チャップマンの科学者が ChatGPT をコーディングして新薬を設計

ChatGPT から Midjourney まで、生成型人工知能プラットフォームが 2023 年の見出しを飾りました。しかし、GenAI はコラージュ画像を作成したり電子メールの作成を支援したりするだけではなく、病気を治療するための新薬を設計することもできます。

現在、科学者は高度な技術を使用して、適切な特性と特性を備えた新しい合成医薬品化合物を設計しています。これは、「デノボ医薬品設計」としても知られています。 しかし、現在の方法は、労力、時間、コストがかかる可能性があります。

ChatGPT の人気に触発され、このアプローチが医薬品設計プロセスをスピードアップできるのではないかと考え、カリフォルニア州オレンジにあるチャップマン大学シュミット科学技術大学の科学者たちは、新しい論文「Deトランスフォーマーベースの機械翻訳と適応モンテカルロ木検索の強化学習を使用した Novo Drug Design」は、ジャーナル Pharmaceuticals に掲載されます。 Dony Ang 氏、Cyril Rakovski 氏、および Hagop Atamian 氏は、既知の化学物質の膨大なデータセット、化学物質が標的タンパク質にどのように結合するか、化学構造と特性の大まかな規則と構文を学習するモデルをコード化しました。

最終的には、本質的な化学的および生物学的制約に従い、標的に効果的に結合する無数のユニークな分子構造を生成することができ、数分の1のコストで、広範囲の疾患に対する実行可能な薬剤候補を同定するプロセスを大幅に加速することが期待されます。

画期的なモデルを作成するために、研究者らは、バイオインフォマティクスとケモインフォマティクスの分野で初めて、よく知られた「エンコーダー デコーダー トランスフォーマー アーキテクチャ」と「モンテカルロ ツリー検索による強化学習」という 2 つの最先端の AI 技術を統合しました (RL- MCTS）。 「drugAI」とふさわしい名前が付けられたこのプラットフォームを使用すると、ユーザーは標的タンパク質の配列（たとえば、がんの進行に通常関与するタンパク質など）を入力できます。 包括的な公開データベース BindingDB のデータに基づいてトレーニングされた DrugAI は、独自の分子構造をゼロから生成し、候補を反復的に改良して、最終候補者がそれぞれの薬物標的に対して強力な結合親和性を確実に示すことができます。これは潜在的な薬物の有効性にとって重要です。 このモデルは、これらの特定のタンパク質を阻害する可能性のある 50 ～ 100 の新しい分子を特定します。

「このアプローチにより、これまで思いつかなかった潜在的な薬剤を生成することが可能になります」とアタミアン博士は語った。 「テストと検証が行われ、現在素晴らしい結果が得られています。」

研究者らは、drugAI が生成した分子をいくつかの基準に沿って評価し、drugAI の結果が他の 2 つの一般的な方法による結果と同等の品質であり、場合によってはそれより優れていることを発見しました。 彼らは、drugAI の候補薬剤の有効率が 100% であることを発見しました。これは、生成された薬剤がトレーニング セットに存在しないことを意味します。 DrugAI の候補薬の薬物らしさ、つまり化合物の特性と経口薬の特性の類似性についても測定されたところ、候補薬は他のモデルより少なくとも 42% および 75% 高い結果が得られました。 さらに、DrugAI によって生成されたすべての分子は、従来の仮想スクリーニング アプローチで同定されたものと同等の、それぞれの標的に対して強力な結合親和性を示しました。

アン氏、ラコフスキー氏、アタミアン氏はまた、特定の疾患に対するdrugAIの結果が、その疾患に対する既存の既知の薬剤と比較してどのような結果をもたらすのかを知りたいと考えていた。 別の実験では、スクリーニング方法により、新型コロナウイルス感染症 (COVID-19) タンパク質を阻害する天然産物のリストが生成されました。 DrugAI は、同じタンパク質を標的とする新規薬剤のリストを生成し、その特性を比較しました。 彼らは、天然分子とdrugAIの間の薬物らしさと結合親和性を比較し、両方で同様の測定値を発見しましたが、drugAIはより迅速かつ低コストの方法でこれらを識別することができました。

さらに、科学者たちは、将来の研究者が新しい機能を追加できる柔軟な構造を持つようにアルゴリズムを設計しました。 「つまり、最終的に本物の薬になる可能性がさらに高い、より洗練された薬剤候補が得られることになる」とアタミアン博士は語った。 「私たちは今後の可能性に興奮しています。」

アンD、ラコフスキーC、アタミアンHS。
トランスフォーマーベースの機械翻訳と適応モンテカルロ木検索の強化学習を使用した De Novo 医薬品設計。
医薬品。 2024年; 17(2):161。 土井： 10.3390/ph17020161