Accelerating Covalent Drug Discovery: Recent Advances in Covalent Docking Tools
Li, Pan, Hou et al. — WIREs Comput Mol Sci 15, e70062 (2025) | Zhejiang University | DOI: 10.1002/wcms.70062 | Advanced Review
🎯 共有ドッキング手法を「共有結合の扱い方」で3分類（tethered/biased/reactive）し、定量ベンチマークとAIの台頭を体系整理する総説
① 背景と課題

共有結合阻害剤は求電子性ウォーヘッドがポケット内の求核残基（主にCys、次いでSer）と不可逆結合することで、従来の非共有阻害剤では狙えない浅い／荷電ポケットを標的にできる。3Dファーマコフォア最適化と制御された反応性を組合せた標的共有結合阻害剤（TCI）が主流となり、FDAは2025年時点で125以上の共有薬を承認している。

共有結合は可逆結合相（Ki = k₋₁/k₁）に続く不可逆修飾という二相機構であり、この物理過程をドッキングでどう近似するかが核心
共有結合形成エネルギーをスコアにどう整合的に組み込むか、評価ベンチマークの標準化が未確立

→ 共有ドッキングはVS・リード最適化・機構解析の各段で中心ツール。本総説は手法分類と性能比較、AI展望を提供

② covalent docking 手法概要（3分類）
共有結合の扱い方で分類
↓
tethered：結合を事前生成
距離・角度拘束で配座最適化
(GOLD / AutoDock4 / ICM-Pro / FlexX)
↓
biased：幾何・エネルギー誘導
2点アトラクタ／ポテンシャルマップ
(CovDock / FITTED / DOCKovalent)
↓
dynamic / reactive：反応軌道を明示
Morse・13–7・共有グリッドポテンシャル
(CovalentDock / WIDOCK / CDOCKER)

高速・高精度の発展形：HCovDock（2仮想原子＋ハイブリッドスコア）、COV_DOX（QM/DFT精密化、成功率81%だが>100h/予測）。

発展形：成功率 vs 速度（log時間軸） 30 40 60 80% 成功率 5分 15分 >100時間 ドッキング所要時間（速い←→遅い） 70.1% HCovDock ~50% CDOCKER 81% COV_DOX

COV_DOX最高精度だが極端な計算コスト、HCovDockが精度・速度を両立（数値=CS207ベンチ）

③ 計算化学パイプライン連携 (lib/docking)
  • UniDockRunner拡張: tethered（距離/角度拘束）とreactive（Ecovalent項）を切替えるcovalentモード追加
  • ProLIFCalculator: warhead SMARTSと求核残基（Cys SG/Ser OG/Lys NZ）の自動検出・反応サイト同定支援
  • スコアリング: pre/post反応状態の平均化（CovDock-LO流）＋FACTS暗黙溶媒でenrichment改善
  • MMGBSAEngine (lib/fep): lysine拡張型のMM/GBSAリスコアで上位候補を再評価
実装ギャップ: 共有ドッキング専用モード・反応機構テーブル（>50 warhead/20機構）・Ecovalent項・CarsiDock-Cov推論ラッパがlib/dockingに未実装
④ 主なツール比較（RMSD<2Å トップポーズ成功率, Keserű CS207 vs BCDE）
RMSD<2Å 成功率：CS207（Cys中心, 青）vs BCDE（Cys+Ser, 橙） 0 40 60 80% ~50 56 CovDock ~50 44 GOLD ~50 50 MOE 62 43 ICM-Pro ~50 CDOCKER 70.1 HCovDock 最高・平均5分
ツールCS207 (Cys中心)BCDE (Cys+Ser)速度・特徴
ICM-Pro62%（CS207最高）43%（順位後退）自動立体異性体生成、共有特化スコアなし
CovDock (Schrödinger)40–60%56%LO=pre/post平均(1–3h)／VS=高速
MOE / GOLD40–60%50% / 44%古典的tethered
CDOCKER古典手法と同等—ring-opening優位・FACTS統合（平均15分）
HCovDock70.1%（最高）—2仮想原子＋ハイブリッドスコア（平均5分）

→ データセット組成で順位が逆転（ICM-Pro 62%→43%、CovDock躍進）。ベンチ標準化の欠如が公平比較の障壁。

⑤ テイクホームメッセージ
  • 共有ドッキングはtethered / biased / reactiveの3分類で統一的に理解できる
  • HCovDock 70.1%（CS207, 平均5分）が最高水準。速度と精度を両立
  • 性能順位はデータセット組成に強く依存（Cys中心 vs Cys+Ser）—標準ベンチが急務
  • 共有結合形成エネルギーのスコア整合的統合（Morse/13–7/CDOCKER二次型）が精度の鍵
  • AI（CarsiDock-Cov, RTCNN, AF3, Cys反応サイト予測）が次世代を牽引
BCDE（Cys+Ser）トップポーズ成功率の逆転 0 20 40 60% CovDock 56% MOE 50% GOLD 44% ICM-Pro 43% CS207では62%最高のICM-Proがここでは最下位に
  • VS・リード最適化・機構解析の各段で実用化が進む
  • CovalentInDB 2.0（>200万化合物, 24 ADMET注釈）がベンチ・学習基盤
限界: 溶媒効果の扱い、COV_DOXの極端な計算コスト(>100h)、AF3共有複合体の系統的検証が未了
DOI: 10.1002/wcms.70062 | Wiley Interdiscip Rev Comput Mol Sci 15, e70062 (2025) — Advanced Review | Li, Ye, Du, Zhang, Zhang, Shen, Hou, Pan (Zhejiang University) | Category: computational_chemistry