2026年11月3日 · 科学
Zoi Tsangalidou、Ruijie (Kelly) Zhang、Sukhdeep Singh、Michael V. LeVine
Google Antigravity で科学ワークフローを探索する
新薬の創出には、図表、画像、文献などから複雑なデータを整理し、予測モデルを学習させ、合成すべき候補分子を提案するというプロセスが必要であり、1サイクルの反復だけでも通常数日を要します。
本記事では、新たにケモインフォマティクススキル(Cheminformatics Skills)を備えた Google Antigravity が、いかにして創薬ワークフローを加速させるかをご紹介します。実際の肺がん治療アプローチを例にとり、エージェント(agent)が数千種類もの化合物を検索し、マッチドモレキュラーペア解析(matched molecular pair analysis)を実施して、合成ルートを伴う剛直化された新規大環状化合物(rigidified macrocycles)をわずか1時間で提案する様子をご覧ください。
化学は、科学界において最も豊富な公開記録を持つ領域の一つであり、学術論文や試薬カタログには数百万もの構造が収載されています。また、物理学や数学を生命科学・環境科学と強固に結びつける共通の表現体系を提供しています。分子とその変換はあらゆる場所に存在し、私たちが日々の生活を送る世界を形作っています。
ケモインフォマティクスが数十年にわたり発展してきた現在でも、化学者は依然としてデータの整理に膨大な時間を費やしています。このプロセスが複雑な理由は、テキストによる記述から画像、データ構造に至るまで、分子の表現方法が極めて多岐にわたるためです。同一の分子であっても、論文中では IUPAC 名で表記され、特許では マーカッシュ構造(Markush structure) として現れ、カタログ内では構造データファイル(SDF)として格納されることがあります。高度なケモインフォマティクスシステムには、これらの情報源を統合し、混入しうる多様なエラーに対処する能力が求められます。この作業には一切のミスが許されません。原子や結合が一つ変わるだけで全く異なる化合物になってしまい、有望とされていた阻害剤や触媒が完全に機能しなくなる可能性があるからです。
科学者がデータ整理に追われることなく、科学的な仮説の立案に集中できるようにするため、私たちは Google Antigravity 向けに**ケモインフォマティクススキル(Cheminformatics Skills)**を構築しました。これにより、プラットフォームが協調型のサイエンスワークベンチへと進化し、計算化学者も実験化学者もネイティブツールを自在に活用できるようになります。
これらのスキルは、明確な役割分担も実現しています。基盤となる言語モデルがワークフローのオーケストレーション、データベースの探索、科学的推論を担い、確定的な化学ツール群が分子計算の実行を受け持ちます。このスキルは、世界中のコントリビューターコミュニティが20年以上にわたって開発を続けてきたオープンソースの基盤的ケモインフォマティクスツールキットである RDKit をベースとし、ChEMBL や PubChem などの信頼できるキュレーションリソースへのコネクタを組み合わせることで、ドメインのベストプラクティスをエージェントのワークフローへ直接組み込んでいます。
柔軟な分子の剛直化
今回のテクニカルデモでは、薬効(potency)を高めるための古典的な創薬化学手法である「剛直化(rigidification)」に焦点を当てます。
医薬品分子は非常に複雑になる場合があり、多くは複数の部分構造が回転可能結合によって連結されています。これらの結合によって分子は多様な3次元配座(conformations)へとねじれることができ、溶液中で「柔軟(floppy)」な状態をとります。しかし、柔軟な分子が標的に結合するためには、単一の活性配座に固定されなければなりません。この運動の自由度を失うことがエントロピーペナルティ(entropic penalty)となり、結合親和性を弱め、薬効を低下させる要因となります。
この課題を解決するため、創薬化学者は新たな化学結合を導入して分子を剛直化させる手法をよく用います。単一の回転可能結合で繋がれた2つの部分構造は多様な配座へねじれることができますが、それらを連結する2つ目の結合を追加することで、3次元空間における動きが大きく制限されます。この結合を適切な位置に配置することで、標的への結合に必要な正確な配座へと分子を固定できます。これは一般に「エントロピーコストの前払い」と呼ばれる戦略であり、薬効を大幅に向上させることが可能です。
ここでは、剛直化に成功した代表例を取り上げます。クリゾチニブ(crizotinib)は、特定の非小細胞肺がんの治療に用いられる第1世代の低分子チロシンキナーゼ阻害薬(TKI)です。クリゾチニブには5つの主要な回転可能結合が存在します。一方、第3世代の低分子 TKI であるロルラチニブ(lorlatinib)は、クリゾチニブに類似した構造を持ちながらも末端が環化されており、実質的な回転可能結合の数をゼロに削減しています。これにより、優れた薬効をはじめとする様々なメリットがもたらされています。


協調型インテリジェンス
エージェントを用いて、文献からこれらの医薬品およびそのアナログを検索させます。Antigravity のケモインフォマティクススキルを活用することで、エージェントはドキュメントから分子構造を抽出し、報告されたデータと紐づけ、後続の解析に向けて化合物を準備することができます。
数分もしないうちに、エージェントは数千もの化合物を検索し、緩衝液や溶媒などの無関係な分子を除外したうえで、レポート内にそれらの情報源を記録しました。このレポートでは、さらに詳細な