CycloPepper：治療用環状ペプチドの合成最適化と環化結果を予測する機械学習プラットフォーム

柔らかい鎖を強力なリングへ変える

がん治療薬、抗生物質、その他の現代医薬は、ペプチドと呼ばれる短いアミノ酸鎖を基盤にすることが増えています。これらの鎖を閉じたリング、すなわち環状ペプチドにすると、しばしば頑丈になり持続性が高まり、細胞内へ入りやすくなります。しかし、実験室でこれらの小さなリングを作るのは意外に繊細で、化学者はどのように鎖を閉じるかを推測して何週間も浪費することがあります。本研究はCycloPepperという機械学習駆動のプラットフォームを紹介し、研究者がどのペプチド鎖が安定したリングを形成しやすいか、どれが失敗しやすいかを秒単位で予測できるようにして、新しいペプチド医薬の探索を加速する可能性を示します。

なぜ環状ペプチドが重要か

ペプチドはアミノ酸が連なった鎖で、タンパク質を構成する同じ基本単位です。開いた鎖のままだと柔らかく、体内の酵素に分解されやすいことがあります。鎖の両端をつなぎ合わせて頭尾環状にすると、分子はよりコンパクトで剛直になりがちです。これにより標的への結合力、消化酵素に対する耐性、細胞膜通過性が向上することが多く、強力な抗生物質など重要な薬の多くはこうした環状構造に基づいています。薬剤設計者にとって、線状ペプチドをリングに変えることは、弱く壊れやすい分子を有力で耐久性のある薬に変える重要な戦略です。

リングを閉じる際の見えにくい困難

魅力的ではあるものの、環状ペプチドの合成は難しいです。リングを形成するには、柔軟な鎖がちょうど良い形に折りたたまれて両端が互いに反応し、隣の分子と反応しないようにする必要があります。特に短い鎖ではこのループ形状を取るために大きな「組織化コスト」を払う必要があり、結合部近くにかさばるアミノ酸があると物理的に反応を妨げることがあります。化学者は通常、精製を簡便にするために微小な固体ビーズ上でペプチドを合成しますが、これが鎖の折りたたみの自由さをさらに制限することもあります。その結果、環化の成功・失敗は、同じような配列でも化学者がどの位置でループを閉じるかに敏感に依存することが多く、これまでは経験と試行錯誤に大きく頼ってきました。

ロボットとアルゴリズムが学習ライブラリを構築

推測に頼る代わりにデータに基づく判断を行うために、研究者たちは自動化化学と機械学習を組み合わせました。CycloBotと呼ばれるロボット流動合成システムと、固体支持体上で直接環化を可能にする特殊なリンカーを用いて、2〜14残基の306種類のペプチド鎖を迅速に合成・評価しました。各配列について、きれいな環状生成物が検出されたか否かを記録しただけです。次に、各配列を豊富な数値記述に変換しました：含まれるアミノ酸の種類、二量体としての配列、位置ごとのコード、および実験室の経験に基づくいくつかの手作りフラグ（例えば、特定のアミノ酸が端にあると環化を助ける／妨げる傾向があるなど）。これらの414次元フィンガープリントを複数の機械学習モデルに投入したところ、サポートベクタ分類器が最良の性能を示し、交差検証テストで約84％の確度で環化の成功／失敗を予測しました。

予測を実験で検証する

チームは次に、モデルが見たことのない新しいペプチドで挑戦しました。彼らは人工的に設計した8つの配列と天然由来に着想を得た治療候補4種を作り、各配列について鎖を閉じる可能なすべての位置を試しました。合計で74件の環化実験を行い、機械学習モデルの予測はこれらのうち64件で実験結果と一致し、正確度は86％でした。重要なのは、モデルが有望な位置と不適切な位置の両方をうまく見分けられたことで、化学者が協力しない配列に時間を無駄にするのを避けるだけでなく、最も成功しそうな候補を示すのにも役立つという点です。

薬剤設計者にとって実用的なツール

自身の研究室外でも役立つように、著者らは訓練済みモデルをCycloPepperという公開プラットフォームにまとめ、ダウンロード可能なソフトウェアとウェブツールの両方で提供しました。ユーザーは単一のペプチドを入力するか複数を一括アップロードでき、数秒で頭尾環化が成功しやすい位置のマップを得られます。チームはがんや免疫疾患に関与するタンパク質を標的とした数百の潜在的環状ペプチドを設計してこのツールの有用性を示し、環化しそうにない配列の約40％を迅速に除外できることを明らかにしました。非専門家にとっての要点は、CycloPepperがスマートな事前選別アシスタントとして振る舞い、広大な設計空間を実用的な候補群へと絞り込むことです。自動化合成と予測アルゴリズムを組み合わせることで、本研究は環状ペプチド医薬のより速く合理的な発見を現実に一歩近づけます。

引用: Pan, Y., Hu, C., Li, J. et al. CycloPepper: a machine learning platform for predicting cyclization outcomes and optimizing synthesis of therapeutic cyclopeptides. Nat Commun 17, 2803 (2026). https://doi.org/10.1038/s41467-026-69441-w

キーワード: 環状ペプチド, ペプチド医薬品設計, 化学における機械学習, 自動合成, 環化予測