精度はAlphaFold 3の2倍、分子之心が高難度の抗体設計を攻略
従来の抗体探索は、動物免疫や大規模抗体ライブラリからの「絨毯爆撃的なスクリーニング」に依存するのが一般的でした。
しかし、**分子之心(MoleculeMind)**が発表した最新の技術レポートは、それとはまったく異なるアプローチを提示しています。
同レポートは、同社のAIタンパク質デノボ(de novo)設計プラットフォーム「MMDesign」を軸に、18種類の標的(ターゲット)、ナノボディ(VHH)および環状ペプチドの2つのモダリティにまたがる計19件のデザインプロジェクトを網羅しています。
- 各プロジェクトでテストされた候補分子はわずか9〜50個にとどまり、そのうち18件で結合分子の取得に成功。プロジェクト**成功率は94.7%**に達しました。
- テスト対象となった6つのGPCRターゲットすべてで結合分子の取得に成功し、最良のアフィニティ(結合親和性)はいずれもナノモル(nM)オーダーを達成。
- 過去にヒットを得ていた6つのターゲットに対して2回目の設計(リデザイン)を実施したところ、5件で設計指標のさらなる向上を確認。
- 一部の候補分子は、優れた初期の創薬可能性(開発可能性・Developability)と配列の新規性を示しました。
これらのデータは、MMDesignが**「技術的ブレークスルー」から「体系的検証」のフェーズへと移行したことを示しています。同一の「生成・スクリーニング・検証」**ワークフローを用いることで、標的やモダリティの壁を越え、少数の候補分子のみでウェット実験による検証を一貫してクリアできることが証明されました。
半年間で3回の反復改良を重ねてきたMMDesignは、現在、**「高効率なヒット」**を再現可能なエンジニアリング能力として定着させることに注力しています。
AI創薬における真のコアバリューは、複数の次元に現れます。
分子を生成した後、ラボテストに送る候補数をいかに絞り込み、ヒット率を高められるか——これは効率の問題です。
候補分子のアフィニティ、開発可能性指標、そして配列の新規性をより優れたものにできるか——これは品質の問題です。
さらに重要なのは、生成プロセスにおいて既存の結合分子の改変に一切依存せず、機能要件に直接基づいて分子を設計できる点です。前例のない標的に直面しても確実に対処できることこそが、デノボ設計が「既存分子の改変」と一線を画す本質的な価値です。

スクリーニングを計算空間へ移行:1プロジェクトあたり数十個のテストでヒットを達成
AIによるデノボ設計は、膨大なライブラリで試行錯誤を繰り返す従来のプロセスをスキップします。研究者がターゲットとエピトープを指定するだけで、AIがデジタル空間上で直接分子配列を生成します。
しかし、配列の生成は最初のステップに過ぎません。数万もの候補配列の中から、ラボ検証に回す価値のある数十個をいかに正確に絞り込むかが、技術的な分水嶺となります。
MMDesignは、このプロセスを**「生成・スクリーニング・検証」**というエンドツーエンドのワークフローとして標準化しました。
システムはまず計算空間で数万の候補分子を生成し、続いて構造の信頼性、配列の自然さ、および統計物理学に基づく多層評価体系を組み合わせることで、1プロジェクトあたりの候補分子セットを9〜50個(中央値はわずか21個)にまで絞り込みます。最終的に、19プロジェクト中18件で結合分子の獲得に成功し、プロジェクト成功率は94.7%に達しました。テストされた全453個の候補のうち139個で結合が確認され、全体の候補ヒット率は30.7%を記録しました。
ここには2つの評価基準が含まれます。94.7%は「プロジェクトにおいて少なくとも1つの結合分子を見つけられたか」を示し、30.7%は「テストした候補分子全体の中で実際にヒットした割合」を反映しています。抗体のデノボ設計分野において、これらの指標は世界的に見てもトップクラスの数字です。
さらに、15のプロジェクトで2つ以上の結合分子が得られており(全体の約8割)、研究チームは単に「使える分子がある」だけでなく、複数の候補間で比較や最適化を進めることが可能になります。
製薬企業にとっては、計算フェーズで低価値な候補を早期に排除できるため、貴重な実験リソースを高ポテンシャルな分子へ集中させることができ、「膨大なスクリーニング」から「精密設計」へのパラダイムシフトが真に実現します。
6つのGPCRすべてで成功、膜タンパク質という難関を突破
94.7%の成功率が「効率」の高さを示すものだとすれば、GPCR関連プロジェクトの結果は、技術の「絶対的な実力」を直接証明するものです。
GPCR(Gタンパク質共役受容体)は創薬領域で最も重要なターゲットファミリーの1つですが、抗体医薬の開発は極めて困難とされてきました。膜タンパク質であるGPCRは構造が複雑でコンフォメーションが変化しやすく、抗体が結合可能な細胞外露出領域が極めて限られているためです。そのため、GPCRは抗体デノボ設計において最も攻略が難しい標的の1つと広く認識されています。
今回のレポートによると、MMDesignはCCR7、CCR8、EP2、GPR68、NK3R、A2ARの6つのGPCRターゲットに対してデノボ設計を実施し、そのすべてで実験検証済みの結合分子の獲得に成功しました。
レポートで採用されたBLI(生体膜干渉法)による測定条件下では、各ターゲットの候補ヒット率は12.1%〜100%の間に収まりました。6つのターゲットすべてにおいて、最良の結合分子のアフィニティはナノモルレベルに達し、特にGPR68における最良の解離定数($K_D$)は12.1 nMを記録しました。

特筆すべき成果として、NK3Rではテストした30個の候補すべてで結合が確認され(ヒット率100%)、GPR68でもテストした11個中10個がヒットを達成しました。
さらに説得力を持つのは、「先行例がない」高難度シナリオにおける成果です。
Thera-SAbDabデータベース(PL132)において、治療用抗体の登録例が存在しない5つのGPCRターゲットに対し、テストされた89の設計のうち53個が結合に成功し、候補ヒット率は59.6%に達しました。
これこそが、デノボ設計と「先行例に基づく改変」の決定的な違いです。AIは参照テンプレートを完全に排し、標的構造と機能要件のみから答えを導き出す必要があります。59.6%という高いヒット率は、先行例のない複雑な膜タンパク質ターゲットに対しても、本プラットフォームが新たな探索経路を切り拓き、従来の創薬ハードルを突破できることを証明しています。
マルチラウンド最適化とマルチモダリティ展開に対応
製薬企業がテクノロジープラットフォームと長期的な提携を結ぶ際、核心となるのはその技術の「再利用性(再現性)」です。初期設計の完了後に継続的な最適化ができるか? 他の分子モダリティへ移行しても安定して機能するか?
今回のレポートは、それに対する明確な答えを示しています。MMDesignは、以前に結合分子を取得していた6つの標的について第2ラウンドの設計を実施し、そのうち5つでヒット率、最良アフィニティ、または総合指標のさらなる向上を達成しました。
例えばPDGFRターゲットでは、候補分子のヒット率が4.0%から21.1%へと向上し、最良の$K_D$値は150 nMから37 nMへと最適化され、アフィニティが4倍に向上しました。これにより、本プラットフォームが同一の研究課題に対して、より優れた分子を継続的に創出できる最適化能力を備えていることが実証されました。

同時に、プラットフォームの適用範囲は異なる分子モダリティへと拡大しています。環状ペプチドの設計実験では、MDM2プロジェクトにおいて21個の候補中16個がヒット(ヒット率76.2%、最良$K_D$は13.7 μM)、PD-L1プロジェクトでは28個中11個が結合に成功(最良$K_D$は40.2 μM)しました。
ナノボディと比較して、環状ペプチドは環状骨格による制約を受けるため、コンフォメーションや設計ロジックが大きく異なりますが、このワークフローは問題なく機能しました。
複数ラウンドにわたる設計最適化と、モダリティを横断したプロセスの再利用性は、体系的検証の成熟度を物語っています。本プラットフォームの技術力は、「単発の成功」から「体系的なソリューション提供」へと急速に進化しています。
△検証結果のまとめ
「結合する」は足がかりに過ぎない:創薬可能性と新規性の両立
創薬の現場において、「高い親和性で結合すること」はスタートラインに立ったに過ぎません。実際の臨床応用の可能性を持つリード分子となるには、安定して発現するか、凝集しやすくないか、オフターゲット効果や非特異的結合がないかなど、多くの開発可能性(Developability)のハードルを越える必要があります。
レポートによると、MMDesignはこれらの指標を計算評価の段階に包括的に前倒しして組み込んでいます。10 mL培養スケールのCHO細胞発現実験では、一部のVHH-Fc候補分子が良好な発現レベルを示しました。また、精製された複数の候補分子は非凝集性のメインピーク成分が中心であり、凝集傾向が極めて低いことが確認されました。さらに、テストされた候補サブセットにおけるインスリンおよび二重鎖DNAという2つの代替抗原に対する非特異的結合は、いずれも低い水準に抑えられていました。
これは、本プラットフォームが結合活性を追求すると同時に、分子が下流の開発フェーズに進むために不可欠な物理化学的特性をトータルで最適化していることを意味します。
また、配列の新規性も「テンプレートに依存しない設計」能力を証明する重要な指標です。
MMDesignの生成メカニズムは、既知分子を改変の起点として抗体配列データベースから検索する必要がありません。PDB、OAS、SAbDabなどの主要データベースと照合した結果、多くのターゲットで設計された分子は、抗原認識部位において既知の抗体と顕著な差異を示し、一部の分子では結合の鍵となるCDR3ループ領域がまったく新しいコンフォメーションを形成していました。
機能要件に基づいて新たな配列を生成するこの特性は、従来の開発手法ではアプローチが難しかったターゲット空間を攻略するだけでなく、既存の特許網を回避し、独自の知的財産権を持つパイプラインを構築する上でも強固な基盤となります。
AlphaFold 3の2倍の精度:構造基盤が駆動する「AIバイオインフラ」
デノボ設計において下流の「的確な選定」を実現するための前提条件は、上流で微小な構造を「正確に把握できていること」です。
分子之心が独自開発した全原子構造予測モデル「MMFold」こそが、MMDesignを支える中核的な構造基盤です。
国際的な抗体-抗原複合体構造予測ベンチマーク「FoldBench」において、全172個の複合界面を対象とした評価で、MMFoldのTop-1高品質予測成功率は39.0%に達し、対照群となったAlphaFold 3(19.8%)の約2倍を記録しました。Top-1全体の成功率は70.9%、Top-5全体の成功率は76.7%に達し、そのうちTop-5高品質予測成功率は44.2%を記録しています。
△FoldBenchの全172抗体-抗原界面における構造予測結果
OpenDDEおよびProtenix-v2の公開評価に対応する160の共通界面サブセットにおいて、MMFoldのTop-1高品質成功率は39.4%に達し、OpenDDEが報告した33.0%やProtenix-v2が報告した28.2%を上回りました。Top-5高品質成功率は45.0%まで向上し、全体予測成功率は78.8%に達しています。
△FoldBenchの160共通界面サブセットにおける構造予測結果
高精度な構造予測の価値は、ベンチマークの順位にとどまらず、候補分子のバーチャルスクリーニングや優先順位付けに対して高精度で信頼性の高い物理的根拠を提供する点にあります。複合体構造を「正確に捉える」ことができて初めて、アルゴリズムは広大な探索空間の中から最も見込みのある実験分子を的確に絞り込むことができます。
MMDesignの背後には、分子之心が高精度なタンパク質生成、構造予測、分子設計、ダイナミクスシミュレーションを網羅して構築したAI技術インフラのマトリクスが存在します。
マルチモーダル・タンパク質基底モデル「NewOrigin(ダーウィン)」が基盤となる表現能力を提供し、MMDesignがデノボ生成と候補分子の選定を担い、MMFoldが高精度な構造予測を担当します。さらにQuantaMindが動的シミュレーション解析を行い、AIネイティブの研究開発オペレーティングシステム「MoleculeOS」がアルゴリズムモデルと創薬パイプラインを密接に統合することで、「生成・計算・実験・イテレーション」の完全なクローズドループエコシステムを構築しています。
「単発のヒット」から「安定した再現性」へ、実用フェーズへ突入したAI分子設計
分子之心の創業者である許錦波(Jinbo Xu)氏は、次のように述べています。
「今回の大規模な評価の重要な意義は、一度きりの設計の成功を、再現可能で拡張性のある研究開発能力へと着実に転換した点にあります。AIバイオ医薬品開発の長期的な価値は、単一モデルの性能向上だけでなく、独自開発の基盤モデルと生成、評価、実験検証の連携を通じて、精密な分子設計を多様な開発課題を継続的に解決できる技術インフラへと昇華させることにあります」
単一ヒットからターゲット・モダリティを横断した体系的検証へ、コアアルゴリズムの突破から高度に工業化された創薬ワークフローへ——MMDesignの最新レポートは、業界の重要命題を「AIは分子を設計できるか」から、**「AIは安定的かつ高品質に、再現性を持ってリード分子を供給できるか」**へと前進させました。
少数の候補分子と高いヒット率を両立する設計効率、高い親和性と創薬可能性を兼ね備えた分子品質、そして既存テンプレートへの依存から脱却し複雑なターゲットを攻略するイノベーション力。これら3つの要素が有機的に連携することで、同プラットフォームのエンジニアリング基盤が確立され、AI分子設計が複雑な創薬需要に応える実用的な生産性ツールとなる道を力強く後押ししています。
- 分子之心 MMDesign 技術レポートリンク:https://zenodo.org/records/23321531