AIコフォールディング型バーチャルスクリーニングをストレステスト:Keap1–Nrf2を題材にした事例研究
- 多段階のバーチャルスクリーニング・カスケード(AIによる共構造予測〔コフォールディング〕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手法)は、計算創薬においてすでに標準的な手法となっている。
- 各段階のスコアは、その意味するところを独立に検証されないまま、そのまま信頼されて候補化合物の選別・絞り込みに使われることが多い。
- 本プレプリントは、Keap1–Nrf2タンパク質間相互作用を題材として、各段階のスコアが実務者にとって信頼できる情報を実際に持っているかどうかを、段階ごとに体系的に検証している。
- 著者らは、カスケードの各段階で生じる失敗パターンを整理し、これらのパイプラインがどこで、なぜ誤りうるかについて品質管理の観点から考察している。
💡 ポイント
今どのスクリーニングも、co-folding予測とMLスコアリングを組み合わせたカスケードを回すのが当たり前になっていて、正直、各ステージをいちいち検証するのは面倒なので、最終的なランキングをそのまま信じてしまいがちだ。 このプレプリントが突いているのはまさにその習慣で、Keap1-Nrf2という、平坦で浅いPPI界面ゆえにドッキングやファーマコフォア法でも昔から手を焼いてきたターゲットを使い、スコアリングのアーティファクトが表に出やすいストレステストとして検証している。 アブストラクトの枠組みが正しければ、伝えたいメッセージは「これらのツールを使うな」ではなく「各ステージが実際に何を測っているか分からないまま、単一の複合スコアを鵜呑みにするな」ということだろう。ポーズの確信度、親和性ランキング、物理的な妥当性はそれぞれ別物で、それらを混同することが偽陽性を上位に押し上げる原因になる。 詳細な方法論と失敗モードの内訳が公開されたら、改めて見直す価値がある——現時点ではまだ情報が薄い。