機械学習による創薬の加速

画期的な研究取り組みにおいて、フィンランド東部大学の科学者たちは、機械学習の可能性を活用し、創薬 の新時代を開きました。業界の専門家との戦略的パートナーシップとスーパーコンピュータの計算能力を通じて、このコラボレーションは顕著な成果を生み出し、バーチャルドラッグスクリーニングに必要な時間を大幅に圧縮しました。

この記事は、この先駆的な手法に関する包括的な洞察を提供し、製薬業界およびより広い科学コミュニティへのその影響を強調しています。

仮想スクリーニングの先駆的取り組み

新規創薬化合物の追求における重要な段階であるバーチャルスクリーニングの領域は、機械学習 の統合により画期的な変革を遂げました。研究者たちは、特定の創薬関連エンティティを標的とする可能性のあるエージェントを探すために、広範な化合物ライブラリを篩いにかけるための高速なコンピュータ支援技術に依存してきました。

しかし、これらのライブラリの規模爆発は、最先端のスーパーコンピュータでさえもその処理能力を凌駕しました。その結果、単一の創薬標的に対して10億規模の化合物ライブラリをスクリーニングするには数ヶ月、あるいは数年を要し、業界にとって大きな課題となっています。

画期的な研究

最近 発表 された『Journal of Chemical Information and Modeling』での論文において、フィンランド東部大学薬学部のDr. Ina Pöhnerとその尊敬される同僚たちは、フィンランドのスーパーコンピューティングの頂点であるCSC – IT Center for Science Ltd.、およびOrion Pharmaからの主要な産業パートナーと提携し、ギガスケールのバーチャルスクリーニングのために機械学習の可能性を活用する使命を遂行しました。

研究者たちは、人工知能（AI）をワークフローに導入する前に、綿密にベースラインを設定しました。彼らは、2つの薬理学的に関連する標的に対して驚異的な15億6000万個の創薬候補分子を評価する、壮大な仮想スクリーニングキャンペーンに着手しました。このほぼ半年にわたる徹底的な取り組みは、スーパーコンピュータMahtiとPuhtiの支援のもと、分子ドッキング手法を用いて実行されました。この計算手法は、小分子が標的の結合部位とどのように適合するかを精査します。

最先端の機械学習

集中的なドッキングフェーズの後、結果はOrion PharmaのTuomo Kalliokoski博士が主導したツール「HASTEN」を通じて調整された、機械学習によるスクリーニングプロセスにかけられました。HASTENは、分子の複雑な特性とその化合物スコアへの影響を解読するために機械学習の力を活用します。従来のドッキングを通じて収集された膨大なデータセットを活用することで、機械学習モデルはライブラリ内の他の化合物のドッキングスコアを迅速に予測でき、リソースを大量に消費する力任せのドッキングアプローチを大幅に上回るパフォーマンスを発揮します。

その成果はまさに驚異的なものでした。ライブラリのわずか1%のみをドッキングしてトレーニングデータとして使用するという限られた条件下で、HASTENは10日未満で最高スコアの化合物の90%を特定しました。この成果は効率性における飛躍的な進歩を表し、創薬の風景を革命化する機械学習の革新的な可能性を浮き彫りにしました。

この研究の成功は、学術界と産業界の相乗効果の証です。フィンランド東部大学DrugTech研究コミュニティ内の計算創薬グループを率いるAntti Poso教授は、CSCの最先端の計算資源が彼らの野心的な目標を達成する上で果たした決定的な役割を強調しました。このコラボレーションは模範的なものであり、アイデア、資源、最先端技術の融合がいかにして科学研究をかつてない高みへと押し上げるかを示しています。

オープンデータが未来のイノベーションの触媒となる

知識の普及が極めて重要であるとの認識から、研究著者たちは多量のデータセットを公に無料で提供しました。これらのデータセットには、ドッキング用のスクリーニングライブラリが含まれており、他の研究者がスクリーニングの取り組みを加速させることを可能にします。 

さらに、2つの標的に対する15億6000万個の化合物ドッキング結果からなるデータセットが、ベンチマークデータとして公開されました。この慈善的な行為は、コラボレーションを促進するだけでなく、プロセスを合理化し、資源を節約し、計算創薬の分野を進展させるツールの開発への道を開きます。