AI創薬パイプライン、アルツハイマー病標的CASP4阻害剤の再利用候補を同定
- アルツハイマー病に関連する炎症性カスパーゼCASP4を標的に、DrugBank化合物から阻害剤候補を探索する計算機ドラッグリポジショニング・パイプラインが構築された。
- このワークフローは、ドッキングスコアによる優先順位付けと、ChemBERTaによる言語モデル埋め込み、物理化学的記述子を組み合わせて機械学習分類器を訓練した。
- ランダムフォレスト分類器と回帰モデルを用いて、活性が高いと予測される化合物を識別し、予測効力に基づいてランク付けした。
- さらにケモインフォマティクス解析、PK-PD評価、分子ドッキングにより、候補化合物を5つに絞り込んだ。
- 続いて分子動力学(MD)シミュレーションとMM/PBSA自由エネルギー解析により結合安定性を評価し、DB05316とDB00519の2化合物が、参照化合物ドネペジルより良好な予測結合を示した。
- 著者らは、本パイプラインを新規標的に対する再利用化合物の優先順位付けのための汎用戦略として提示している。
💡 ポイント
ドッキング→ChemBERTa埋め込み→ランダムフォレスト→MD/MM-PBSAという5段階のファネルで2化合物まで絞り込む、というのは一見堅実に見えるが、各段階にそれぞれ固有の誤検出率があり、フィルタを重ねても誤差が相殺されるとは限らない。特にMM/PBSAで構造的に無関係なリガンド同士を絶対値比較するのは、ランキング指標として悪名高いほど不安定だ。フィルタを重ねるほど、むしろ偽陽性を磨き上げてしまうリスクもある。 これが今のAI創薬トレンドの中でどこに位置するかと言えば——新規骨格の創出ではなく、既知化合物空間のトリアージを高速化する話であり、これはこれで正当な、伸びつつあるニッチだ。 本当の強みはDrugBank由来であること。DB05316とDB00519はすでにADMET・安全性・製剤データを備えており、候補化合物からIND対応作業に進む過程で合成やトキシコロジーパッケージを新たに用意する必要がない。 とはいえ、結合アッセイなしにはどれも意味を持たない。CASP4活性が生化学的に確認されるまでは、これはランク付けされた仮説リストであり、ヒットではない。