Machine Learning De Novo Design
RSC Med. Chem. 2024

SARS-CoV-2 Mpro阻害剤の深層強化学習 de novo 設計

Hazemann & Czodrowski et al. — REINVENT 2.0 + PheSA + ML Ensemble + Consensus Docking
409K
Generated mols
35%
Hit rate
1.3
Best IC50 μM
8r16
PDB X-ray
背景 — なぜMpro?

SARS-CoV-2主要プロテアーゼ(Mpro/3CLpro)はウイルスポリタンパク質の切断に必須。ヒト酵素との低相同性から高い選択性が期待でき、FDA承認ニルマトレルビルの標的。

スクリーニングパイプライン(段階的絞り込み)
REINVENT 2.0 RL生成
PheSA + SMC + QED + Jaccard scoring
409,600 mols
3Dフィルター + QEDフィルター
形状類似 ≥ 閾値, QED ≥ 0.5, SMC ≥ 1
1,736 mols
MLアンサンブル活性予測
RF / XGBoost / GCNN / E3FP (AUC=0.898 val)
118 mols
コンセンサスドッキング
SeeSAR + GOLD (ChemPLP) + Glide (SP)
17 合成
生物活性評価 + X線結晶構造 3 novel hits
スクリーニングカスケード(対数スケール分子数)
409,600 1,736 118 17 3 REINVENT 3D Filter ML Filter Docking Hits
REINVENT 2.0 スコアリング関数

スコア = w₁·PheSA(3D形状類似)+ w₂·SMC(特権フラグメント数)+ w₃·QED(薬物様性)— w₄·Jaccard距離(多様性)。PheSAは参照分子ニルマトレルビルに対する形状+薬理団Tanimoto。SMCはラクタム・ペプチド模倣構造のサブ構造マッチ数。

MLアンサンブル各モデルAUC(val / test)
0.5 0.7 0.9 RF XGBoost 0.898 GCNN E3FP Val AUC Test AUC
発見された新規Mpro阻害剤
Hit A
1.3 μM
抗ウイルス活性あり
Hit B (8r16)
1.5 μM
X線結晶構造取得
Hit C
2.3 μM
CatL選択性確認
パイプラインへの実装提案

lib/molgen — PheSA形状スコア(RDKit rdShapeHelpers)+ SMC(HasSubstructMatch)をMolgenYamlスコアラーに追加。REINVENT-style RL学習ループをJobManagerに統合。
lib/docking — GCNNアンサンブルフィルターをUniDockRunnerの前段に配置し入力候補を1%以下に削減。AiZynthFinderを合成可能性フィルターとして接続。