📚 月次論文レビュー — 🔬 計算化学

Truong, Ballester, Taboureau, Tran-Nguyen（Université Paris Cité/Imperial College London, ChemRxiv 2026年2月）が、14,038訓練・5,201テスト×3,173ユニークタンパク質ターゲットのcold-ligand splitで構築した大規模オープンソースドッキングベンチマーク「NextTopDocker」を発表した。最先端のDLドッキングフレームワーク4種（DeepDock・Interformer・SurfDock・Uni-Mol Docking v2）とSmina・GNINA・ロジスティック回帰（LR）ベースラインを系統的に比較した結果…

Mailhot, Holland, Paris, Radchenko, Moroz, Shoichet, Irwin（UCSF/Université de Montréal/Enamine/Chemspace）が、trillionスケールのmake-on-demandライブラリに対応する透明な大規模ドッキング優先化アルゴリズム「ChemSTEP（Chemical Space Traversal and Exploration Procedure）」を発表した。高スコアな多様「ビーコン」を起点に化学空間を反復的に類似性探索することで、全ライブラリの5%未満のドッキングで高スコア化合物の75%以上を回収する。さらに「有効ライブラリサイズ（Neff）」という新概念を定義し、異なる優先化アルゴリズムの性能を標準化する。

Hartmann, Buhr, Riedmiller, Sucerquia, Kiesewetter, Ulanov, Schüpp, Aponte-Santamaría, Gräter（Heidelberg Institute for Theoretical Studies / Max Planck Institute for Polymer Research, Nat. Commun. 17:3500, 2026）が、生体分子の化学反応を大スケール・長時間でエミュレートするシステム「KIMMDY（KInetic Monte Carlo Molecular DYnamics）」を提案した。分子シミュレーションの最大の制約の一つであ…

Günther, Weymuth, Christandl et al.（多国籍大規模共著、2026）が量子コンピューターを生体分子自由エネルギー計算に組み込むための統合アルゴリズムとパイプライン「FreeQuantum」を提案した。薬物-タンパク質結合自由エネルギーの正確な計算には、広大なコンフィギュレーション空間のサンプリング（古典MDで対応可能）と各構造での高精度エネルギー評価（量子力学的記述が必要）という相補的な課題がある。FreeQuantumは二重量子埋め込み戦略と機械学習ポテンシャルを組み合わせることで、将来の量子コンピューターが提供する高精度量子力学エネルギーを自由エネルギー計算パイプラインに効率的に統合できる設計を実現した。

Papusha, Leonhard（RWTH Aachen大学）が分子グラフ・反応グラフへの立体化学エンコードの根本的な課題を群論ベースのアプローチで解決するオープンソースPythonライブラリ「StereoMolGraph」を提案した。 分子グラフはケモインフォマティクスと機械学習の基盤となる表現だが、対称性と立体化学の相互依存という原理的な問題から、対称分子・非四面体立体中心・遷移状態の立体化学を信頼性高く表現することが困難だった。CIP（Cahn-Ingold-Prelog）規則は化学者が手動で適用するために設計されており、計算的な応用には不向きな側面がある。StereoMolGraphは置換不変な局所立体記述子という群論的枠組みにより、これらの課題を体系的に解決する。

Li, Zou, Yang, Wang, Liu, Zheng（dptech-corp）がPDB構造から共有結合・非共有結合リガンドを自動抽出・分類するオープンソースパイプライン「LigandExplorer」を提案した。 計算化学・ML研究においてタンパク質-リガンド複合体構造は不可欠なデータ源だが、PDB・PDBbind等の主要データベースはアノテーションが異種混在であり、機械学習モデルのトレーニングや仮想スクリーニングで直接使えるデータセット構築には多大な手動クリーニング作業が必要だった。LigandExplorerはこの前処理コストを大幅削減し、データベース更新のたびに自動で最新データセットを生成できる再実行可能設計を採用した。

Chen, Li, Delemotte, Mu（南方科技大学・KTH）がGLP-1R（グルカゴン様ペプチド-1受容体）のago-アロステリックモジュレーター「compound 2」による活性化メカニズムを原子レベルで解明した。GLP-1RはGLP-1（グルカゴン様ペプチド-1）を内因性リガンドとするクラスB GPCRであり、インスリン分泌促進・グルカゴン抑制・胃内容排出遅延などの作用から2型糖尿病・肥満の主要治療標的となっている。 Compound 2はago-PAM（positive allosteric modulator with agonist activity）として、単独で受容体を活性化しつつ直交性アゴニスト（GLP-1ペプチドまたは非ペプチド低分子LY3502970）のアフィニティとエフィカシーも増強する二重機能を持つ。

Caldaruse, Baumann, Mobley（UC Irvine）がフラグメントベース創薬（FBDD）における結合自由エネルギー予測の根本的な課題を解決するRBFEアプローチ「Separated Topologies（SepTop）」を検証した。 現行のRBFE手法はリード最適化フェーズ（化学的に類似した化合物系列の逐次最適化）で最もよく機能するように設計されており、共通サブ構造（MCS）が大きいリガンドペアを前提とする。FBDDではフラグメントから始まり、growing・merging・linkingを経て化学的に大きく異なる化合物へと発展させる設計が中心であり、MCS重複が少ないリガンドペア間の変換を高精度に計算するニーズが従来手法でカバーされていなかった。

Blanco-Gonzalez, Manathunga et al.（Michigan State大・Rutgers大・San Diego Supercomputer Center等）が薬物様分子のGAFF/GAFF2二面角パラメータを自動再最適化するプラットフォーム「AFFDO（Automated Force Field Developer and Optimizer）」を提案した。 FEP（自由エネルギー摂動）はリード最適化での活性予測精度が高い手法として広く採用されているが、その精度は力場の品質、特に二面角（トーション）パラメータに強く依存する。汎用力場GAFF/GAFF2は幅広い化学空間をカバーするが、ステレオ電子効果・立体効果に敏感なトーションパラメータは分子依存性が高く、一般化パラメータでは不正確になるケースがある。

Alencar Araripe, Díaz-Holguín, Jespers et al.（Uppsala大・Leiden大・Eastern Finland大・Groningen大）がFEP（自由エネルギー摂動）計算の高い精度と大幅な計算コスト削減を同時に実現するオープンソースRBFEワークフロー「QligFEP v2.1.0」を提案した。 FEPは分子動力学シミュレーションに基づく高精度なリガンド結合自由エネルギー予測手法として創薬リード最適化で広く使われているが、通常は5万〜10万原子の全系シミュレーションが必要であり、高度な専門知識と大規模計算資源（GPU数百〜数千時間）が必要という実用上の障壁があった。QligFEPはこの問題を球面境界条件（Spherical Boundary Conditions,…