EvaMol — A Python Tool for Hit-to-Lead Optimization

EvaMol: A Python Tool for Evaluating Molecules in Hit-to-Lead Optimization

Herzog, Steuber & Fritz — SoftwareX 31, 102366 (2025) | University of Hohenheim | DOI: 10.1016/j.softx.2025.102366

🎯 hit-to-lead最適化で生じる1万超のアナログを、ドッキング→2スコア関数リスコア→物性・リガンド効率算出まで一気通貫で自動評価し、非専門家でも有望候補を高速選別できるツール

① 背景と課題

低親和性の初期ヒットから強力なリード化合物を導く hit-to-lead 最適化では、アナログ探索やフラグメントの growing/linking/merging により膨大な候補分子（>10,000）が生じる。これらを評価・分類して有望候補を選別する工程は時間と労力を要し、ユーザーの主観バイアスも入りやすい。

既存の自由利用可能ツールは評価プロセス全体を自動化しておらず、最初の数ステップのみ、または固定ワークフローに埋め込まれ他ツールに適応不可

EZDock はドッキングを自動化するが後続の評価工程を欠く。ドッキング〜物性/効率算出まで一括する自由利用ツールは皆無

→ 評価工程の全体を端から端まで自動化し、複数スコアの一致とリガンド効率で信頼度の高い優先選別を実現

② EvaMol ツール概要

3 モジュール

モジュラー設計：別アルゴリズム/スコア関数の追加が容易

出力：ソート可能な Calculation_summary.csv と、Smina×ScorePose 親和性のクロスコリレーション散布図（原ヒットを赤でハイライト）。MITライセンス・OpenEye依存。

③ 計算化学パイプライン連携

lib/docking: Smina/UniDockRunner で2スコア関数リスコアし順位相関で信頼度評価する RescoreEnsemble
lib/docking: LE/SILE/LELP のリガンド効率メトリクスを ProLIFCalculator 結果に付与
lib/molgen: ROCS由来の大規模アナログを MolgenYaml で物性プレフィルタ＋コンフォマー生成バッチ前処理
lib/molgen: JobManager で並列バッチ評価＋ソート可能csvサマリ出力

実装ギャップ: RescoreEnsemble・リガンド効率メトリクス・end-to-end評価パイプラインが lib/docking に未実装

④ 主な機能・結果 — 7QU3 実証例（1万アナログ評価）

PDB 7QU3（P. aeruginosa 呼吸鎖酵素）の結合分子 paefs_035 をクエリに ROCS で TanimotoCombo≥0.83 の 10,000 アナログを生成。Intel Xeon Silver 4210 @ 2.2GHz × 20コアで全工程 約6時間。Rescoring（5.5時間）がボトルネックで大半を ScorePose が占める。出力は原ヒット含む 4491 分子の物性・スコア・効率を一覧。

⑤ テイクホーム

評価工程全体を単一ワークフローで自動化—自由利用可能ツールでは初
2スコア関数(Smina/ScorePose)の一致を散布図で可視化し信頼度を担保
LE/SILE/LELP のリガンド効率で薬物様性を加味した優先選別
インタラクティブプロンプトのみで実行—非専門家でも利用可
モジュラー設計で別アルゴリズム/スコア関数を拡張可能

限界: OpenEye 依存で完全再現カプセル提供不可。POSIT は shape-guided ゆえ原ヒット類似変異体に偏る。立体衝突で半数超を棄却。