血管新生関連病態を標的としたVEGFR2向けソラフェニブ誘導体のAI断片ベース最適化：構造に基づくインシリコ研究

がん薬を作り変えることが多くの病気に重要な理由

新しい血管は臓器を生かす一方で、その成長が制御を失うと腫瘍を養い、目を損ない、妊娠中の胎盤機能を乱すことがあります。本研究は、人工知能と高度な計算シミュレーションを用いて既存のがん薬ソラフェニブを再設計し、血管新生の主要スイッチであるVEGFR2をより正確に制御することを目指すもので、血管新生関連疾患に対するより安全な治療法につながる長期的な期待を示しています。

新しい血管の信号機

血管新生は、血管内皮細胞表面にあるタンパク質VEGFR2に大きく依存します。パートナー分子であるVEGFが結合すると、VEGFR2は細胞に分裂、移動、新しい血管の形成を指示します。これは創傷治癒や発生には有益ですが、腫瘍の血流供給や特定の眼疾患、慢性炎症、胎盤の異常変化を促す場合は有害です。この中心的役割のため、VEGFR2は主要な薬剤標的となり、既にいくつかの薬がこれを阻害しています。しかし、多くのこれらの薬、ソラフェニブを含め、は関連する複数のタンパク質にも作用し、副作用を引き起こすことがあります。

ソラフェニブをより良い道具に変える

ソラフェニブは強力だが粗雑な道具です。VEGFR2や関連酵素の内部“エンジン”領域に結合して血管新生を促すシグナルを遮断します。残念ながら、その広範な活性は高血圧、心臓負担、皮膚反応、肝障害のリスクなどの問題を伴います。ゼロから始めるのではなく、著者らはソラフェニブの基本的な化学骨格を出発点とし、AIを用いてこの分子を穏やかに形作り、VEGFR2により強く結合し、体内での挙動が改善され毒性が低くなるようにできないか—という問いを立てました。

AIに安全な化学空間を探索させる

研究チームはソラフェニブの構造を、化学的に現実的な小さな変更（フラグメントの追加や置換）を行うAI駆動システムに入力しました。これらの変更は医薬化学者が実験室で再現可能な方法で行われます。その結果、ソラフェニブの核となる特徴を保持しつつ、側鎖や全体形状が異なる20の新規候補分子が生成されました。研究者らはこれらの候補を完全に計算機的手法で評価しました：高解像度のVEGFR2三次元モデルへの仮想ドッキング、原子が水性で体内に近い条件下で揺れ動く様子を模倣する長時間の分子動力学シミュレーション、各分子がどれだけ強く結合するかを推定するエネルギー計算です。

シミュレーションで際立った候補

AI断片化誘導体7（Grow）と名付けられた一つの設計が一貫して上位に入りました。ドッキング研究は、これがソラフェニブよりVEGFR2の主な活性溝によりぴったり収まり、実世界の阻害剤で重要とされる鍵となるアミノ酸との接触が密になっていることを示唆しました。50万分の1秒（0.5マイクロ秒）に及ぶ分子動力学シミュレーションでは、複合体が時間を通じて非常に安定していることが示されました：タンパク質は緻密な構造を保ち、結合ポケットは崩壊や歪みを起こさず、新たな分子はほとんど漂移せずに複数の水素結合や疎水性接触を維持しました。高度な量子レベルの計算は、誘導体7の電子配置がVEGFR2との電荷相互作用を有利にすることを示し、強い結合を支持しています。

体内での挙動が改善される兆候

単に結合するだけでなく、薬は体内を安全に移動する必要があります。著者らはウェブベースの予測ツールを用いて、各候補がどのように溶解し、吸収され、肝酵素によって分解され、潜在的に有害となるかを推定しました。誘導体7はソラフェニブより若干水溶性が良く、脂溶性と極性領域のバランスが改善されていると予測され、これは投与と製剤化をしやすくする性質です。重要なのは、機械学習ベースの毒性モデルがソラフェニブを薬剤性肝損傷を引き起こす可能性が高いと指摘する一方、誘導体7はこのリスクに関してより安全側に位置付けられたことです。一方で、代謝プロファイルは大まかに似ており、分解経路は予測しやすい可能性があります。

計算上の期待から現実の証明へ

実務的に言えば、本研究はAIと物理ベースのシミュレーションが既存薬を“削り磨く”ことで、同じ分子スイッチを標的にしつつより鋭く安全なバージョンを作り得ることを示しています。再設計されたソラフェニブ誘導体は計算上ではVEGFR2をよりしっかり把握し、肝障害に関する懸念が少ない一方で、ソラフェニブを有効にしている基本的特徴は保持しています。しかし、これらはすべて予測にすぎず、新規分子はまだ合成も細胞・動物・患者での試験も行われていません。本研究の実際の貢献は、根拠に富んだデータを持つ候補分子と、血管新生を制御する次世代薬剤の開発に使える再利用可能なデジタルパイプラインを提供した点にあります。

引用: Inan, D., Karageçili, S. & Ali, N. AI fragmentation-based optimization of Sorafenib derivatives targeting VEGFR2 for angiogenesis-related pathologies: a structure-based in-silico study. Sci Rep 16, 11848 (2026). https://doi.org/10.1038/s41598-026-41232-9

キーワード: 血管新生, VEGFR2阻害剤, ソラフェニブ誘導体, AI薬物設計, 分子ドッキング