AIによる新薬発見の変革

AI を活用した新しいプログラムにより、研究者は新薬発見の取り組みをレベルアップできるようになります。

TopoFormer と呼ばれるこのプログラムは、ミシガン州立大学数学科研究財団教授の Guowei Wei 氏が率いる学際的なチームによって開発されました。TopoFormer は分子に関する 3 次元情報を、一般的な AI ベースの薬物相互作用モデルが使用できるデータに変換し、薬物の有効性を予測するモデルの能力を拡張します。

「AIを使えば、新薬の発見をより速く、より効率的に、より安価に行うことができる」と、生化学・分子生物学部と電気・コンピュータ工学部でも役職を務めるウェイ氏は語った。

ウェイ氏と彼のチームは、その研究についての論文をNature Machine Intelligence誌に発表した。

構造に関する指示

ウェイ氏によると、米国では、1つの薬の開発にはおよそ10年かかり、費用は約20億ドルかかる。治験で薬をテストするのにその時間のおよそ半分が費やされるが、残りの半分はテストすべき新しい治療候補の発見に費やされると同氏は付け加えた。

TopoFormer は開発期間を短縮する可能性があります。これにより開発コストを削減でき、下流の消費者にとっての薬の価格を下げることができます。これは特に希少疾患に有効です。患者数が限られているため、製薬会社はコストを回収するために価格を高く設定する必要があるからです。

研究者は現在、新薬の発見を支援するためにコンピュータ モデルを使用していますが、問題の無数の変数に起因する制限があります。

「私たちの体には2万種類以上のタンパク質があります」とウェイ氏は言う。「病気が発生すると、そのうちのいくつか、あるいは1つが標的になります。」

したがって、最初のステップは、病気がどのタンパク質に影響を及ぼすかを知ることです。これらのタンパク質は、病気の影響を予防、最小限に抑え、または打ち消すことができる分子を見つけたい研究者のターゲットにもなります。

「ターゲットが決まったら、そのターゲットに適した多くの薬を見つけようとします」とウェイ氏は語った。

科学者が薬剤の標的となるタンパク質を把握すると、そのタンパク質と候補薬剤の分子配列を従来のコンピュータ モデルに入力できます。モデルは薬剤と標的がどのように相互作用するかを予測し、どの薬剤を開発して臨床試験でテストするかの決定に役立ちます。

これらのモデルは、薬物とタンパク質の化学組成のみに基づいていくつかの相互作用を予測できますが、分子の形状と三次元（3D）構造から生じる重要な相互作用も見逃しています。

1960 年代に化学者によって発見されたイブプロフェンはその一例です。イブプロフェンには、まったく同じ化学配列を持ちながらもわずかに異なる 3D 構造を持つ 2 種類の分子があります。痛みに関連するタンパク質に結合して頭痛を消すことができるように形作られているのは、そのうちの 1 つの配列だけです。

「現在のディープラーニングモデルでは、薬剤やタンパク質がどのように作用するかを予測する際に、それらの形状を考慮することができない」とウェイ氏は述べた。

ここで TopoFormer の出番です。これはトランスフォーマー モデルであり、Open AI のチャットボット ChatGPT で使用されているのと同じタイプの人工知能です (GPT は「generative pre-trained transformer (生成的事前トレーニング済みトランスフォーマー)」の略です)。

つまり、TopoFormer は、ある形式の情報を読み取って、それを別の形式に変換するようにトレーニングされます。この場合、タンパク質と薬物の形状に基づいてそれらの相互作用に関する 3 次元情報を取得し、それを現在のモデルが理解できる 1 次元情報として再現します。

実際、「Topo」は「トポロジカル・ラプラシアン」の略で、Wei 氏とそのチームが 3D 構造を 1D シーケンスに変換するために発明した数学ツールを指します。

新しいモデルは、何万ものタンパク質と薬剤の相互作用に基づいてトレーニングされており、2 つの分子間の相互作用はそれぞれコード、つまり「単語」として記録されます。単語をつなげて薬剤とタンパク質の複合体の説明を作成し、その形状の記録を作成します。

「このようにして、たくさんの単語が文章のように組み合わさるのです」とウェイ氏は言う。

これらの文章は、新しい薬の相互作用を予測する他のモデルによって読み取られ、より多くの文脈が与えられます。新しい薬が本だとすると、TopoFormer は、大まかなストーリーのアイデアを、執筆準備が整った本格的な筋書きに変換することができます。

チェン D、リウ J、ウェイ GW。
タンパク質-リガンド相互作用予測のためのマルチスケール トポロジー対応構造-配列変換器。
Nat Mach Intell、2024。doi: 10.1038/s42256-024-00855-1