AIを活用した創薬の世界は、機械学習の能力向上に伴い、拡大を続けています。ほんの数年前には考えられなかったアプローチの一つが、2つの絡み合う分子の複雑な相互作用をシミュレーションすることです。しかし、これはまさに創薬設計者が知っておくべきものであり、Charm TherapeuticsがDragonFoldプラットフォームで目指していることでもあります。
タンパク質は体内でほぼあらゆる重要な役割を担っており、薬剤の標的として最も頻繁に利用されています。そして、効果を発揮させるには、まずその標的、具体的にはタンパク質を構成するアミノ酸の鎖が様々な状況下でどのように「折り畳まれる」かを理解する必要があります。
これまで、これは複雑で時間のかかる X 線結晶構造解析で行われることが多かったのですが、最近では AlphaFold や RoseTTAFold などの機械学習モデルで、数週間や数か月ではなく数秒で同等の結果を生成できることが示されています。
次の課題は、タンパク質が最も一般的な条件下でどのように折り畳まれるかはわかっていても、他のタンパク質とどのように相互作用するかはわかっていないことです。ましてや、それらと結合するために特別に作られた新しい分子となるとなおさらです。タンパク質は適合性のある結合剤やリガンドと出会うと、小さな変化が連鎖的に起こり、構造全体を再構成するため、完全に変形する可能性があります。生命においては、タンパク質が細胞への通路を開いたり、他のタンパク質を活性化する新しい表面を露出させたりといったことが起こります。
「まさにそこが私たちの革新点です。私たちは、初のタンパク質・リガンド共折り畳みアルゴリズムであるDragonFoldを構築しました」と、チャーム・セラピューティクスのCEO兼共同創設者であるラスク・アイタニ氏は語った。
「対象となる疾患原因タンパク質に非常に強くかつ選択的に結合する薬剤（つまり、正常な人間の機能に必要な他の類似タンパク質への結合を回避する薬剤）を設計することが極めて重要です」と彼は説明した。「これは、これらの薬剤がタンパク質にどのように結合するか（疾患原因タンパク質に結合したリガンドの正確な3D形状）を正確に把握することで、最も容易に実現できます。これにより、リガンドをより強く、より選択的に結合するように精密に改変することが可能になります。」
この状況の図解は記事の冒頭でご覧いただけます。緑色の小さな分子と紫色のタンパク質は、必ずしも直感的または予測しやすいとは言えない、非常に特殊な方法で結合します。このプロセスを効果的かつ効率的にシミュレーションすることで、数十億もの分子をスクリーニングすることが可能になります。これは、薬剤候補を特定した以前のプロセスに似ていますが、さらに進化しており、それらが期待通りに相互作用するかどうかを実験的に確認する必要性を軽減します。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
これを実現するために、アイタニは、RoseTTAFoldアルゴリズムをはじめとする多くのアルゴリズムの設計者であり、ワシントン大学で影響力のある研究室を率いるデイビッド・ベイカー氏を共同設立者に迎えました。ベイカー氏はこの分野における第一人者として学界および産業界で広く知られており、このテーマに関する多数の論文を発表しています。
アルゴリズムがタンパク質の配列に基づいて構造を予測できることが示された直後、ベイカー氏は、試験管内で期待通りに作用する新しいタンパク質を「幻覚」として作り出すこともできることを実証しました。彼はこの分野で明らかに最先端を走っています。そして2020年には300万ドルのブレークスルー賞を受賞しており、技術共同創業者となることは間違いありません。アイタニ氏はまた、ディープマインドでベテランのセルゲイ・バルトゥノフ氏がAI担当ディレクターに、元製薬会社で研究リーダーを務めたサラ・スケラット氏が創薬担当責任者に就任していることを誇らしげに語りました。
5,000万ドルのAラウンドは、F-Prime CapitalとOrbiMedが主導し、General Catalyst、Khosla Ventures、Braavos、Axial、Grep VCが参加しました。ソフトウェアスタートアップにとってこれほどの巨額の資金調達は珍しくありませんが、Charmはタンパク質とリガンドの相互作用を特徴付ける能力の構築にとどまらないことに注目すべきです。
同社の初期段階の資金はモデルの構築に使用されましたが、現在は有効な医薬品の確実な特定という次のステップに進んでいます。
「（このモデルの）初期バージョンは準備ができており、in-silico（コンピューター上での）検証も完了しています」とアイタニ氏は述べた。「今後数四半期にわたり、実験的に検証を進めていきます。この『製品』は主に社内で使用され、社内の科学者が、当社が100%の権利を保有する潜在的な医薬品を発見するのに役立つことをご承知おきください。」
通常、試験プロセスでは数千もの候補分子をウェットラボでスクリーニングする必要がありますが、DragonFoldが宣伝通りの成果を上げれば、その数を大幅に削減できるはずです。つまり、比較的小規模で予算も少ないラボでも、数年前なら大手製薬会社が数億ドルもの投資を必要としたような薬剤に的を絞ることができるようになるということです。
新薬の収益性を考えれば、同社がこれほどの投資を集めているのも当然と言えるでしょう。数千万ドルという金額は、大手バイオテクノロジー研究企業の研究開発予算に比べれば取るに足らない額です。たった一度のヒットさえあれば、彼らは大喜びするでしょう。開発にはまだ時間はかかりますが、AIによる新薬発見によって開発期間も短縮されるため、最初の候補薬の発表はそう遠くない将来に期待できます。
デヴィン・コールドウェイはシアトルを拠点とする作家兼写真家です。
彼の個人ウェブサイトは coldewey.cc です。
バイオを見る
