📚 2026年5月 月次論文レビュー — 🔬 計算化学

植物の自然免疫を担うNLR（nucleotide-binding leucine-rich repeat）受容体は、病原体エフェクターを感知するセンサーNLRと、細胞死などの免疫応答を実行するヘルパーNLRに機能分化し、ネットワークを形成する。なかでもNRC（NLR required for cell death）網はアステリッド植物に広く保存され、活性化したセンサー（NRC-S）がヘルパー（NRC）をオリゴマー化・レジストソーム化させて自身は最終複合体に残らない「activation-and-release」機構で動くと考えられてきた。しかしセンサーとヘルパーがどの界面で直接相互作用するのかは、その接触が一過的・低親和性で実験的に捕捉困難なため未解明だった。

本研究は、PROTAC（proteolysis-targeting chimera）による標的タンパク質分解の成否を左右する「生産的（productive）な POI-E3 リガーゼ配座」を、実験構造に頼らず計算的に同定するための統合ワークフローを提示している。PROTAC は標的タンパク質（POI）結合ワーヘッドと E3 リガーゼ動員ワーヘッドをリンカーで連結した二機能分子であり、CRBN または VHL を介して三者複合体を形成し、ユビキチン-プロテアソーム系で POI を触媒的に分解する。著者らが繰り返し強調するのは、分解効率を決めるのは三者複合体の安定性や個々の結合親和性そのものではなく、…

膜タンパク質の機能はしばしば周囲のリン脂質環境に依存し、特定の脂質が特異的な部位に結合してタンパク質の配座アンサンブルを変調することが、その分子機構の有力な候補と考えられている。こうした脂質-タンパク質相互作用を定量化する自然な指標は「絶対結合親和性」だが、これを直接測定できる汎用的な実験手法は存在しない。本研究は、五量体リガンド開口型イオンチャネル（pLGIC）ファミリーのモデルである細菌由来 ELIC（Erwinia ligand-gated ion channel）と、その脱感作を調節することが知られるアニオン性リン脂質 POPG を対象に、独自手法 SAFEP（Streamlined Alchemical Free Energy Perturbation）を全原子分解能で実装し、…

本論文は Stephanie Hanna による博士論文で、膜透過性のリガンドによって細胞内タンパク質の会合を制御する化学誘導性二量体化（CID; Chemically Induced Dimerization）システムを、リガンドとタンパク質受容体の両方を de novo に計算設計するという挑戦を扱う。CID は rapamycin–FKBP–FRB に代表されるように合成生物学で外部から細胞プロセスを制御する強力な手段だが、rapamycin の免疫抑制・mTOR への off-target など天然リガンド由来の問題を抱える。著者は「リガンドもタンパク質も最初から設計すれば、ほぼ無限の新規・直交な CID システムを構築できる」という発想のもと、二つのリガンドクラスを攻める。

本研究は、創薬リード最適化における結合親和性予測の中核的な問いに正面から取り組んでいる。すなわち「近年の AI ベース親和性予測器は、確立された公開ベンチマークでは物理ベースの相対結合自由エネルギー(RBFE)計算に匹敵する性能を示すが、分布シフト下や完全な prospective 設定でも本当に頼れるのか」という点である。著者らは ByteDance AI Drug Discovery / Anew Therapeutics のチームで、二つの問いを設定した。第一に、現代の RBFE ワークフローの精度とロバスト性を最も強く支配する実務的要因は何か、なぜ FEP+ の性能は汎用実装で再現しにくいのか。

本稿は可逆共有結合阻害剤（reversible covalent inhibitor, RCI）の合理設計を計算化学の観点から体系化した修士レビューエッセイである。共有結合阻害剤は標的との持続的な engagement を可能にする一方、不可逆型は累積毒性のリスクを抱える。RCI は十分に安定だが解離もしうる過渡的な共有アダクトを形成することで、持続的な標的占有と毒性回避を両立させる戦略として位置づけられる。問題は、結合親和性・共有結合の速度論・耐性進化という三者が複雑に絡み合うため合理設計が難しい点にある。著者はこれを、単一手法に依存するのではなく計算化学を縦に積み重ねた「ファネル型」マルチスケールパイプラインとして解こうと提案する。

OMTRA（One Model To Rule them All）は、構造ベース創薬（SBDD）で個別に研究されてきた複数の生成タスク——de novo 設計、分子ドッキング（pose 予測）、配座生成、ファルマコフォア条件付き設計——を、ひとつの生成モデルで統一的に扱う枠組みを提案する。著者らの出発点は、これらのタスクが本質的に「どの情報を生成し、どの情報を条件として固定し、どの情報を欠落させるか」というモダリティの分割の違いにすぎない、という観察である。たとえばドッキングは原子種を条件として固定したうえで 3D 座標を生成するタスク、de novo 設計は原子種と座標を同時に生成するタスク、と整理できる。

分子ドッキングの実用上のボトルネックは、構造探索（サンプリング）ではなくエネルギー評価（スコアリング）にあるという観察が本研究の出発点である。現代のドッキングプログラムはほとんどの系で少なくとも一つの近native（RMSD<2.0Å）ポーズを生成できる（Astex Diverse で 85–99%）にもかかわらず、スコアリング関数がそのポーズを1位に置けるのは 35–73% にとどまる。Vina に至っては 50 ポイント以上の乖離がある。原因は、van der Waals・静電・脱溶媒和・ねじれといった寄与を少数の固定重み項に潰し、コンフォメーションエントロピーや溶媒再配置を無視し、本来は結合し合う物理を加法的と仮定する単一スカラースコアの設計そのものにある。

AlphaFold3 (AF3) は蛋白質の三次元構造を高精度に予測できるが、機能発現に伴うコンフォメーション変化を予測することは依然として苦手である。リガンドを明示的に入力に含めても、リガンド誘起の構造変化を捉え損ない、最も多く学習された単一の状態を出力してしまう。本研究は、AF3 が構造生成に用いる拡散生成モデル（score-based diffusion）の脱ノイズ過程を、分子動力学 (MD) と等価な確率的サンプリング過程として解釈する点に発想の核がある。拡散モデルのスコア関数は、Boltzmann 分布を仮定すると実効エネルギー地形の負の勾配 −∇E に一致するため、脱ノイズはエネルギー地形に沿った構造形成の MD 的シミュレーションとみなせる。

SynPROTAC は、PROTAC(タンパク質分解誘導キメラ)を合成可能性を保証しながら de novo 設計する深層生成モデルである。PROTAC は標的タンパク質(POI)に結合する warhead、E3 ユビキチンリガーゼに結合する E3 ligand、そして両者をつなぐ linker の三要素から成り、特に linker の設計が三者複合体の安定性・薬物動態・分解効率を左右するため難易度が高い。SynPROTAC の核心は、生成の出力単位を SMILES や分子グラフそのものではなく「化学反応テンプレート(RT)とビルディングブロック(BB)から成る合成経路」とした点にある。