📚 2026年5月 月次論文レビュー — 📄 その他

ParametrizANI は、小分子の dihedral（二面角）パラメータを機械学習ポテンシャル（NN-IP）を reference にして自動フィッティングする Jupyter notebook ツールキットである。著者 Pablo R. Arantes、Souvik Sinha、Giulia Palermo（UC Riverside）は、本来 DFT で数時間〜数日かかる torsion scan を、TorchANI/AIMNet2/MACE-OFF/GFN2-xTB を reference に置き換えることで Google Colab の無料 CPU 環境で 1 分子あたり 6 分以内に完結させた。

MatterSim-MT は Microsoft Research AI for Science が公開した、無機固体・凝縮系の materials simulation 用 multi-task foundation model である。35M の第一原理構造と 450M の力ベクトルラベルで事前学習され、エネルギー・力・応力（PES）に加えて Bader 電荷・磁気モーメント・Born effective charge (Z*)・誘電率行列 (ε∞) を同一の atomic embedding から分岐予測する。学習データの被覆範囲は 89 元素・温度 0–5000 K・圧力 0–1000 GPa という、…

C-MORAL は、LLaMA / Mistral 7B のような分子 LLM の事後学習として、controllable multi-objective lead optimization に特化した強化学習フレームワークを提案する研究である。著者の Gao、Jeon（UCLA）、Roy、Ziyadi（Amazon）、Chen（UCLA）は、lead optimization が「全ての性質を一律改善する問題ではなく、不足する性質だけを選択的に改善しつつ既に満たしている性質と scaffold を保つ」設計問題であることに着目し、この controllable な多目的最適化を LLM ベースで実現する事後学習レシピを与えた。 枠組みの核心は 3 段階に整理できる。

FORGE は Zhang ら（USTC ほか）が提案した、compact LLM（Qwen3-0.6B）ベースの 2 段階分子最適化フレームワークで、自然言語プロンプトに頼らない fragment-level の context-aware editing を実現する。著者は自然言語プロンプトベースの LLM 分子最適化に対する 3 つの本質的問題、すなわち (1) PMO ベンチマークで prompt 内の target property を無関係な名前に置換しても optimization score が 3% 未満しか変化しない weak prompt grounding、(2) oracle-only タスクや OOD target で自然言語意味論が欠落する状況、…

PDBQT-Safe は復旦大学の Yi Wang による単著の integration / repair ツール論文で、SMILES → AutoDock Vina → 任意 GROMACS MD のパイプラインで頻発する silent failure を体系的に修復する 3 つの Python ドライバを提案する。論文の貢献は明示的に「ツール提供 + 失敗の可視化」であって新しいスコアリング関数や生物機構の主張ではない、と冒頭で率直に位置付けている。 主成果は `AdvancedPDBQTFixer` および `UltimatePDBQTGenerator` という共有 cleanup レイヤーで、AutoDock Vina の PDBQT 入力で頻発する不具合（ROOT/TORS タグの誤配置、…

DynAgent は EPFL の Schwaller ラボが公開した、LLM ベースのマルチエージェント MD 自動化フレームワークである。protein および protein-ligand の MD ワークフロー全体（pdb 取得、構造修正、ligand parameterization、力場割り付け、溶媒和、最小化、NVT/NPT 平衡化、production MD、MM-PB(GB)SA 結合自由エネルギー計算）を、自然言語ゴールから自律実行することを目的とする。 論文の核心的な貢献は次の 3 点に集約される。第一に、既存の同系統研究（MDCrow、NAMD-Agent）が protein-only の系統に限定されていたのに対し、本研究は **protein-ligand 系**を正面から扱う。

本論文は Stephanie Hanna による 2026 年の博士論文で、Baker Lab の paradigm に立脚した protein de novo 設計の応用研究である。中心となる問いは「細胞内の応答を引き起こせる ligand 結合系」を design できるか、というもので、特に膜透過性 (cell-permeable) が要求される文脈での 2 種類の ligand class を扱う。すなわち (1) cyclic peptide と (2) HIV protease 阻害剤（小分子）の 2 つに対する protein binder の de novo 設計である。

本論文は Wilson Li と Yuan Wei の修士論文（2025）で、protein-ligand binding affinity 予測（PLBA）に対する graph neural network ベースのフレームワークを CrossDocked2020 データセット上で構築する。著者らは Set Transformer Aggregation（STA）、Graph Attention Network（GAT）、Linear MLP の 3 つの message-passing アーキテクチャを comparable に実装し、同じ input feature（ligand graph + protein interaction feature + physics-based property）と…

DMol は UIUC + AbbVie の共同研究で、small molecule の de novo 生成に対する新しい graph diffusion model を提案する。論文の核心は 3 つの相補的な革新の組合せである。第一に **motif compression**：carbon ring 等の頻出 chemical motif を supernode に圧縮し、diffusion の単位を atom レベルから motif レベルに引き上げる。第二に **codependent noise schedule**：node と edge の perturbation を独立に扱う DiGress 系と異なり、…

本論文は drug discovery における hit identification step を generative model で代替できるかを直接テストした初の体系的研究で、anonymous submission として double-blind review 段階にある。研究の方向性は「generative model は valid / drug-like の分子を生成できるか」という general な軸から、「generative model は hit identification step を実用的に代替できるか」という targeted な軸への明確な shift である。