデリング、バーチャルスクリーニング、分子ドッキング、および高度な分子動力学（MD）シミュレーションを組み合わせた統合的な計算パイプラインを採用した。

データセットのキュレーションとQSARモデリング:
- ChEMBLデータベースから15,642個のBACE-1阻害剤のデータセットを取得した。厳格な前処理（標準化、重複の削除、およびナノモル単位での一貫したIC₅₀値によるフィルタリング）を経て、1,532個の一意な化合物からなる精選されたデータセットを構築した。
- PaDEL-DescriptorおよびRDKitを用いて、12種類の分子フィンガープリント・クラス（CDK、CDK Extended、PubChem、MACCS、Klekota-Roth、およびSubstructure Countを含む）を生成した。
- ランダムフォレスト（RF）アルゴリズムを用いてQSARモデルを構築した。データセットは、Kennard–Stoneアルゴリズムを用いて、訓練セット（80%）と外部検証セット（20%）に分割された。
- モデルの性能は、 $R^2$ 、 $Q^2_{cv}$ 、および外部 $Q^2_{ext}$ を用いて評価した。予測の信頼性を確保するため、Williamsプロットを用いた適用領域（AD）分析を実施した。
バーチャルスクリーニングとドッキング:
- 最適化されたQSARモデルをZINCおよびNPASS（天然物）ライブラリに適用した。
- 上位ランクのヒット化合物に対し、ヒトBACE-1結晶構造（PDB ID: 6EQM、阻害剤CNP520が結合したもの）に対してAutoDock Vinaを用いた分子ドッキングを行った。活性部位は、触媒二量体（Asp32, Asp228）およびフラップループ残基を含むように定義した。
分子動力学および自由エネルギー計算:
- 選定されたリガンド・タンパク質複合体に対し、Amber v24を用いた200 nsのガウス加速分子動力学（GaMD）シミュレーションを実施した。この拡張サンプリング法を用い、酸性エンドソーム条件下（pH 5.0）における動的安定性、構造の柔軟性、および結合相互作用を評価した。
- 安定性の指標として、平方根平均二乗偏差（RMSD）、平方根平均二乗ゆらぎ（RMSF）、回転半径（RoG）、および溶媒接触表面積（SASA）を用いた。
- 集団運動を解析するために主成分分析（PCA）を実施し、分子力学/一般化ボルツマン表面積法（MM/GBSA）を用いて結合自由エネルギー（ $\Delta G_{bind}$ ）を算出した。

主要な貢献と結果

QSARモデルの性能:
- 12種類のフィンガープリント・クラスの中で、CDK ExtendedおよびCDK記述子が最も高い予測性能を示し、CDK Extendedにおいて $Q^2_{cv} = 0.78 \pm 0.03$ および $Q^2_{ext} = 0.79 \pm 0.01$ を達成した。
- Substructure Countフィンガープリントは、わずか31個の記述子を使用しているにもかかわらず、強力な予測能力（ $Q^2_{ext} = 0.76$ ）と計算効率を示し、高速なスクリーニングに適していることが示された。
- モデル間の $R^2$ – $Q^2$ の差は小さく（0.10–0.16）、頑健な汎用性と過学習の最小化が示された。
- 物理化学的解析により、活性化合物は通常、分子量400–600 Da、LogP値2–6の範囲にあることが明らかになった。
バーチャルスクリーニングとドッキング:
- 本ワークフローにより、ZINCおよびNPASSライブラリから5つのトップランクの候補化合物（NPC47516ఆ, NPC313966, NPC252056, NPC471858, ZINC71913776）を特定した。
- ドッキングの結果、これらのリガンドは主要な触媒残基（Asp32, Asp228, Thr72, Thr231）およびフラップループ領域と強い水素結合および疎水性相互作用を形成していることが示された。
- NPC252056は、参照阻害剤であるCNP520（–5.73 kcal/mol）を大きく上回る、最も良好なドッキングスコア（–13.08 kcal/mol）を示した。
動的安定性と結合親和性（GaMDおよびMM/GBSA）:
- 安定性: 200 nsのGaMDシミュレーションにより、ほとんどの複合体が構造的に安定していることが確認された。NPC471858とNPC475168は、最もコンパクトで剛直な構造（低いRMSD、狭いRoGの変動、およびPCAにおける制限されたコンフォメーション・サンプリング）を示した。対照的に、NPC313966は高いコンフォメーションの柔軟性を示した。
- 水素結合: NPC475168は、シミュレーション全体を通じて最も一貫した水素結合ネットワーク（3–4本の結合）を維持しており、これがその構造的剛性と相関している。
- 結合自由エネルギー: MM/GBSA計算により、NPC475168が最も優れた結合能を持つことが特定された。その総結合自由エネルギーは**–64.84 kcal/mol**であり、参照阻害剤であるCNP520（–41.06 kcal/mol）を大幅に上回った。NPC313966（–52.25 kcal/mol）およびNPC252056（–42.95 kcal/mol）も強い親和性を示し、NPC471858（–40.39 kcal/mol）は参照化合物と同等の性能であった。

意義と主張
著者らは、本研究がBACE-1阻害剤の発見のための堅牢で統合的な計算フレームワーク（QSAR–MD）を確立することに成功したと主張している。主な意義は、優れた結合自由エネルギー、構造的安定性、および重要な触媒残基との強い相互作用によって特徴づけられる、極めて有望な計算上のリード化合物としてNPC475168を特定したことにある。

本論文は、特定された化合物、特にNPC475168、ならびにNPC252056、NPC313966、NPC471858が、構造ガイド型の最適化のための基礎を提供するものであると述べている。本研究は、これらの知見を、次世代のBACE-1阻害剤の実験的検証に向けた一歩として位置づけており、マルチレベルのパイプラインが高親和性と動的安定性の両方を効果的にフィルタリングすることで、現在の創薬における課題に対処していることを強調している。著者らは、これらの中分子が即時の臨床的有効性を持つと主張しているのではなく、むしろこれらをさらなる生化学的および薬物動態学的評価のための強力な候補として提示している。

関連論文