Discovery of Covalent Ligands with AlphaFold3
DOI: 10.1021/jacs.5c22222 | JACS 2026 | Category: computational_chemistry | Shamir, London et al. (Weizmann Institute)
AF3コフォールディングで共有結合VSを革新！BTKキナーゼで新規共有結合阻害剤を発見、共結晶でサブオングストローム精度確認。従来ドッキングを大幅凌駕。lib/dockingへの統合候補。 #AlphaFold3 #CovalentDrug
[1] 背景と課題

共有結合阻害剤（KRAS G12C, BTK, EGFR等）は強力かつ選択的な薬理ツールとして近年再評価されているが、計算手法による探索は依然として困難である。既存の共有結合ドッキング（CovDock, AutoDock-GPU等）は反応性ウォーヘッドと求核残基（Cys）の化学モデルを陽に定義する必要があり、標的・ウォーヘッドタイプごとにパラメータを調整しなければならない。

ギャップ: プロパティマッチドデコイに対するROC-AUCが低く、真のバインダーをデコイから区別する識別能が不十分。事前に反応化学を仮定する必要があり、新規ウォーヘッド・新規標的への汎化が困難。

本研究は、AlphaFold3（AF3）のコフォールディング機能を共有結合リガンド発見に初めて体系的に適用し、シーケンスとSMILESのみで共有結合複合体を予測できるかを検証した。

[2] 手法の概要 (AF3 Co-folding Pipeline)
Protein FASTA (BTK) Ligand SMILES + warhead AlphaFold3 Diffusion Cys-modified pose pLDDT / ipTM scores Rank & Select Hits (Top-N)

入力はFASTA + SMILESのみ。AF3 diffusionが共有結合修飾残基ごとポーズを生成し、pLDDT / ipTMでランキングする。事前の化学モデル不要。

[3] 本研究で示したこと
  • AF3が共有結合複合体のポーズをサブオングストローム精度（共結晶X線比較）で予測できること。
  • pLDDT / ipTMスコアが、真のバインダーをプロパティマッチドデコイからnearly optimal (AUC≈0.95+) で識別できること。
  • BTK実証VSキャンペーンで IC50 < 100 nM の新規共有結合阻害剤を発見・実験的確認。
  • キノームセレクティビティプロファイリングで高選択性を確認（off-target キナーゼ抑制が限定的）。
  • 反応化学パラメータの陽な定義なしに、シーケンス+SMILESだけで共有結合VSが実現可能であることを実証。
[4a] ROC-AUC: AF3 vs Covalent Docking
1.0 0.9 0.8 0.7 0.5 ROC-AUC (property-matched decoys) AUC 0.95+ AF3 ~0.80 CovDock ~0.75 AutoDock-GPU random=0.5
[4b] BTK 実証VSキャンペーン

BTK（Bruton's Tyrosine Kinase, Cys481共有結合標的）に対し、AF3コフォールディングで数百〜数千化合物をスクリーニング。pLDDT/ipTM上位候補を合成・in vitroキナーゼアッセイで評価。

IC50 < 100 nM
新規共有結合阻害剤（BTK, in vitro）
Sub-Å RMSD
共結晶X線とAF3予測ポーズの一致度

キノームセレクティビティ：他のCys含有キナーゼに対するoff-target抑制率が低く、選択性プロファイル良好。

[4c] Pose Accuracy (X-ray vs AF3)
Pose RMSD vs Crystal (Å) Count 8 6 4 2 0 0.5 1.0 1.5 2.0 2.5 8 6 2 1 0 Sub-Å (1.0Å)

過半のテストケースが Sub-Å RMSDを達成。

[4d] 限界点
  • 標的範囲: BTK等キナーゼに特化検証。非触媒Cysを持つ非キナーゼ標的への一般化は未検証。
  • 計算コスト: 1化合物あたり数分/GPU。数百万規模のultra-large VSには直接不向き。
  • ライセンス: AF3ウェイトは非商用限定。産業応用には商用版/再学習が必要。
  • 反応性予測: ウォーヘッドの実際の反応性（kinact/Ki分離）はAF3単体では評価不能。
[5] テイクホームメッセージ
(1) 化学モデル不要のVS
シーケンス+SMILESのみで共有結合複合体を予測できるため、新規ウォーヘッド・新規Cys標的への適用障壁が大幅に低下。
(2) pLDDT/ipTMが識別子
追加学習なしに信頼度スコアが識別関数として機能、AUC≈0.95+でデコイから真のバインダーを選別。
(3) Sub-Å精度の構造予測
共結晶X線と一致するポーズを予測可能。リード最適化のSBDDスタート点として直接利用できる品質。
(4) プレフィルタとの組合せ必須
計算コストの制約から、UniDock等高速ドッキングで絞り込んだ後にAF3で再ランキングする2段VSが現実解。
ケムインフォマティクス応用
適用先モジュール提案ユースケース優先度
lib/dockingAF3CovalentRescorer: UniDock出力の上位N件をAF3で再評価しpLDDT/ipTMで再ランキングHigh
lib/molgenMolgenYamlのスコアラーにAF3-pLDDTを組込み、共有結合候補を生成段階でフィルタMedium
本研究のインパクト
  • 共有結合創薬パイプラインに反応化学パラメータ不要の新パラダイムを提示。新規Cys標的探索が加速。
  • AF3が単なる構造予測ツールから、実用的VSエンジンへと進化したことを実証。
  • BTKでの実バインダー発見＋共結晶検証というend-to-endの実験的妥当性を確立。
Source: Shamir, London et al. "Discovery of Covalent Ligands with AlphaFold3" JACS 2026, DOI: 10.1021/jacs.5c22222 | AF3: https://github.com/google-deepmind/alphafold | Poster auto-generated