Alphabet、AIを活用した創薬を目指すIsomorphic Labsを創設
コメント
注目のコメント
Alphabetはむしろこの分野では少し後乗り感あるけれど、AlphaFold2のもたらしたインパクトは非常に大きい。
現時点ではAIを使った化合物の探索は配列数の比較的短い低分子に限られるが、既存高分子薬の低分子化（同じ効能を持ちながら、製造や保管が簡単になる）や既出薬の再開発（この薬、実はこの病気にも効く）などがまずは期待される成果。
特に生成型AIモデルを使ったアプローチは既に始めている会社もあるが、まだまだこの分野で発展の可能性の大きい技術だと思う。
日本からもSyntheticGestaltという会社がこの領域で頑張っている。ひいては「発見の自動化」という大きなテーマにもつながるポテンシャルを見据えている。すでに報道されていたAlphabet社傘下のGoogle DeepMindが研究開発を行っていたプロジェクトのスピンアウトだと思います。この技術はアミノ酸またはその構成単位である分子の引力から合理的に作られうる「立体構造」を「計算により導く」というものだと思われます。創薬のプロセスで立体構造が重要であることは疑いのない事実で、関連技術も蓄積されており今後の応用範囲が極めて広いものです。
医薬品の研究開発における高度な技術に抗体技術があります。これにもタンパク質が関係しています。生物が有する抗体のメカニズムに対して医薬品を機能させるためには、抗原（病原体など）が作用する部位を抗体で塞ぐ必要がありますが、抗原、抗体ともにタンパク質から作られており、それぞれカギとカギ穴の関係に例えられます。
タンパク質は、アミノ酸配列により決定されます。しかし、医薬品としての評価を見るためには単なる配列を知るだけでは不十分で、配列を知ったうえで、どのような形態（立体構造）をもっているかを知る必要があります。カギがカギ穴にすっぽり入るためには、固有の立体構造が必要なのと同じです。
タンパク質の立体構造を知ることが、抗原－抗体を利用する創薬研究の第一歩になります。従来はタンパク質にX線を当てて反射させ、コンピューターで立体構造を割り出す方法がとられていましたが、ここにも課題があります。
X線を反射させるためには「固体」である必要があるため、まずはタンパク質の結晶を作らなければなりませんが、タンパク質はそう簡単に結晶になってくれません。溶媒や温度などの条件を変えて作業を試みますが、総当たりのようなローテク作業を強いられ、運次第のところがあります。非常に時間がかかりますし、頑張ってもできてくれないかもしれません。
Alphabet Isomorphic Labsの技術は運次第のところがある研究の律速段階「タンパク質の結晶化」を不要にする可能性があり、実用レベルで使えるなら、特に難病領域の新薬開発に革命をもたらす可能性があります。
関連記事
「Google DeepMindの新発表はバイオ領域のロゼッタストーンになる」（Forbes JAPAN 2021年8月4日）
https://newspicks.com/news/6071542?ref=user_1310166まあ、まだ、レギュレーションのきちっとした、レース場でのF-1に勝っただけなので、今後のお手並み拝見でゴザル
生体内で機能中のたんぱく質は結晶で見れるconformation だけでなく、イロイロなエネルギーレベルのモノがアンサンブルで混在してますし、周りの水、塩、塩基分子などの分布や、くっつく相手によってカタチが変わりますからねぇ くっつく直前もそうですが (induced fitと呼びますよますよ)、くっついたあとに別の所のカタチが変わったりします 一部の酵素はこんなふうに働きますよ あと、ちなみにコレが生体成長時における各種たんぱく質の組み立て順序の離散的表現になっているようです(*)
静的な結晶構造データと違い、そのあたりの実験データは非常に少ないです 生体内で活動中凍らせて写真撮る訳に行きませんからねぇ ただ、F-1での成績はダントツなので、全部AIでやろうとしなければ (製薬会社に貸し出すのかもですねぇ)、結構行けるかもですよ (で、ワタシはﾆﾔﾆﾔ 理由は↓)
ご参考
https://newspicks.com/news/5429846?ref=user_1506052
(*)ワタシのphd論文(20+年前)はコレ (自己組み立て機械)の計算言語的モデルについてだったんですよ
