structure-based-drug-design

構造ベース創薬戦略

概要

構造ベース創薬（SBDD）では、生物学的標的（通常はタンパク質）の3D構造情報を用いて、小分子やフラグメントがどのように結合し、その機能を調節するかを検討します。このスキルでは、SBDDの成果を左右する判断の方法論を示します。すなわち、標的に創薬可能性があるか、問いに適した計算手法は何か、結合部位をどのように定義して検証するか、結合ポーズやスコアをどう解釈するか、そしてドッキングから分子動力学（MD）や自由エネルギー摂動（FEP）へ進むべきタイミングはいつか、という判断です。コードの生成やツールの実行は行わず、戦略の検討、評価、実験計画を支援します。

SBDDの中心的な主張は、構造が化学的な可能性を制約するということです。適切に選んだ手法を、適切に準備した構造と正しく定義した部位に適用すれば、実行可能な仮説が得られます。同じ手法でも、こうした配慮なしに適用すると、もっともらしい結合ポーズやスコアは得られても、活性には結びつきません。SBDDの失敗の多くは、技術面ではなく戦略面に起因します。

使用方法

ユーザーが構造ベース設計の判断を計画または評価しているときに、このスキルを読み込みます。一般的な開始点は以下のとおりです。

• 「この標的には創薬可能性がありますか？」—「創薬可能性の評価」を使用します。
• 「剛体ドッキングと柔軟ドッキングのどちらを使うべきですか？」—「ドッキング戦略の選択」を使用します。
• 「ドッキングスコアと活性が相関しません。」—「ドッキング結果の解釈」と「よくある間違い」を使用します。
• 「この同族体シリーズをどのように順位付けすればよいですか？」—「ドッキング以降へ進むタイミング（FEP）」を使用します。
• 「隠れた部位、またはアロステリック部位があります。」—「結合部位の定義」を使用し、MDも検討します。
• 「バーチャルスクリーニングのキャンペーンを設計してください。」—「バーチャルスクリーニングのカスケード」を使用します。
• 「フラグメントスクリーニングとHTSのどちらがよいですか？」—「フラグメントスクリーニングとHTS」を使用します。

新しいプログラムを開始するときは、各セクションを記載順に適用します。特定の質問に絞って回答する場合は、該当するセクションへ直接進みます。推奨を提示する前に、標的の名称とクラス、構造の分解能と取得元（結晶、クライオ電子顕微鏡、AlphaFold）、共結晶リガンドの有無、既知の活性化合物またはSAR、そしてユーザーが実際に判断する必要のある事項（ヒット探索、リード最適化、作用機序の説明）を確認します。

回答形式

• 直接的な推奨または分類を冒頭に示します（3文以内）。
• 「推奨 → 根拠（具体的な基準やしきい値を示す） → 注意点」の構成にします。
• 比較には表を、基準の一覧には箇条書きを使用します。
• ユーザーがすでに知っている背景情報は省きます。ユーザーは質問への回答を求めています。
• 目安は200～400語です。ユーザーが網羅的な説明を求める場合を除きます。 このスキルに含まれる判断ツリーやフレームワークは、内部での推論にのみ使用します。結論を導くために適用しますが、回答内で再現しないでください。根拠とともに、最終的な推奨のみを提示します。

中核概念

創薬可能性は部位の性質であり、タンパク質の性質ではありません。1つのタンパク質に、創薬可能なポケットと創薬が難しいポケットが同時に存在する場合があります。

結合ポーズと結合スコアは、それぞれ別の主張です。ポーズは形状と相互作用を表し、スコアは親和性を推定します。一般に、ポーズのほうがスコアより信頼性が高く、スコアは異なるケモタイプ間よりも、同じケモタイプ内での順位付けにおいて信頼性が高くなります。

**手法の精度はコストに応じて高まります。**ファーマコフォア解析とドッキングは高速ですが近似的です。MDとFEPは低速ですが、特定の問いに対してより高精度です。手法のコストを判断の価値に合わせてください。100万化合物のライブラリのトリアージにFEPを実行せず、候補指名化合物の順位付けに未加工のドッキングスコアを使用しないでください。

**予測の前に検証します。**未知の化合物に対してドッキングプロトコルを信頼する前に、既知の共結晶ポーズを再現し（セルフドッキングまたはクロスドッキング）、その標的の既知活性化合物がデコイより濃縮されることを確認してください。

創薬可能性の評価

タンパク質ではなく、結合部位を評価してください。創薬可能なポケットの主要な構造的特徴：

• 深さ： 表面から約 10 Å 超。浅い部位では、薬物様化合物が十分な結合親和性を示すことはほとんどありません。
• 閉鎖体積： 約 300 ų 超。体積がかなり小さいと化学的な選択肢が制限され、かなり大きい場合は通常、部位が明確に定義されていないことを意味します。
• 疎水性比率： 極性アンカーが少数ある、バランスの取れた疎水性コアが理想的です。疎水性のみのポケットは非特異的結合を促し、極性のみのポケットは薬物様リガンドとの適合が困難です。
• 柔軟性（B 因子、アンサンブル RMSF）： 中程度の柔軟性は許容できますが、部位を囲む側鎖やループの柔軟性が極端に高い場合は警告サインです。
• 保存性と既知のリガンド結合性： 補因子、基質、またはツール化合物が結合する部位は、新規の表面よりも創薬可能性が高いと考えられます。

創薬困難を示す指標：

• 明確な空洞のない平坦または浅い表面（タンパク質間相互作用界面に典型的）。
• 塩橋が支配的な高電荷部位。特に、対向電荷をリガンドから補う必要がある場合。
• 安定した立体配座を持たない、柔軟性が非常に高いループ領域内にある部位。
• 一時的にしか露出しない部位（クリプティックポケット）。標的化は可能ですが、発見には MD または共溶媒マッピングが必要で、多くの場合、共有結合戦略またはアロステリック戦略が求められます。

創薬可能性の判断を、創薬可能／困難／従来の手法では創薬困難として、判断の根拠となった具体的な特徴とともに示してください。創薬が困難な部位については、実行可能なアプローチ（共有結合性ワーヘッド、アロステリック部位、PROTAC、分子グルー、フラグメントベースのアプローチ）を挙げてください。

ドッキング戦略の選択

実際に動くものに合わせてドッキング手法を選択してください。

• 剛体受容体ドッキングは、構造が高解像度（通常、結晶構造で <2 Å）で、既知の共結晶構造間で結合部位が剛体であり、部位を囲む柔軟なループがない場合に適しています。高速であり、剛体ポケット（例：成熟したキナーゼ骨格）のバーチャルスクリーニングにおけるエンリッチメントには十分です。
• 側鎖柔軟性ドッキング／誘導適合は、リガンド系列によって側鎖の向きが変わる場合、またはアポ構造とホロ構造でポケットが異なる場合に適しています。異なるケモタイプの共結晶構造でロタマーの変化が見られる場合や、化学的に異なるリガンドを用いて解かれた構造に対して新しいケモタイプをモデル化する場合に使用してください。
• アンサンブルドッキングは、柔軟性の高い標的、クリプティック部位、または実験的に異なる複数の立体配座がある場合に適しています。複数の結晶構造、NMR モデル、またはポケット形状に基づいてクラスタリングした MD スナップショットからアンサンブルを生成してください。各立体配座に対するドッキング結果を報告し、単純に平均しないでください。
• 共有結合ドッキングは、反応性ワーヘッドを対象とする個別のワークフローです。反応性残基と幾何学的制約を明示する必要があります。

次の点を確認してください。アポ状態とホロ状態の間で何が動きますか？リガンド間で何が動きますか？答えが「意味のある変化はない」であれば、剛体ドッキングで問題ありません。側鎖が動く場合は、柔軟性を考慮した手法を使用してください。主鎖やループが動く場合は、アンサンブルまたは MD ベースの手法を使用してください。

標的クラスに応じたスコアリング関数の選択

スコアリング関数には、暗黙の偏りがあります。標的の生物学的特性に応じて選択してください。

• キナーゼ（ATP競合型）： ヒンジの主鎖との水素結合が、特異性を決める主要因です。方向性のある水素結合を評価し、それがない場合はペナルティを課すスコアリングを使用してください。ポーズの妥当性は、総合スコアではなく、主にヒンジとの接触とゲートキーパーとの適合性に基づいて判断してください。
• キナーゼ（アロステリック／III型／DFG-out）： ATP結合部位に特化した剛体スコアリング関数では、誤った評価になります。コンフォメーションに特化したテンプレートを使用し、既知のII型／III型活性化合物で検証してください。
• GPCR： 膜貫通バンドル内の疎水性相互作用が支配的です。膜を考慮したスコアリングを使用するか、少なくとも誘電率を低誘電環境に適した値に設定してください。正確なエネルギー評価には、明示的な脂質モデルまたは暗黙的な膜モデルが重要です。単純な水系スコアリングでは、過度に極性の高いリガンドが有利になります。
• タンパク質間相互作用（PPI）： 大きく平坦で、水を多く含むことがよくあります。深いポケットを前提に学習したドッキングスコアリング関数では、良好な結果が得られません。ファーマコフォアベースのスクリーニング、ホットスポットマッピング（例：FTMap形式の解析）、またはフラグメント戦略を優先してください。ドッキングを行う場合は、総合スコアよりも形状相補性とホットスポットへの結合を重視してください。
• アロステリック部位： オルソステリック部位より浅く、動的であることがよくあります。形状相補性とポケットに適合したダイナミクスを重視してください。MDで検証し、リガンドがドッキング先の部位のコンフォメーションを不安定化させないことを確認してください。
• 核酸標的および金属酵素： 専用のスコアリング（静電相互作用、金属配位の幾何学的配置）が必要です。汎用のデフォルトスコアリング関数は信頼できません。

あらゆる標的に通用するスコアリング関数はありません。可能であれば、標的の既知の活性化合物を使って2～3種類のスコアリング関数をベンチマークし、濃縮率が最も高いものを選んでください。

結合部位の定義

部位の定義によって、ドッキングプログラムが何を「結合」とみなすかが決まります。ここでの誤りは検出されないまま、致命的な結果を招きます。

• 共結晶リガンドがある場合： 結合したリガンドを基準にグリッドまたは球体を定義し、約5～8 Å拡張してください。複数の共結晶構造に共通して見られる秩序化水分子を含め、架橋水は明示的に扱うよう指定してください。
• 共結晶リガンドがない場合： ポケット検出（fpocket、SiteMap、または同等の手法）を使用し、生物学的知見（変異導入によるホットスポット、基質／補因子との接触残基、既知のアロステリック調節因子の残基）と照合してください。手法間で結果が一致すれば信頼性が高まります。一致しない場合は、決定する前にMDまたは共溶媒マッピングが必要です。
• 潜在的またはアロステリックな部位： アポタンパク質のMDを実行し、一時的に開くポケットを探してください。コミュニティ解析または動的ネットワーク解析を使って、アロステリックに連動する領域を特定してください。共溶媒MD（MixMD、SILCS形式）では、リガンドが結合可能なホットスポットを特定できます。
• 必ず部位残基（His、Cys、Asp、Glu、Lys）のプロトン化状態を、適切なpHで、リガンドが存在する条件下で確認してください。 これを誤ると、水素結合供与体と受容体が逆転し、ポーズの解釈が台無しになります。

部位の定義は、中心座標、ボックスサイズ、含めた水分子、プロトン化状態の割り当て、制約条件（例：ヒンジとの必須水素結合）を明記して記録してください。これは、最も頻繁に省略され、再現性を最も損なう手順です。

ドッキング結果の解釈

ドッキングスコアは、複数ある判断材料の一つとして扱ってください。

ポーズを信頼できるか判断するためのチェックリスト：

• 重要な相互作用が保たれている： 触媒残基との水素結合、ヒンジとの接触、既知のファーマコフォアアンカーを確認します。これらが欠けている場合、スコアにかかわらず、そのポーズを疑う強い根拠になります。
• ポーズの一貫性： 独立した実行やスコアリング関数で得られた上位ポーズが、同じ結合様式に収束していることを確認します。上位ポーズが分散している場合、予測の信頼性は低いといえます。
• SAR との整合性： 既知の活性の急激な変化をポーズで説明できるか確認します。100 倍強力な類縁体が、ポーズ内で追加の接触を一切形成していない場合、そのポーズはおそらく誤りです。
• リドッキングによる検証： 共結晶リガンドを受容体にリドッキングし、結晶構造のポーズを RMSD <2 Å で再現できることを確認します。再現できない場合、今後の予測にこのプロトコルを信頼しないでください。
• 既知の活性化合物での濃縮： 既知の活性化合物が、物性をマッチさせたデコイよりもランダムより高い順位になることを確認します。上位スコアのポーズだけでなく、AUC または濃縮係数を報告してください。

スコアの解釈：

• 同一ケモタイプ内： 特に、より精度の高い関数を用いて再ドッキングした後であれば、ドッキングスコアによる順位付けは妥当な場合があります。
• 異なるケモタイプ間： ドッキングスコアは信頼できません。クラス間にある系統的な偏りが、小さな親和性の差を上回ります。
• 絶対親和性： ドッキングスコアは結合自由エネルギーではありません。ドッキングの生スコアから予測した Kd や ΔG を関係者に提示しないでください。

これらのチェックのいずれかに失敗した場合は、前の段階に戻り、スコアだけを根拠に化合物の検討を進めないでください。

ドッキング以上の手法に進むタイミング

ドッキングは候補の選別に使うものです。ドッキングでは得られない精度が判断に必要な場合は、次の手法に進んでください。

**分子動力学（MD）**が次のステップとして適切なのは、次のような場合です。

• 仮説の中心に標的の柔軟性がある場合（クリプティックポケット、ループの再配置、DFG フリップ、GPCR の活性化状態）。
• 水を介した相互作用が疑われる場合。溶媒を明示的に扱う MD により、架橋水とその滞在時間が明らかになります。
• 結合速度論（結合・解離速度、滞在時間）が薬理作用にとって重要な場合。メタダイナミクスや拡張サンプリング法で、これらを推定できます。
• ドッキングしたポーズがナノ秒からマイクロ秒の時間スケールで安定していることを確認する場合（ポーズ安定性 MD）。
• 生スコアと活性の相関が低い場合、上位のドッキングヒットを MM-GBSA または MM-PBSA で再スコアリングすると、順位付けが改善する可能性があります。

自由エネルギー摂動法（FEP）／熱力学積分法が次のステップとして適切なのは、次のような場合です。

• リード最適化中に同族体系列の順位付けを行う場合で、相対 ΔΔG の精度として約 1 kcal/mol が必要なとき。
• 合成する化合物の優先順位付けに、定量的な親和性予測が必要なとき。
• 摂動が小さく、化学的に妥当な場合（スキャフォールドホップではない場合）。変化が大きくなると、FEP の精度は低下します。
• 十分なサンプリングが可能で、その化学に対して検証済みの力場が利用できるとき。

十分に収束していないポーズ、スキャフォールドをまたぐ比較、または結合様式が不確かな場合に FEP を実行しないでください。構造がないことの代わりに MD を使わないでください。入力が不適切なら、軌跡もやはり不適切です。

バーチャルスクリーニングのカスケード

化合物あたりの精度とコストが段階的に高くなるファネルとして、スクリーニングを設計します。

1. 物性およびファーマコフォアのフィルター。 PAINS、反応性基、および目的の物性範囲から外れる化合物を除外します。既知の活性化合物または構造解析に基づくファーマコフォア仮説を適用します。
2. ハイスループットドッキング（高速スコアリング）。 フィルター済みのライブラリをスクリーニングし、上位1〜10%を次の段階に進めます。
3. 上位ヒットの高精度な再ドッキング。 フレキシブルドッキング、より厳密な探索、および標的の活性化合物で検証済みのスコアリング関数を使用します。この段階の上位10%を残します。
4. 目視による確認。 構造化学者または同等の専門家が、重要な相互作用の保持、合成可能性、およびSARとの整合性についてポーズを確認します。この手順は省略できません。
5. 上位50〜100件に対するMD / MM-GBSA。 ポーズの安定性評価と再スコアリングにより、静的な状態では良好に見えても動力学的に逸脱するポーズを除外します。
6. 実験的検証。 生物物理学的アッセイ（SPR、ITC、TSA）または機能アッセイを行います。適切に設計されたカスケードのヒット率は通常1〜20%です。これを桁違いに下回る場合は、上流の手法に問題があることを示しています。

各段階のエンリッチメントとヒット率を報告します。既知の活性化合物で一度も検証されていないカスケードは、信頼できません。

フラグメントスクリーニングとHTSの比較

標的の創薬可能性と利用可能なリソースに基づいて選択します。

フラグメント創薬（FBDD） が適しているのは、次の場合です。

• 結合部位が小さい、極性が高い、または幾何学的な理由で親和性が低い。従来のHTSではヒット率が低くなります。
• 高品質の構造（フラグメント浸漬に十分な分解能のX線またはクライオ電子顕微鏡構造）が利用できます。
• 高感度の検出法（X線結晶構造解析での浸漬、SPR、NMR、ネイティブMS、またはTSA）が利用できます。標準的な生化学アッセイでは、弱いフラグメント結合を検出する感度が不足しています。
• フラグメントを成長、結合、または連結するための合成を繰り返せるチームがあります。フラグメントにはmM〜µMの親和性が想定されます。その価値は効力ではなく、リガンド効率と構造情報にあります。

HTS が適しているのは、次の場合です。

• 標的に明確な、薬物サイズのポケットがあり、多様な化学構造からµM以下のヒットが得られる可能性が高い。
• 堅牢で拡張性のある機能アッセイまたは生化学アッセイを利用できます。
• 標的クラスに適した化学ライブラリを利用できます。

ヒットの構造解析をHTS後に行う方法や、フラグメントに基づくファーマコフォアの周辺をバーチャルスクリーニングするFBDDの方法など、ハイブリッドアプローチも実務で広く用いられています。

このスキルを使用しない場合

• PROTAC／分子グルー、または標的タンパク質分解剤の設計 — 三者複合体のモデリングには、従来のSBDDの範囲外となる専門ツール（例：Rosetta、タンパク質間ドッキング）が必要です
• 抗体または生物製剤のエンジニアリング — CDRループのモデリングとタンパク質間インターフェースは、小分子ドッキングのフレームワークでは扱いません
• 標的構造がない場合のリガンドベース設計 — 代わりにファーマコフォアモデリングまたはQSARを使用してください

よくある間違い

• 誤り： 既知の活性化合物で検証する前に、プロスペクティブドッキングを実行する 正しい対応： プロスペクティブ用途で使う前に、共結晶リガンドでセルフドッキングを行い（RMSD < 2 Å）、活性化合物とデコイのエンリッチメントを示します 理由： 検証がなければ、そのプロトコルが標的に対して意味のあるポーズを生成するという根拠がありません

• 誤り： 柔軟な標的に対して、単一の剛体結晶構造を使用する 正しい対応： キナーゼ、GPCR、トランスポーターには、アンサンブルドッキングまたは柔軟な側鎖ドッキングを使用します 理由： 1つのコンフォメーションではコンフォメーションランドスケープを表せず、実際の結合モードを完全に見逃す可能性があります

• 誤り： 確認せずに、デフォルトのプロトン化状態と互変異性体を受け入れる 正しい対応： 生理的 pH でリガンドと結合部位のイオン化状態を意図的に設定し、His、Cys、Asp、Glu の状態を確認します 理由： 不適切なプロトン化により水素結合ドナー／アクセプターが逆転し、物理的にあり得ないポーズが生成されます

• 誤り： 異なる化学骨格の化合物を順位付けする際、ドッキングスコアの絶対値を信頼する 正しい対応： 同一ケモタイプ内で順位付けし、MM-GBSA、FEP、または実験によってシリーズ間を検証します 理由： スコアリング関数にはケモタイプに依存するバイアスがあり、シリーズ間の小さな親和性の差を上回る影響を及ぼします

• 誤り： AlphaFold で予測した構造を、ドッキングにおいて実験的な結晶構造と同等に扱う 正しい対応： 結合部位にドッキングする前に、予測構造を精密化するか、実験データで検証します 理由： 結合部位付近の側鎖やループの精度が不十分なことが多く、信頼性の低いポーズにつながります

• 誤り： 目視で確認せず、デフォルトのボックスサイズで結合部位を定義する 正しい対応： 共結晶リガンドまたはポケット検出に基づいてグリッドの中心と寸法を設定し、5～8 Å 拡張します 理由： ボックスが大きすぎるとリガンドがどこにでもドッキングし、小さすぎると実際の結合モードが除外されます

• 誤り： スコア上位のドッキングポーズを目視で確認しない 正しい対応： 構造化学者に、重要な相互作用、合成容易性、SAR との整合性についてポーズをレビューしてもらいます 理由： どのスコアリング関数も専門家の判断に取って代わることはできません。高スコアのポーズには、重要なファーマコフォア接触が欠けていることがよくあります

• 誤り： MD でのポーズの安定性を結合親和性と同一視する 正しい対応： MD での安定性と親和性は別個の主張として扱い、それぞれに個別の根拠を求めます 理由： ポーズは幾何学的に安定していても親和性が低い場合があり、親和性の高いリガンドが複数の結合状態をとる場合もあります

• 誤り： 骨格の置換や大きな構造変化をまたいで FEP を実行する 正しい対応： FEP は、化学シリーズ内の小さな同族体間の摂動に限定します 理由： 大きな摂動は FEP のサンプリングおよび力場精度の適用範囲を超え、信頼性の低い ΔΔG 値を生みます

• 誤り： ドッキングスコアから定量的な Kd 予測ができると関係者に約束する 正しい対応： ドッキング結果は、較正済みの親和性ではなく、相対的な順位付けとポーズの仮説として報告します 理由： ドッキングでは較正済みの結合自由エネルギーは得られません。これを誤って伝えると、プログラムの信頼性が損なわれます

参考文献

• Druggability：Halgren. Chem Biol Drug Des 2009, https://doi.org/10.1111/j.1747-0285.2009.00890.x
• fpocket：Le Guilloux et al. BMC Bioinformatics 2009, https://doi.org/10.1186/1471-2105-10-168
• Vina のスコアリング：Trott & Olson. J Comput Chem 2010, https://doi.org/10.1002/jcc.21334
• FEP の精度：Cournia et al. J Chem Inf Model 2017, https://doi.org/10.1021/acs.jcim.7b00564