MF Blogs 便利ツール
濃紺の背景に浮かぶ、六員環がつながった分子構造と、環をつなぐオレンジ色の曲線

記事

Google Antigravityに創薬向け「Cheminformatics Skills」——数日かかる分析を1時間に、研究者1万人に最上位プランを6カ月無料提供

Google DeepMindが、エージェント開発環境Google Antigravity向けに化学情報学のスキル群を公開しました。文献からの化合物収集、マッチドモレキュラーペア解析、予測モデルの構築、新しい分子の設計までをエージェントが一貫して進めます。

0:00 0:00

Google DeepMindは、エージェント型の開発環境Google Antigravityで使える化学情報学(ケモインフォマティクス)向けのスキル群「Cheminformatics Skills」を公開しました。文献からのデータ収集、化合物の解析、予測モデルの構築、新しい分子の提案までをエージェントが担い、通常は1回のサイクルに数日かかる創薬の作業を約1時間で進められるとしています。

化学者を「データの整理」から解放する

新薬の設計では、論文の図表や本文から化合物とその実験値を集め、予測モデルを学習させ、合成すべき候補分子を考えるという工程を繰り返します。DeepMindによれば、この1サイクルには通常、数日かかります。

難しさの一因は、同じ分子でも表現の仕方がばらばらな点です。論文ではIUPAC名、特許ではマーカッシュ構造、試薬カタログではSDFファイルといった具合に、形式が異なります。しかも原子や結合を1つ取り違えるだけで別の化合物になってしまうため、ミスが許されません。Cheminformatics Skillsは、こうしたデータの整理をエージェントに任せ、研究者が仮説を考えることに集中できるようにする狙いで作られました。

LLMと決定論的なツールで役割を分担

設計上の特徴は、役割分担をはっきりさせている点です。ワークフローの組み立て、データベースの探索、科学的な推論は言語モデルが受け持ち、分子の計算そのものは決定論的な化学ツールが実行します。

計算の土台には、20年以上にわたって世界中のコントリビューターが開発してきたオープンソースの化学情報学ツールキットRDKitを採用しました。さらに、生物活性データベースのChEMBLや化合物データベースのPubChemへのコネクターも備えています。DeepMindは、創薬化学の「お作法」をスキルとしてエージェントのワークフローに直接組み込んだと説明しています。LLMに計算を丸投げせず、確かな結果が必要な部分は実績あるツールに任せる構成です。

文献の収集、データの可視化、解析、分子設計へと進むワークフローを、4つの角丸カードと矢印で表したイメージ図

記事内容をもとに作成したイメージ図

肺がん治療薬を題材にした4つのステップ

公開された技術解説では、分子を「硬く」して薬効を高める「剛直化」という手法を題材にしています。結合が回転しやすい分子は溶液中で多くの形をとりますが、標的に結合する際には1つの形に固定される必要があり、その分だけ結合力が弱まります。そこで新しい結合を加えて形を固定するのが剛直化です。題材には、非小細胞肺がんの治療薬で回転可能な結合を5つ持つクリゾチニブと、それを環状にして回転可能な結合を実質ゼロにした第3世代のロルラチニブが選ばれました。

ステップエージェントが行うこと
1. 文献の収集数千件の化合物を取得し、緩衝液や溶媒などの無関係な分子を除外。出典をレポートに記録
2. 可視化化合物と実験値を対話的に確認できるビューアーを起動し、散布図で傾向を表示
3. 解析とモデル構築マッチドモレキュラーペア解析で環化の効果を確認し、複数の薬効予測モデルを学習・検証
4. 分子の設計新しい大環状化合物と合成ルートを提案し、電子の動きを示す反応機構図も作成

予測モデルの検証方法にもこだわり

解析の段階では、環化しているかどうかだけが異なる分子のペアを比べ、環化によって回転可能な結合が減り、薬効がおおむね高まることを確かめました。エージェントは特徴量やモデル構造を変えた予測モデルを数多く作り、学習に使っていないデータで検証しています。

スキルには、モデル構築のノウハウも組み込まれています。たとえば時期の情報があれば古い化合物で学習して新しい化合物を予測する「時系列分割」を使い、なければ骨格の異なる化合物で検証する「スキャフォールド分割」に切り替えます。設計した分子は、AlphaFoldや分子動力学シミュレーションに回せる形で出力でき、業界標準の化学ソフトに読み込める形式でのエクスポートにも対応しています。

「提案はあくまで仮説」と限界も明記

DeepMindは、このツールでできないことにも触れています。データが少ない、研究室ごとに測定のばらつきがある、測定値の幅が狭いといった条件では、どれほど強力なモデルでも予測精度に限界があります。計算で設計した分子は検証すべき仮説であって完成した薬ではなく、提案されたすべての設計は実際に合成し、実験で確かめる必要があるとしています。

Cheminformatics Skillsはすでに利用可能で、Antigravityアプリに「Science」プラグインを入れると使えます。企業ユーザーは「Use Business Account」を選び、Google Cloudの認証情報でログインすれば利用できます。また、条件や選考、受け入れ枠を前提に、科学者1万人へAntigravityの最上位の利用枠を6カ月無料で提供するプログラムの応募受付も始まりました。

研究現場での使いどころ

これまで数日と専門的な計算スキルを必要とした作業を、計算化学者だけでなく実験を担う化学者も対話形式で進められるようになる点が、今回の発表の大きな意味です。社内に計算化学の専門家が少ない研究チームほど、恩恵を受けやすいでしょう。

一方で、エージェントが集めた化合物データや提案した分子の妥当性を判断するのは、最終的には研究者です。導入を検討するなら、まずは自社で結果が分かっている過去のテーマを題材に、エージェントの文献収集やモデル構築がどこまで信頼できるかを確かめるところから始めるのが現実的です。無料提供プログラムは、その試行の場として活用できそうです。