📚 月次論文レビュー — 🔬 計算化学

フレキシブルリガンドアライメント（G-align）を受容体形状制約と組み合わせることで、大規模化合物ライブラリの仮想スクリーニング（VS）を高速かつ受容体依存性高く実行するフレームワーク G-screen を提案した論文である。従来のリガンドベース仮想スクリーニング（LBVS）の速度優位性を維持しながら、受容体ポケット形状に適合するかどうかを評価する受容体認識機能を付加した点が核心的な貢献であり、スケーラブルな実装によって数百万化合物の高速スクリーニングが可能である。

BioEmu（Biological Ensemble Emulation）と分子動力学（MD）シミュレーションおよびMarkov状態モデル（MSM）を統合することで、タンパク質のコンフォメーション空間を効率的かつ精度高くサンプリングするフレームワークを提案した論文である。Bhakatらの研究であり、BioEmuが生成する多様なコンフォメーションアンサンブルをMDシミュレーションの初期条件として使用し、MSMで動力学的状態を推定することで従来の長時間MDに匹敵するサンプリング効率を実現している。

Boltz-2のタンパク質-リガンド結合予測性能を大規模に独立評価した論文である。Wan・Covenyらが16,780化合物（ホールドアウトセット）と21,702化合物（最新PDB構造）を用いて、Boltz-2の結合ポーズ精度・親和性相関・計算コストを体系的に評価した。開発者側の主張を第三者が独立検証することで、実際の仮想スクリーニング環境でのBoltz-2の実力を明らかにする位置づけの研究である。

短時間（1〜5ns程度）の標準MDシミュレーションから非調和低周波振動モードを抽出し、それを集団変数（CV）として強化サンプリングに使用することで、タンパク質のコンフォメーション転移を事前知識なしに高速かつ正確に探索する手法を提案した研究。従来の強化サンプリング（メタダイナミクス・REST2等）はCV設定に専門知識が必要だったが、本手法はCVを短時間シミュレーションから自動抽出することで「知識不要」の汎用的強化サンプリングを実現する。

LLMコーディングエージェント（Claude Code）が高レベルの科学的指示のみで完全な仮想スクリーニング（VS）ベンチマークパイプラインを自律設計・実行した初の事例報告。FPR2（GPCR）をターゲットとしてUni-Dock（物理ベース）とDiffDock（拡散ベース機械学習）を比較し、Uni-DockがROC AUC 0.70–0.73、DiffDockがAUC 0.54–0.56（ほぼランダム）という結果を得た。物理ベースドッキングが拡散ベースMLドッキングを大幅に上回ることを、AIエージェントが自律的に定量化した。

Shoichetグループが約9億分子の超大規模ライブラリを3つのGPCRターゲット（α2Aアドレナリン受容体・SERT・MOR）に対して同時ドッキングし、複数受容体に結合するデュアル/トリプルアクティブをin silicoで予測・実験的に確認した研究。従来のポリファーマコロジー探索が順次スクリーニングに依存していたのに対し、超大規模ライブラリを複数ターゲットに一括適用して多受容体プロファイルを最初から設計するアプローチを実証した。

Voitsitskyi, Nafiiev ら（Chemspace/AI Labs）が、高スループットVSに最適化されたMLベースドッキング手法ArtiDockを発表した。PLINDERデータセット（大規模タンパク質-リガンド相互作用DB）をベースとした新規ベンチマークを開発し、このベンチマークでAutoDock/Vina/Glideを29〜38%上回る精度を達成した。非結合タンパク質構造・活性サイトのイオン・構造水という困難なドッキングシナリオで特に優位であり、PoseXブラインドドッキング評価でもBoltz-2等のコフォールディング手法と競争力のある精度を低計算コストで実現した。

Tsai, Pan ら（Schrödinger/Rutgers大学）が、共通コア構造を持たない多様な化合物間の相対結合自由エネルギー（RBFE）計算を可能にするCBFE（Core-Hopping BFE）フレームワークを発表した。従来のRBFEは共通コアが必要でscaffold hoppingに適用困難、ABFE（絶対BFE）は計算コストが高く収束が悪いという問題があった。CBFEはAlchemical Enhanced Sampling（ACES）・最適化変換経路・λ依存Boresch拘束を組み合わせ、AMBER GPU実装で4タンパク質・56化合物のベンチマークで優位性を示した。

Tripathy, Götz ら（UCSD, MSU, UCSB）が、GPU加速のオープンソースab initio電子計算コードQUICKを使った高効率ESP計算と、配向非依存なrwRESP（reweighted RESP）部分電荷スキームを発表した。1データセンターGPUが128 CPU coreを計算速度で上回り、超高密度グリッド計算（20000点/原子）でESP電荷の配向依存性問題を解決した。AmberToolsとの統合でGAFF力場のリガンド電荷パラメータ生成が高速化され、FEP等の高精度計算の基盤が強化される。

Szczepaniak, Im ら（Lehigh大学）が、ニューラルネットワークポテンシャル（NNP）と古典的分子力学（MM）を組み合わせたハイブリッドML/MMシミュレーション系を自動構築するCHARMM-GUI Hybrid ML/MM Builderを発表した。薬物様リガンドを高精度なNNP（MACE, ANI）で記述しタンパク質をMM力場で記述することで、QM/MMに近い精度を実用的な計算コストで達成する。TorchANI-AMBERとOpenMM-MLの2つのバックエンドをサポートする。