分子モデルで世界最大となる110億件の立体配座で事前学習したZAOを、研究者が自らの環境とデータですぐに検証可能に
SyntheticGestalt株式会社（本社：東京都港区、代表取締役CEO：島田幸輝、以下「当社」）は、このたび、主力の分子基盤モデル「ZAO」をHugging Faceで公開しました。ZAOは、これまでに発表された分子モデルとして世界最大となる110億件の立体配座（化合物の立体的な形）を用いて事前学習したモデルです※1。今回の公開により、研究者はライセンスに同意することでZAOを直ちに入手し、自らの計算環境と手元のデータを用いてその性能を検証できるようになります※2。
Hugging Faceは、AIモデルやデータセットを共有するプラットフォームで、300万件を超えるモデルが公開されています※3。当社はあわせてscikit-learnに準拠したツールも公開し、ZAOを簡便に試せるようにしています。
ZAOは、医薬品をはじめとする幅広い低分子の研究開発を対象とした分子基盤モデルで、当社は企業や研究機関の研究者に向けて提供しています。当社が創薬研究向けに実施した評価では、GPCRやタンパク質間相互作用（PPI）などを含む31種の標的タンパク質を対象に、ZAOを用いて膨大な化合物の中から既知の活性化合物とは骨格が異なる候補を選び出したところ、そのヒット率は標的タンパク質ごとの中央値で26.4%となり、Boltz-2を使った既存の手法の組み合わせ※4による16.0%を上回りました。ヒット率は、標的タンパク質に強く結合すると計算で判定された化合物の割合です。
この成果を支えるのが、ZAOの中核技術である「4次元特徴量」です。コンピューターで化合物を扱う際には、化合物を数値で表した「特徴量」が用いられます。従来広く使われてきた2次元のフィンガープリントは、化合物の性質を左右する立体配座の情報を持たないため、骨格が異なりながら同じ標的タンパク質に結合する化合物を見つけにくいという課題があります。また、立体配座を扱う場合でも、化合物は複数の立体配座をとるため、一つだけでは十分に表せません。ZAOは、化合物がとりうる複数の立体配座を一つの特徴量に集約することで、この壁を越えます。3次元の立体配座を複数束ねることから、当社はこれを「4次元特徴量」と呼んでいます。
利用者は、ZAOが出力する特徴量と手元の測定データを組み合わせることで、結合親和性（化合物が標的タンパク質に結合する強さ）をはじめ、溶解度、膜透過性、毒性の有無などを予測する独自のモデルを構築することも可能です※2。
当社代表取締役CEO兼CTOの島田幸輝は、次のようにコメントしています。「分子基盤モデルの開発は業界でもまだ例が少なく、AIが低分子を理解する技術は道半ばです。今回の公開を通じて、分子基盤モデルの開発を業界全体で加速させたいと考えています。研究者の皆さんが自らのデータでZAOを試し、良い結果も悪い結果も含めて議論できることを楽しみにしています。」
ZAOについて
ZAOは、当社が提供する分子基盤モデルです。Hugging Faceでは、SyntheticGestalt Technical Verification and Academic Research License（SG-TVAR-1.0）のもとで公開しています。
Hugging Face：https://huggingface.co/syntheticgestalt/zao
詳細：https://syntheticgestalt.com/zao
お問い合わせ：info@syntheticgestalt.com
SyntheticGestaltについて
SyntheticGestaltは、東京を拠点とする分子AI企業です。製薬、化学、材料、農薬、化粧品、食品の各産業に向けて分子AIを開発・展開しており、2018年の創業以来、「AIによって発明を量産するシステムの構築」を目指しています。これまでの研究プロジェクトでは、医薬品のリード化合物や環境負荷の低い材料を発見するとともに、従来手法と比較して探索のコストと期間を最大90%削減してきました※5。詳細は https://syntheticgestalt.com をご覧ください。
※1 他社・研究機関が発表した分子モデルで最多のUni-Mol2（事前学習に用いた立体配座8億8400万件）の12.4倍（当社調べ、2026年10月時点）。
※2 技術検証、および大学・公的研究機関の学術研究は無償。企業による技術検証は既存データとの比較に限り許可。ZAOの出力と、それを用いて構築したモデルも同じ範囲に限定。
※3 https://huggingface.co/models の表示件数（2026年10月30日時点）。
※4 Boltz-2（AIによる結合予測）とESPSim（3次元の類似度計算）の組み合わせ。絶対結合自由エネルギー計算で−10 kcal/mol以下の化合物をヒットと判定。比較は化合物を選ぶ手順どうしで、探索した化合物数は異なる。比較できた標的タンパク質30種中22種でZAOを用いた場合のヒット率が上回った。
※5 当社の過去の研究プロジェクトでの実績。対象や条件により異なる。
メディアお問い合わせ先
SyntheticGestalt株式会社
社長室 水上 蒼
s.minakami@syntheticgestalt.com