PROTACs in Targeted Protein Degradation: AI-Enhanced Drug Discovery

PROTACs in Targeted Protein Degradation: Advances in Development and AI-Enhanced Drug Discovery

European Journal of Medicinal Chemistry Reports | 2026年3月 | DOI: 10.1016/j.ejmcr.2026.100332

PROTAC × AI 最新レビュー：リンカーRL/VAE生成、三元複合体cofolding、DC50/ADMET ML予測を体系化し、2025-2026年の臨床PROTAC動向を更新

① 背景と課題：PROTAC設計の三重苦

PROTAC（PROteolysis TArgeting Chimera）は標的タンパク（PoI）リガンド・E3リガーゼ（CRBN/VHL等）リガンド・両者を繋ぐリンカーの三要素から成り、ユビキチン-プロテアソーム系（UPS）を介して標的タンパクを分解する次世代モダリティである。占有駆動型の従来阻害剤と異なりイベント駆動型・触媒的に機能するため、undruggableターゲットへの適用が期待される。

三元複合体形成：PoI-PROTAC-E3が協同的（αパラメータ）に組まれる必要があり、結合親和性のみでは分解効率（DC50/Dmax）を予測できない

リンカー設計空間の爆発：原子数・回転自由度・剛直性・極性の組合せが膨大で、合成試行錯誤に依存した経験則最適化が現状

分子量増大に伴うADMET悪化：MW 700-1100 Daが典型でRule of 5を逸脱、膜透過性・代謝安定性・hERGリスクが課題

→ 2024-2026年のAlphaFold2/Boltz-2、拡散モデル、GNNなど最新AI手法でPROTAC開発を体系的に加速できないかを総覧する

② 手法の概要：AI応用の5層スタック

ワーヘッド探索：LBVS/SBVSによるPoIリガンド・E3リガンド同定
リンカー設計：RL（PROTAC-INVENT）/ VAE（DeLinker）/ 拡散モデル
三元複合体予測：AF-Multimer、Chai-1、Boltz-2、専用GNN
ADMET予測：CaLPP（膜透過）、代謝安定性、hERG分類器
分解効率予測：DC50/Dmax の QSAR + GNN

③ 本研究で示したこと

2024-2026年の最新AI手法（Boltz-2・Chai-1・拡散モデル・専用GNN）をPROTAC設計の各段階別に整理
臨床PROTAC一覧を更新：ARV-110/471、bavdegalutamide、CFT8919等のPhase 2以降を網羅
三元複合体協同性（αパラメータ）の計算予測の困難性を整理
リソソーム系デグレーダー（LYTAC・ATTEC）への AI 応用が初期段階であることを指摘
公開DC50/Dmaxデータが数千件規模に留まり、過学習リスクが高い現状を提示

④(a) リンカー生成AIの設計戦略

RL：両端SMILES条件付きトークン生成。VAE：接続点3D座標条件。拡散：3D配座を直接生成

④(b) PROTAC AI応用5領域の成熟度

④(c) 臨床段階の代表PROTAC

化合物	標的	段階
ARV-110	AR（前立腺癌）	Phase 2
ARV-471	ER（乳癌）	Phase 3
bavdegalutamide	AR	Phase 2
CFT8919	EGFR L858R	Phase 1/2

700-1100 Da

PROTAC典型分子量レンジ（Ro5逸脱領域）

数千件

公開DC50/Dmaxデータ件数（過学習リスク）

④(d) 三元複合体構造予測モデル

専用GNNはα協同性予測を試行も、定量予測は依然困難

⑤ テイクホームメッセージ

5段階スタック化
ワーヘッド探索→リンカー設計→三元複合体予測→ADMET→DC50/Dmax予測の5層でAI応用が体系化された。

リンカー生成は3流派
RL（PROTAC-INVENT）・VAE（DeLinker）・拡散モデルが並立。3D条件付き生成が2024-26年の主流。

cofolding時代の到来
Boltz-2・Chai-1がPROTAC三元複合体を直接予測する初期段階に到達、AF-Multimerからの精度向上が顕著。

α協同性とデータ枯渇
DC50/Dmax予測は数千件データの過学習リスクとα協同性の理論未解明が二大ボトルネック。

臨床トランジション加速
ARV-471（Phase 3）・ARV-110・CFT8919などPhase 2以降が並走、AI支援設計のリアルワールド検証段階。

次世代デグレーダーへ拡張
LYTAC/ATTECなどリソソーム・オートファジー系デグレーダーへのAI応用は初期段階で大きな研究空白。

応用補足：lib/* への統合

lib/molgen
MolgenYamlにPROTAC-INVENT型RLリンカー生成器を統合し、両端SMILES条件付きでde novo PROTAC設計を可能にする。

lib/docking
UniDockRunnerを三元複合体（PoI-PROTAC-E3）対応に拡張、ProLIFCalculatorで両界面のH-bond/疎水性接触を評価するPROTAC専用フィルタを構築。

lib/fep
MMGBSAEngineの評価軸にα協同性指標を追加、三元複合体安定化エネルギーを定量化。

インパクト

PROTAC開発における AI 応用の5段階マップを提示し、今後の研究投資の優先度判断材料となる
2024-26年の最新モデル（Boltz-2・拡散モデル）を体系整理した最新リファレンス
LYTAC/ATTECなど次世代デグレーダーへの AI 応用の研究空白を明確化