📚 月次論文レビュー — 🤖 機械学習・AI

機械学習モデルは、トレーニングデータの化学空間内では高い予測精度を発揮するが、構造的に新規な分子（Out-of-Distribution, OOD）に対しては信頼性が著しく低下する。この問題はドラッグディスカバリーにおいて深刻で、十億規模の化合物ライブラリをスクリーニングする際に多数の誤予測が生じる原因となる。本論文では、Joint Molecular Modelling（JMM）と名付けた半教師あきオートエンコーダを提案し、分子特性予測と分子再構成を同時に最適化することで「unfamiliarity（非馴染み度）」という新指標を導入する。この指標はモデルが特定の分子をどれだけ「知っているか」を定量化し、予測信頼性の代理指標として機能する。

MDシミュレーションの深層学習加速において、「生成モデルが長時間の因果的・連続的軌道を生成できるか」という課題は未解決のままだった。既存の拡散/フローマッチングベースの軌道モデル（MDGen、DeepJump等）は時間方向の因果依存性を明示的に保持せず、自己回帰的な長時間生成では誤差が蓄積しやすい。PKU/BioGeometry/MilaのShi/Tang et al.は **ATMOS（Autoregressive Trajectory Model for Open-ended Simulation）** を提案した。状態空間モデル（SSM）をバックボーンとした自己回帰アーキテクチャで、タンパク質単量体とタンパク質-リガンド複合体の**双方**を統一的に扱える初めての汎用MDサロゲートモデルである。

分子動力学（MD）シミュレーションは創薬の計算化学において中心的な役割を担うが、非共有相互作用力の計算コストが律速となり、生物学的に意義のある長時間スケールへのアクセスが困難だった。深層学習によるMD加速は有望だが、既存手法の多くはタンパク質の内部座標（二面角など）やコースグレイン表現を使用しており、リガンドとの全原子相互作用を直接モデル化できなかった。IDEA研究院（深圳）のFeng/Li et al.はこの問題を **BioMD** で解決した。全原子デカルト座標を直接扱う初の生成型タンパク質-リガンドダイナミクスモデルであり、SE(3)グラフトランスフォーマーとFlowTrajectoryTransformerを組み合わせた階層的生成フレームワークで長時間軌道を効率的に生成する。リガンド解離経路の97.

古典的MDシミュレーションはタンパク質の機能に関わるダイナミクスをマイクロ秒〜ミリ秒スケールで再現するために膨大な計算資源を必要とする。深層生成モデルによるMD加速は有望だが、既存手法はアーキテクチャ上の制約・誤差蓄積・時空間依存性の不十分なモデル化により長時間生成に失敗することが多い。ByteDance SeedのShoghi/Gu et al.はこの課題に対して **STAR-MD**（Spatio-Temporal Autoregressive Rollout for Molecular Dynamics）を提案した。

EnamineREAL Spaceのような40〜70億規模の化合物ライブラリを対象とした仮想スクリーニングでは、ドッキングや機械学習モデルの推論コストが律速になる。Vinogradov et al.（Optic Inc.）は、この問題を**レコメンデーションシステム的発想**で解決するLBVSシステム **BIOPTIC B1** を発表した。RoBERTa型トランスフォーマーモデルで分子を60次元の埋め込みベクトルに変換し、あらかじめ全ライブラリの埋め込みをSSD上にインデックス化しておくことで、クエリ化合物との類似度検索を約2分で完了する。EnamineREAL 40億化合物に適用してLRRK2（パーキンソン病関連キナーゼ）の新規リガンドKd=110 nMを発見し、全体ヒット率10.4%を達成した。