📚 2026年5月 月次論文レビュー — 🔬 計算化学

イスタンブール大学医学部の Taner Karagöl と Alper Karagöl による方法論 preprint で、Google Colab を「使える MD 実行基盤」に変えるためのリビルド・チェックポイント・ベンチマーク手順をまとめた実務ガイドである。Colab はその利便性の一方で、(1) GPU 種別が固定されない、(2) セッション時間 (typically 12 時間) で強制終了される、(3) preinstalled GROMACS 2021 は CUDA も MPI も抜きでパッケージされており本来の性能が出ない、という三重苦を抱えてきた。本論文はこれらを解決するため、(a) GROMACS 2024.

トリノ大学 Caron / Ermondi グループによる ACS Medicinal Chemistry Letters の Letter 論文で、PROTAC を warhead (POI ligand)、linker、E3 ligase ligand の三要素に分解する Python + RDKit 実装の自動ツール Bellerophon を提案する。PROTAC は heterobifunctional な構造ゆえに従来の medicinal chemistry SAR の枠組みでは扱いづらく、特に linker は二端を warhead と E3 ligand に挟まれた中間部分として定義されるため、機械的に切り出すのは self-contained な定義を欠く以上、…

分子生成器を評価するための新しいスキャフォールドベース指標フレームワークを提案した方法論論文。既存の MOSES や GuacaMol が評価する妥当性（Validity）・新規性（Novelty）・分布一致（Distribution-based metrics）は分子生成器の主目的——新たな生物活性化合物の発見——と乖離しているという問題意識のもと、生物活性スキャフォールドの「回収能力」に焦点を当てた 3 つの補完的指標を導入する。scaffold Recovery Score（RS）、SEt scaffold Diversity（SED）、Absolute SEt scaffold Recall（ASER）の 3 指標を Glucocorticoid receptor と Leukocyte…

MolDockLabは、構造ベースバーチャルスクリーニング（SBVS）における「どのドッキングエンジン・スコアリング関数・コンセンサス戦略の組み合わせが最適か」という問いに対して、実験データを用いたデータドリブンな自動選択で答えるフレームワークである。入力は~200化合物の生物活性データを持つキャリブレーションセットで、5種のドッキングエンジン（DiffDock, PLANTS, FlexX, SMINA, GNINA）、15種のスコアリング関数、3種のコンセンサスランキング手法（Z-Score, RbR, ECR）の全組み合わせを系統的に評価し、最もSpearman相関またはエンリッチメントファクターが高いパイプラインを選定する。

シスタチオニンβ合成酵素（CBS）はがんおよびダウン症候群に関与する酵素で治療標的として注目されているが、既知リガンドの構造多様性が乏しく、CBS向けのVSベンチマークが存在しなかった。本研究はこの空白を埋め、（1）実験検証済みCBS阻害剤・真の非活性化合物・デコイから成るキュレーションデータセットを構築し、（2）ドッキング由来特徴量で学習したCBS特異的ML分類モデルを、（3）古典的VSパイプライン・最新DLドッキングツール・co-folding手法（AlphaFold3, Boltz-2, Boltz-2x）を含む16種の既存手法と厳密に比較した。CBS特異的MLモデルは全比較手法を統計的有意差で上回り（NEF1%=0.764±0.191）、標的特異的学習の優位性を実証した。

タンパク質-リガンドドッキングにおける最大のボトルネックのひとつ、カチオン性結合ポケット（ARG・LYS・HIS）でのカチオン-π相互作用の予測精度を劇的に向上させる「QNCIdock」を提案した論文である。現行の物理ベースドッキング手法は60%未満、AlphaFold3では10%未満のカチオン-π回収率しか達成できていない。QNCIdockは、DLPNO-CCSD(T)/cc-pVTZレベルの量子化学エネルギーで訓練したXGBoostモデルを活用し、幾何学的記述子からカチオン-πエネルギーを予測してポーズをリランキングする。追加の計算コストはほぼゼロで、高スループットバーチャルスクリーニングへの統合が可能である。

クラシカルドッキングが生成したポーズを、高温（400 K）分子動力学シミュレーション（HT-MD）と「R-value」と呼ばれる接触持続指標で評価・ランキングするパイプラインを提案する論文である。R-value はタンパク質-リガンド間の分子間接触がシミュレーション中に保たれる割合を定量化したもので、実験参照構造がなくても計算できるため、純粋な予測シナリオに適用可能である。10 治療標的・137 複合体（累積シミュレーション時間 1.64 ms）で後向き評価を行い、トップランクポーズの 83.9% が実験構造と RMSD ≤ 3.0 Å の一致を示した。

オープンソース分子ドッキングと AI 統合 SBDD ワークフローの現状を包括的にレビューした 41 ページの論文である。AutoDock Vina を中心としたオープンドッキングエコシステムを「ワークフロー中心」の視点で整理し、スタディデザイン・構造データ取得・結合サイト定義・受容体/リガンド準備・ドッキング実行・後処理検証の 6 段階にわたって各ステップのベストプラクティスと最新 AI 手法をマッピングしている。特に 11 件の前向き成功事例（Table 1）を収録し、オープンツールが実験で確認された活性化合物の発見に実際に貢献していることを示した点が本論文の最大の価値である。

広く使われている量子化学プログラム ORCA への Python インターフェース「OPI（ORCA Python Interface）」の Version 2.0 を紹介する論文である。OPI は Calculator / Input / Structure / Runner / Output の 5 つのコアクラスで構成されており、ORCA の豊富な手法ポートフォリオ（DFT, DLPNO-CCSD(T), 半経験的 GFN2-xTB 等）に Python から数行のコードでアクセスできる。主な応用として ML 訓練データ生成・汎関数チューニング自動化・分子軌道可視化・汎関数アンサンブル計算が示されており、GitHub（https://github.

DrugCLIP（タンパク質ポケットと低分子を共通埋め込み空間に配置する対比学習モデル）が薬理学的に妥当なリガンド結合ポケットを正しく同定できるかを、42種の多様なヒト標的タンパク質ベンチマークで系統的に評価した研究。7種の主要標的クラス（キナーゼ10・酵素10・GPCR5・核内受容体5・輸送体5・イオンチャネル4・PPI 3）にわたる実験的に検証された薬物結合構造（PDB）を基に、DrugCLIP の成功率を従来法（Fpocket + ESSA）と定量比較している。結論として DrugCLIP（73.8%）は Fpocket+ESSA（79%）を上回らず、対比学習ベースのモデルがすべての標的クラスで従来の幾何学的検出手法より優れるとは限らないことを示した。