MEDICINE & AI

タイトル：DrugAppy - An end-to-end deep learning framework for computational drug discovery 雑誌名：Comput Biol Med. 2025 Nov; 198(Pt B): 111201. 概　要： 本研究では、がん研究における薬物標的の特定と新規化合物の設計を支援するための計算ツール「DrugAppy」を提案します。薬物設計プロセスは高コストで時間がかかるため、計算ツールを用いてこのプロセスを加速・最適化することが重要です。DrugAppyは、AIアルゴリズムと計算・医薬化学手法を組み合わせたハイブリッドモデルに基づいており、HTVSや分子動力学（MD）を用いて薬物の特性を予測します。PARPおよびTEADファミリーのタンパク質を対象としたケーススタディを通じて、いくつかの新規化合物が既存の阻害剤と同等またはそれ以上の活性を示すことが確認されました。 方　法： DrugAppyは、AIアルゴリズムと計算・医薬化学手法を組み合わせたハイブリッドモデルを使用した計算ツールです。HTVSにはSMINAとGNINAを、MDにはGROMACSを使用し、薬物の薬物動態、選択性、潜在的活性を予測しました。PARPおよびTEADに対するケーススタディを通じて、複数の化合物が特定されました。 結　果： PARP1に対しては、オラパリブと同等の活性を持つ2つの化合物が特定され、TEAD4に対しては、参照阻害剤IK-930を上回る活性を示す化合物が確認されました。各ターゲットに対して、活性化合物が特定され、標的との結合が確認されました。 結　論： DrugAppyは、PARPおよびTEADファミリーのタンパク質を対象とした新規分子構造の発見に効果的に使用できることが示されました。このフレームワークは、がん治療における新たな薬物発見の可能性を提供します。