ベンチマーク研究、Keap1-Nrf2標的のAIスクリーニングに潜む落とし穴を指摘
- 構造ベースのコフォールディング(co-folding)モデルと学習型アフィニティスコアリングを組み合わせたバーチャルスクリーニングのパイプラインを検証する新しいベンチマーク研究が発表された。こうした構成は計算によるヒット探索で近年一般的になっている。
- このカスケードは、平坦で極性の高い結合界面を持つためドラッグ化が難しいとされるKeap1-Nrf2タンパク質間相互作用(PPI)を対象に適用された。
- 著者らは最終的なランキング結果のみを信頼するのではなく、各段階のスコアが実験的に意味のある信号と一致しているかを個別に評価した。
- その結果、各段階のスコアが実験的信号から外れる具体的な破綻パターンが特定され、これが後段の化合物優先順位付けを誤らせる可能性があることが示された。
- 本論文は、カスケードの最終的なヒットリストを信頼する前に実務者が各段階で実施すべきコントロールチェックを提案しており、新規阻害剤の報告ではなく、手法・信頼性に関する研究として位置づけられている。
💡 ポイント
Keap1-Nrf2は、まさにco-foldingモデルが自信満々にそれっぽいポーズを出し、affinityスコアがそれを的外れな理由でトップに押し上げてしまう、平坦で極性の強いPPIそのものだ。だからこそ、カスケードを段階ごとに分解して検証したこの論文は、「ヒットを見つけた」という論文よりずっと実用的に思える。 自分のベンダー製・自社製パイプラインの上位20化合物を合成キューに乗せる前に走らせるチェックリストとして読みたい。co-folding信頼度とaffinityスコアが静かにズレ始めているなら、それこそ実体のない化合物に何週間も溶かしてしまう典型的な失敗パターンだ。 新しい化学構造も追うべき結合モードもない。あるのはただ、このクラスの厄介な標的では、ランキングされたリスト自体はQCステップではないという注意喚起だけ。「注文前に読む」案件であって、「阻害剤として読む」案件ではない。