大学という時間と人員が限られる研究環境の中で、創薬の成果を上げることは極めてチャレンジングな取り組みです。今回は、弊社のAIモデルをいち早く取り入れ、実際に教育や研究でご活用いただいている北海道大学の勝山彬助教にインタビューを行いました。勝山先生は、創薬研究に従事する傍ら、多くの学生たちに指導を行い多忙を極める研究者です。SyntheticGestaltの創薬AI導入背景と、実際の効果、さらにお気に入りの機能について、語っていただきました。
まずは先生の研究内容についてお聞かせいただけますか？
創薬化学の分野に取り組んでいますが、特に細菌感染症に有効な抗菌薬や抗がん剤を対象としています。以前は天然物を中心に研究していましたが、最近では、低分子の研究も取り組むようになっています。現在は、そういった低分子の構造最適化や、in vitro評価、そしてin vivoでの有効性の検討などを行っています。
研究の中で、どんな課題やAIモデルを期待していたのでしょうか？また、もしアカデミアで創薬化学の研究を進める中で苦労されている点があれば教えてください。
標的に適した分子を作る技術は確立されつつありますが、それだけでは十分ではありません。実際に薬効を確認するには、物性や、薬物動態、安全性といった複数のパラメータがバランス良く取れている必要があります。一つのパラメータだけに合致しても、例えば溶解度は良いけれど代謝安定性が悪いといった事態になりがちで、それを避けたいのです。
アカデミア、特に大学の研究室の場合、多角的にパラメータのバランスを見ていくのは難しいです。マンパワーが限られていて、網羅的な予測に対応できないんです。年間で数十個の化合物を合成するのが精一杯で、それ以上を目指すには困難が伴います。これは学生のマンパワーの効率面だけでなく、教育上の理由も絡んでいます。異なる学生が同じテーマで論文を書くことが難しく、そこにも限界があります。
さらに、企業のようにCROの活用も難しいですし、研究には複数年をかけて取り組まなければならないので、ここでの壁も高い。ですから、デザイン段階での予測精度が非常に重要になってくるわけです。
弊社のモデルをどんな方がどのように使っているのでしょうか？
主に研究室の学生と研究者で使っています。現時点では、自分たちが作っている物質の属性を確認するためにモデルを利用していますが、今後は構造発生機能をもっと活用していきたいと考えています。
私たちの今の研究は、2つの部分構造を合成の終盤に連結するという戦略に重きを置いているので、その間を繋ぐLinker探索という機能はその戦略に非常に適しています。また、新規化合物を合成し、その活性を確認するところに力を入れているので、予めADMETのプロパティが予想できている新しい分子のデザインができるというのも大変ありがたいことです。
現在、私たちが合成しようとしている化合物のADMET予測を行っている段階で、これからその結果が出てくるのを楽しみにしています。
実際の使用を通して、どんなところが良いと感じましたか？
教育面では、学生たちが学びのきっかけを掴むことが重要です。論文を読むだけでは得られない経験や、パラメータを実際に扱って初めて気づくことがあります。こうした気づきが学習の動機付けとなり、将来的に企業で活躍できるきっかけになります。
研究面では、事前に必要なパラメータを知っておくことが非常に重要です。それが、研究の計画や指標、エビデンスの基盤となります。特に論文を書く際には、その根拠が必要になります。加えてin vitroの研究はできますが、in vivoでの研究を行うためには共同研究が必要となり、その際に予測した薬物動態のパラメータが重要となります。
また、ツールを使うことで研究の視野が広がり、バイアスや漏れがない検討ができます。ツールがなければ、研究者がよく扱う構造デザインに偏ってしまうリスクがありますが、ツールを使えばよりフラットに構造や化合物を探索することができます。
さらに、研究テーマを年次ごとに引き継ぎやすくするために、過去の学生が検討した内容を少しずつ足していくことが重要です。これにより、過去の研究の思考プロセスをたどることができ、次の世代へのスムーズな引き継ぎが可能となります。
特に気に入っている機能があれば教えてください。
私たちにとって、SMILESを使って複数の化合物を一度に処理できるのは本当にありがたいです。操作を何回も繰り返すのは、かなり疲れる作業ですからね。さらに、直感的に操作できる点が非常に魅力的です。ADMETのパラメータを見たことがない学生もいる中で、SMILESを使えばボタン一つで結果が見やすく表示されます。教育の観点からすると、それが非常に助かります。
また、複数の人にまとめて使ってもらうためには、これくらいのわかりやすさが必要です。初めて触る学生には、SMILESもいいのですが、Drawingで化合物を入力する機能も分かりやすいかもしれません。
右から 北海道大学 勝山先生、SyntheticGestalt代表取締役CEO 島田、同じく創薬化学VP 牛山
最後に、弊社のAIモデルはどんな方におすすめだと思いますか？
創薬研究をしているところで教育面での効果は極めて大きいと思います。
特に学生や経験が少ない研究者がADMETのパラメータを最初に勉強していく中で、自分の研究テーマに基づいて学べるのが魅力ではないかと思います。
終わりに
先生の研究室では、創薬化学の最前線での取り組みが続いており、学生たちにとっても弊社のモデルが貴重な学びの手段となっているようです。化合物の評価やデザインの効率が向上するだけでなく、ADMETのパラメータを実際に扱う経験が学生の皆さんの将来に大きな価値をもたらすことを弊社も期待しています。
勝山先生、また北海道大学の学生の皆様、貴重なご意見誠にありがとうございました！