事前学習とファインチューニングを組み合わせた少ショット学習ベースのパイプラインによるAcinetobacter baumanniiを標的とする抗菌ペプチドの発見

日常の健康にとっての重要性

薬剤耐性感染症は急速に増加しており、今世紀半ばまでに年間の死亡者数ががんを上回る可能性があります。最も懸念される原因菌の一つがAcinetobacter baumanniiで、入院環境で特に問題となる頑強な病原菌です。多くの抗生物質に耐性を示し、人工呼吸器を使用する患者でしばしば感染を引き起こします。本研究は、人工知能と実験室での検証を組み合わせることで、この細菌を殺す新しい小さな薬剤候補を迅速に発見し、現在の最後の手段である薬剤よりも体へのダメージを大幅に減らせる可能性を示しています。

殺しにくい院内のスーパー菌

Acinetobacter baumanniiはグラム陰性菌で、特に集中治療室で人工呼吸器を使用する患者の間で繁殖します。その頑丈な外膜と急速に変異するゲノムにより、多くの標準的な抗生物質が効きにくくなっています。現在利用可能な数少ない選択肢の一つがポリミキシンBですが、これは腎障害を引き起こすことがあり、細菌側も耐性を獲得し得ます。同時に、抗菌ペプチドと呼ばれる有望な小さなタンパク断片群が他の微生物に対して検討されてきましたが、A. baumanniiに特異的かつ有効なものは非常に少数にとどまっています。従来の試行錯誤によるスクリーニングでは、短いペプチド配列の天文学的に多い候補をふるいにかけるにはあまりにも遅く、高コストです。

巨大な探索空間を賢く検索する

研究者らはFSLSMEPと名付けた多段階の人工知能パイプラインを構築し、6、7、8残基の短いペプチドのライブラリ全体――数百億に達する候補――を走査しました。課題は、A. baumanniiに有効と知られるペプチドがわずか148個しかなく、標準的な機械学習手法には不足だったことです。これを克服するため、まず数億件の天然タンパク質配列を“読んで”分子の一般的な振る舞いを学習した強力な事前学習モデルを用いました。続いて二段階でファインチューニングを行いました。まず関連する細菌であるPseudomonas aeruginosaに対して活性を示すより大きなペプチド集合で調整し、最後に希少なA. baumanniiデータで微調整しました。その過程で、可能性の高いものを選別するモジュール、ランク付けするモジュール、各ペプチドの強さを推定するモジュールという三つの連結したモジュールが、漏斗のように段階的なフィルターとして機能しました。

コンピュータ予測から試験管での成功へ

まずは単純な化学ルールで有望性の低いペプチドを除外した後、研究チームはほぼ400万件の候補をパイプラインに入力しました。分類器は抗菌性に見えない配列の大半を取り除き、ランク付けモデルは活性が強そうな特徴を示すものを上位に挙げ、回帰モデルは細菌増殖を止めるのに必要な最低薬物濃度を予測しました。6400万件の6残基ペプチドからシステムはわずか10件のトップ候補を提案しました。合成して実験したところ、これらのうち9件が実際に抗菌活性を示し、創薬においては非常に高いヒット率でした。同じ訓練済みモデルを再訓練せずにさらに大規模な7残基および8残基の空間に適用し、研究者は追加の上位選択配列を実験用に選びました。これらも再び大部分が活性を示し、7残基ペプチドの中には一部の株に対してポリミキシンBと同等の強力さを示すものもありました。

強力だがより穏やかな効果

研究チームは、6残基、7残基、8残基ライブラリから各1つずつの主要ペプチドを詳しく調べました。これらは数分から数時間でA. baumannii集団を急速に消失させ、電子顕微鏡で観察すると細菌膜に損傷を与え、いくつかの他の危険な微生物にも有効でした。同時に、培養した哺乳類細胞や赤血球にはほとんど有害な影響を及ぼさず、既存の一部の抗菌ペプチドとは対照的でした。長期曝露試験では、細菌はこれらの新規分子に対して容易には耐性を獲得せず、一方でポリミキシンBに対する耐性は急速に上昇しました。最も注目すべきは、肺炎のマウスモデルにおいて、吸入投与した7残基ペプチドEME7(7)は肺感染をポリミキシンBと同等に除去したが腎障害を引き起こさず、対照的にポリミキシンBは明らかな腎障害と腎ストレスの血中マーカー上昇を招いたことです。

将来の医薬品にとっての意味

本研究は、慎重に設計されたAIパイプラインがごく小さく不完全なデータセットを強力な新規抗菌ペプチド発見の原動力に変え得ることを示しています。広範な事前学習、段階的なファインチューニング、複数層のフィルタリングを組み合わせることで、研究者らは短いペプチドのライブラリ全体を効率的に探索し、危険な院内スーパー菌と戦いながら重要な臓器に対してより安全と思われる候補を見つけました。同じ戦略は真菌病原体Candida albicansに有効なペプチドの発見にも成功しており、他の多くの治療用ペプチド探索にも再利用できる可能性を示唆しています。患者にとって、このアプローチは頑固な感染症を現在の最後の手段抗生物質に伴う重い副作用や急速な耐性化なしに治療する新薬へとつながる可能性があります。

引用: Huang, J., Zhang, W., Wang, A. et al. Discovery of antimicrobial peptides targeting Acinetobacter baumannii via a pre-trained and fine-tuned few-shot learning-based pipeline. Nat Commun 17, 2475 (2026). https://doi.org/10.1038/s41467-026-69306-2

キーワード: 抗菌ペプチド, 抗生物質耐性, Acinetobacter baumannii, 機械学習による創薬, 少ショット学習