Deep Apple Therapeutics が AI 生成の仮想ライブラリのスクリーニングを開始

クライオ EM と GPCR の専門家、仮想スクリーニングのパイオニア、仮想化学ライブラリの作成者がバーに入ります。

その結果は、冗談の冒頭のセリフではなく、AI が生成した仮想ライブラリの仮想スクリーニングを通じて、新しい小分子治療薬を迅速に発見する新興企業の設立です。

その会社、Deep Apple は、ライフサイエンスベンチャーキャピタル会社 Apple Tree Partners からのシリーズ A コミットメント 5,200 万ドルで立ち上げられました。

Deep Apple は、アンサンブル クライオ EM、ディープ ラーニング、超大規模ライブラリの分子ドッキング スクリーニングを組み合わせた発見エンジンを開発するために設立されました。これにより、リードの最適化が 1 年未満に短縮され、生物学的ターゲットの追跡が可能になると彼らは主張しています。従来の発見アプローチではアクセスできないシグナリング。

「最近の [Journal of Medicinal Chemistry] 出版物では、臨床候補者のわずか 1% だけが仮想画面から来ていることが示唆されています」と Deep Apple の創設 CEO であり、Apple Tree Partners のベンチャー パートナーでもあるスピロス リラス博士は述べています。 「私たちはこれを制限としてではなく、パラダイムシフトとイノベーションの呼びかけの大きな機会として捉えています。」

Deep Apple の創薬エンジンは、3 人の学術共同創設者の知識と技術に基づいています。スタンフォード大学の Georgios Skiniotis 博士、クライオ EM および GPCR 構造生物学の専門家。 ブライアン・ショイチェット博士、カリフォルニア大学サンフランシスコ校。 UCSF は、仮想スクリーニングを行った最初の研究者の 1 つです。 UCSF の同僚であるジョン・アーウィン博士は、100 億を超える薬物の人気のある ZINC フリー仮想ライブラリを作成したコンピューター ライブラリの専門家です。

Deep Apple のチームは 20 人以上で構成されており、その中には分子動力学やシミュレーションの経験を持つ計算化学者や機械学習エンジニアの集団も含まれています。 例外は、医薬品化学者である創薬責任者です。 彼らはまた、社内で設計されたアッセイを使用した体外薬理学のための生物学者のチームを構築しています。

核心にまっすぐに

リラス氏は、生の二次元クライオ電子顕微鏡が人間の目でフィルタリングされるのは一般的であり、その結果、データの多くが廃棄されることになると述べた。 Deep Apple は、深層機械学習を利用して生の 2 次元クライオ EM データをすべて分析し、より高品質な 3D マップの作成を加速し、構造状態が安定しているか一時的であるかなど、構造状態に関連するダイナミクスを抽出しています。

これらすべてのデータの助けを借りて、社内の仮想ライブラリ コレクションである Orchard.ai によるスクリーニングのために、目的のタンパク質を安定化させると思われる不可解な、またはつかの間のポケットを特定できます。Orchard.ai は主に、開発したモデルに由来する新規化合物で構成されています。 GPCRサブファミリー。 化合物を選択して優先順位を付けるために、Deep Apple は独自の大規模ドッキングベースのスコアリング アルゴリズムを作成しました。

リラス氏は、Orchard.ai が作成された理由はいくつかあると語った。 その理由の 1 つは、ZINC 仮想ライブラリ (仮想スクリーニング用の市販化合物の無料データベース) などの既存の仮想ライブラリが、生物学的に活性な分子類似体の探索において、迅速かつ手頃な価格の合成およびテストのモデルとして機能することです。 Deep Apple は、物理的スクリーニング用にすべての化合物を生成するのではなく、コンピューターによるアプローチによって化合物に何らかの本質的な生物学的価値があると確信した場合にのみ、化合物を生成します。

Deep Apple のプラットフォームは幅広く適用可能ですが、受容体、トランスポーター、イオン チャネルなど、あらゆる内在性膜タンパク質を標的とするのに最適です。 Deep Apple は、創設者の専門知識と多くの機会があるため、プラットフォームを GPCR に焦点を当てています。 同社は、代謝障害、炎症、免疫学、内分泌疾患に応用できる実証済みのターゲットクラスである GPCR モジュレーターに焦点を当てた複数のプログラムを推進しています。

チームはまだ創薬プロセスの初期段階にあり、7 つの標的からなるポートフォリオを持っています。 リラス社は、2024年の第2四半期に炎症の標的に対する最初の臨床候補を提供することを目指していると述べた。ディープアップルは2025年初めにさらに多くの臨床候補を追加することを目指しており、減量管理に関連する代謝疾患の標的をいくつか持っている。

別のAIの品種?

リラス氏はディープアップルが「別のAI企業」とレッテルを貼られることを強く望んでいる。 同氏の見方によれば、Deep Apple は合理的な深層学習モデルを適用して、創薬における現代の疑問に答えているのだ。

「ディープアップルの起源は、生物学的シグナル伝達が私たちに異なる方法で創薬を探求する機会を与えてくれるかもしれないという観察に基づいています」とリラス氏は述べた。 「私たちは、ディープラーニングによって多くの計算が高速化できることを認識しています。 これは、特定のシグナル伝達カスケードを誘導できると思われる構造から得られるすべてのデータを活用する非常に合理的な方法です。」

「リンゴの中の種を数えるのは誰でもできますが、種の中のリンゴの数を数えられるのは神だけです。」という言葉があります。

誰でもリンゴの中の種を数えることができるのと同じように、創薬はデータを徹底的に噛み砕いて消化する骨の折れるプロセスになる可能性があります。 おそらく、リンゴの種から数を数えるように、データから薬物の数を選び出すことができるのは、AI などのツールを介してのみである。 それはまさに Deep Apple が、少なくとも GPCR のタンパク質スライス内で実現したいと考えていることだ。 問題は、それがきれいなバイトになるか、それともワームが入ったバイトになるかです。