機械学習による500万候補のスクリーニングで光活性化PARP1阻害剤を創出
- タンパク質–リガンドドッキング、ML力場、量子化学計算、自由エネルギー摂動(FEP)を組み合わせ、光活性型PARP1リガンド候補約500万種をスクリーニング。
- ドッキングにより光照射下と暗所下でPARP1への結合が異なる候補を特定。ML力場とQM計算でpKa、吸収スペクトル、熱半減期を予測し、グラフベースの代理モデルで残りのライブラリをスクリーニング。
- 励起状態の非断熱動力学シミュレーション(ML力場を利用)により光スイッチングの量子収率を推定。FEPで上位候補の結合親和性予測を精緻化。
- レッドシフトした吸収波長(組織透過性に有利)、治療応用に適した熱半減期、光/暗所選択的なPARP1結合を兼ね備えた、合成的に実現可能な候補を少数厳選。
- 予測は実験的に検証され、光活性化(フォトファーマコロジー)がん治療薬設計における計算から実験までの一貫したパイプラインを実証。
💡 ポイント
500万件の仮想候補をひと握りまで絞り込んだファネル(ドッキング→ML力場→量子化学→非断熱ダイナミクス→FEP)こそが今回の見どころで、これはメドケムチームがこれまで手作業のSAR勘に頼っていた作業を、人間が手を出せないほど広いケミカルスペースで高速に肩代わりしている。結合様式の仮説はシンプルで、(おそらく)ニコチンアミド模倣型のPARP1ファーマコフォアにフォトスイッチを付加し、明状態と暗状態の異性体間でポケット占有を切り替える構造だ。つまりここでの「選択性」はPARP2やタンキラーゼに対するアイソフォーム選択性ではなく、腫瘍組織内での時空間的な制御を指しており、オラパリブやニラパリブが最適化してきた軸とはまったく別物だ。組織透過性のための赤方偏移吸収と、治療に使える熱半減期の両立は、フォトファーマコロジーのリード化合物をこれまで頓挫させてきたトラクタビリティの壁であり、合成的にアクセス可能な化合物でその両方をクリアし、さらにウェットラボで検証まで漕ぎ着けた点こそが本当に注目に値する。
Computational Design and Experimental Validation of Photoactive PARP1 Inhibitors ↗