📅 5月第2週論文レビュー — 🤖 機械学習・AI2026-05-08〜2026-05-14

MolMod は、薬学研究者がリード化合物の特定サイトを指定するだけで ADMET 最適化フラグメントが自動生成される、サイト特異的フラグメントベース分子最適化プラットフォームである。GPT 型トランスフォーマー（8層・8ヘッド・256次元）を ZINC20 の 8.3M 分子で事前学習し、ChEMBL 由来 30,481 フラグメントでファインチューニングした生成モデルが中核。ADMET 予測には SVM・LinearBayesianRidge・DeepForest・RDKit2D・CNN・AttentiveFP・AttrMasking・ContextPred の8モデルアンサンブルを使用。ウェブサービスとして無償公開されており、ローカルインストールや計算資源は不要。

D3Rings は2つの主要コンポーネントからなる。第一に、SSSR（最小環集合）アルゴリズムを基盤とする高速な環系分類器で、分子を非環式・単環式・スピロ環・縮合/架橋環・ケージ環・大環状化合物の6カテゴリに自動分類する。第二に、VAE・AAE・CharRNN の3つの深層生成モデルを用いて、DrugBank と COCONUT データベースの約10倍規模の環状分子ライブラリを構築する。生成ライブラリを SARS-CoV-2の3標的（3CLpro・RdRp・nsp13）に対するドッキングに供し、ライブラリ規模拡大の効果を定量評価している。実装は D3Pharma 社の Web サービス（http://www.d3pharma.com/D3Rings/）として公開されている。

ペプチド医薬の生成言語モデルは、これまで 20 種の canonical アミノ酸（AA）に依存しており、化学多様性に根本的な制約があった。本研究は2つの主要コンポーネントを提案する。第一に「Monomerizer」—ChEMBL の化学式からペプチドを canonical AA と非標準 AA（ncAA）・ターミナル修飾に自動分解してトークン化する Python ツール。ChEMBL の 240 万分子から 11,243 種の ncAA と 6,465 種のターミナル修飾を抽出し、42,743 配列からなるペプチドミメティクスデータセット（Dataset P）を構築した。

Drug-TTA は、contrastive 学習ベースの仮想スクリーニングフレームワーク（DrugCLIP）に Test-Time Adaptation（TTA）を初めて適用した手法である。TTA とは、訓練済みモデルを推論時に各テストインスタンスに対して動的に適応させる技術であり、画像分類で広く研究されているが、創薬への適用は本論文が初。Drug-TTA は5種の自己教師あり補助タスク、メタ学習フレームワーク、動的 loss バランスモジュール（ALBM）を組み合わせ、訓練データと推論データ間のドメインギャップを補正する。DUD-E・LIT-PCBA・AD・DEKOIS 2.

Activity Cliff（AC）は、構造的に類似した化合物ペアが著しく異なる生物活性を示す現象であり、GNN ベースの QSAR モデルが潜在空間を構造的類似性で最適化するため AC の予測に系統的に失敗する根本原因となる。本研究は AC-awareness（ACA）という誘導バイアスを提案し、標準回帰損失に Triplet Soft Margin（TSM）損失を加えた複合損失 ACA loss で GNN の潜在空間を AC に感応的にする。ACA は任意の GNN バックボーンに「ドロップイン」で統合可能であり、ACANET として実装。

Assay2Molは、PubChemに蓄積された177万件超のBioAssayレコードをLLMのin-context learningに活用して新規薬物候補分子（SMILES）を設計するワークフローである。従来の構造ベース創薬（SBDD）はタンパク質の3D構造を前提とするが、Assay2Molはタンパク質の自然言語記述文のみを入力として受け取る。RAG（Retrieval-Augmented Generation）に着想を得たベクトル検索で関連BioAssayを取得し、アクティブ分子と実験データをコンテキストとして与えることでLLMが構造的に整合性の高い化合物を生成する。

Dockformerは、リガンドとタンパクポケットのマルチモーダル（2Dグラフ+3D幾何）情報を独立したTransformerエンコーダで処理し、反復最適化プロセスを一切使わずにend-to-endで結合コンフォメーションを生成するDLドッキングモデルである。PDBbind core setで90.53%・PoseBusters（2021年以降の未見構造）で82.71%のRMSD<2Å成功率を達成し、最先端のDL手法であるCarsiDock（88.77%/75.70%）を上回った。さらにAlphaFold2スタイルのDDT信頼度スコアを内蔵しており、追加スコアリング関数なしに大規模バーチャルスクリーニング（LSVS）に適用でき、従来の最適化ベース手法比100倍超の推論高速化を実現した。

ESM-2（タンパク言語モデル）の潜在空間が何を符号化しているかを、微分幾何・位相的データ解析・ゲージ場理論を組み合わせた包括的フレームワークで解析した研究である。11,068タンパク配列（7カテゴリ：構造代表集合・積分可能ヘリックス・ランダム配列・IDP・フォールドスイッチング・結び目タンパク）に対するESM-2埋め込みを50次元PCA空間で解析した結果、ESM-2はHasimoto integrability error E[n]（バックボーンの微視的3D幾何の精密指標）とほぼ無相関（Spearman ρ=0.1053）であり、microscopic 3D幾何情報をほとんど符号化していないことを示した。

AutoLeadは、大規模言語モデル（LLM）の化学的推論能力とガウス過程ベースのベイズ最適化（GP-BO）を統合した多目的リード最適化フレームワークである。中心的なアイデアは、離散SMILES空間で直接最適化するのではなく、10次元の正規化RDKit記述子空間（MW, logP, tPSA, HBD, HBA, rotatable bonds, ring count, aromatic/saturated rings, sp3比率）でGP代理モデルを構築し、UCB獲得関数で最適な目標記述子ベクトルを探索する点にある。その後、LLMをトレーニング不要の逆マッピングデコーダとして使用し、記述子ベクトルを自然言語プロンプトに変換してSMILESを生成する。