📚 月次論文レビュー — 🤖 機械学習・AI

Ock, Barati Farimani ら（カーネギーメロン大学）が、創薬初期段階の計算タスクを自律実行するLLMエージェントフレームワークを発表した。生体分子データ取得・文献QA（RAG）・分子生成・75特性予測（ADMET等）・自律的な分子改変・Boltz-2による3Dタンパク質-リガンド構造生成を単一のLLMエージェントが統合実行する。人間の介入なしに2ラウンドの改変ループでQED・薬物様性フィルター適合率を向上させた。

Karpov, Bokov ら（JCIM 2026）が、分子グラフGCNN（グラフ畳み込みニューラルネットワーク）の予測を化学的直感に沿って説明するMolgraphXを提案した。GCNNは分子特性予測において高い精度を示すが、その予測根拠がブラックボックスであることが研究・産業での採用を妨げている。MolgraphXは分子の対称性を考慮した重要度スコアで部分構造の寄与を評価し、化学者が解釈できる説明を提供する。

Gu, Chen ら（吉林大学・蘭州大学）が、自然言語テキストをクエリとして分子スクリーニングと多目標最適化を実行するCoDrugを提案した。SciBERT（科学テキスト）、ChemFormer（SMILES）、ESM（タンパク質配列）を対照学習で共通潜在空間に整列させることで、「テキスト→化合物」「テキスト→タンパク質」の横断的な類似性検索が可能になる。3D構造が不要な点が最大の特徴であり、構造未解明標的や低品質構造にも対応できる。

四級アンモニウム化合物（QAC）は広く使用される抗菌消毒剤だが、細菌耐性の増加により新規QACの開発が急務となっている。本研究はAIガイド型QAC開発をデータ希少状況で実現するため、トポロジー認識VAEによる候補生成と活性予測モデルによる計算フィルタリングを統合したワークフローを提案・実証した。専門家評価の時間制約が一定の条件下で、活性フィルタリングを加えることで合成値のある候補が9%から38%に向上し、実験で11種の新規QACが得られた。

Bret, Sindt, Rognan（ストラスブール大学）が、近年リリースされたオープンソースのコフォールディングモデルBoltz-2を、ウルトララージバーチャルスクリーニング（ULVS）のドッキングヒット分類に初めて体系的に評価した論文である。Boltz-2はタンパク質–リガンド構造予測と結合親和性予測の両方を実行できる点でAlphaFold3の機能的代替として注目されている。本研究はそのVSヒット分類への実用性を評価するとともに、Boltz-2の予測機構に関する潜在的な懸念点も明らかにした。

Lin, Zhou, Long, Yu, Chen（湘潭大学・中南大学・湖南第一師範大学）が、タンパク質–リガンド結合親和性（PLA）予測のためのDualBindフレームワークを提案した。Interaction-freeモジュール（Structure-aware Transformer）とInteraction-basedモジュール（Adaptive GNN）を並列統合し、分子の個別特徴と相互作用の両面を同時にモデリングする。3つのベンチマークデータセットでSOTAに対してRMSE 4.3%低減を達成し、HDACファミリーでの可視化テストで生物学的合理性を確認した。コードはhttps://github.com/Arirhenium/DualBindで公開されている。

Martinez-Cortés, Velázquez-Martínez, Medina-Franco（DIFACQUIM研究グループ・UNAM / U Alberta）が、PROTAC創薬における計算科学手法の最新動向を包括的にレビューした論文である。PROTACはターゲットタンパク質の阻害ではなく分解を誘導する二官能性分子であり、従来の低分子創薬とは根本的に異なる設計原理を要求する。本レビューはその設計工程を(1) データベース・ターゲット選定、(2) ワーヘッド・E3リガンド選択、(3) リンカー設計・最適化、(4) 三元複合体モデリング、(5) 分解効率（DC50/Dmax）予測、(6) bRo5 ADMET評価の6段階に整理し、各段階で利用可能な計算ツール・MLモデルをTable形式で集約している。

本論文は、強化学習（RL）ベースの分子生成において、複数の目的関数を組み合わせる際の報酬関数設計戦略の比較研究である。具体的にはKRAS非共有結合型阻害剤の探索を事例として、加算型報酬（additive reward）と乗算型報酬（multiplicative reward）のどちらが生成分子の多様性・薬物様性・活性予測スコアの同時最適化に優れるかを定量的に評価した。Galvinら（Elix, Inc.）は、乗算型が複数目標の「コンパウンディング効果（相乗最適化）」を自然に促すという仮説のもと、ドッキングスコアとファーマコフォア適合スコアを乗算した報酬関数でRLエージェントを訓練し、加算型と比較した。

本論文は、2025年末に登場したタンパク質–リガンド複合体構造予測モデル Boltz-2（オープンソース実装）を、ChEMBL由来の独立したベンチマークデータセットで定量評価した実証研究である。AlphaFold3がクローズドAPIのみで提供されるなか、完全オープンソースで同等性能を謳うBoltz-2が実際にどの程度の精度を持つかを、再現性ある独立データで検証することが本研究の動機となっている。 Shimizuら（RIKEN・理化学研究所）は、ChEMBLから356ターゲット・10,933化合物のバインディングデータを収集し、Boltz-2に構造予測を実行させ、予測pChEMBL値（pIC50等の-log変換）と実測値の乖離をMAE（平均絶対誤差）・Pearson r・Spearman ρで評価した。

Fang, Sim, Gunasinghe, Shabbir, Ginjom, San, Lau, Wezen（Swinburne University/NUS, Drug Discovery Today, 2026年1月）が、数十億〜数兆件規模のmake-on-demandライブラリを対象とした超大規模バーチャルスクリーニング（ULVS）のヒット同定戦略を統合的にレビューした。階層的スクリーニング・ML/DLサロゲートモデル・アクティブラーニング・生成的探索（GVS）の4アプローチを体系化し、将来課題として精度・計算コスト・化学空間カバレッジのトレードオフを論じる。