HER2陽性乳がんのための機械学習駆動型薬物再利用

難治性乳がんに対して古い薬が重要な理由

HER2陽性と呼ばれる侵攻的な乳がんを抱える多くの人にとって、現在の標的治療薬は時間とともに効果が弱まることがあり、新薬の開発は遅く高価です。本研究は、薬局の棚に既にある何千もの薬の中に、実はHER2駆動の腫瘍を阻害できるものが潜んでいる可能性があるかを、高度な計算ツールを使って隠れた抗がん作用を探索するものです。

問題をわかりやすく説明すると

HER2陽性乳がんは、がん細胞の表面にあるタンパク質が強い増殖・分裂シグナルを送り続けることで駆動されます。HER2が過剰に存在するとこれらの細胞は急速に増殖し、しばしば転移し、現行のHER2薬を回避するようになることがあります。新薬の創出には10年以上かかることもあるため、薬物再利用という考え方は魅力的です。つまり、新たにゼロから作るのではなく、すでに他の疾患で安全性が確認された既承認薬が、がん細胞のHER2をオフにできないかを調べるのです。

コンピュータが何千もの薬を探索する方法

研究者らはまず、HER2に対して試験されたほぼ1万4,000の化合物について、それぞれがタンパク質をどれだけ阻害したかを含む詳細な情報を収集しました。各分子を、その大きさ・形状・電荷などを表す数百の数値特徴に変換しました。これらのデータを用いて、分子の構造とHER2阻害能の関係を学習する複数の機械学習モデルを訓練しました。データを慎重にクレンジングし、弱いまたは冗長な特徴を削減した後、Random Forestと呼ばれるモデルが最も信頼できる予測を示し、新規分子の活性変動の約5分の4を正しく説明しました。

予測からがん標的内部へのドッキングへ

このモデルを手に、研究チームは実世界の4,099の承認薬ライブラリに目を向け、1,600超のクリーンで定義のはっきりした低分子へ絞り込みました。コンピュータモデルは各薬剤がHER2をどれほど阻害し得るかを推定し、特に有望と予測されるサブセットを強調しました。これらの上位候補は、正常なHER2タンパク質の三次元構造と、一部の耐性がんで見られる問題のある変異型の三次元構造に対して「ドッキング」されました。ドッキングシミュレーションは、仮想的な鍵と錠の試験のように働き、薬がHER2の活性ポケットにどれだけ密に嵌るか、どのような原子レベルの接触を形成するかをチェックします。

最も有望な候補を時間経過で追う

眼科や心臓の薬であるティモロールマレイン酸塩（本研究ではFDA0870と表示）が繰り返し際立ちました。機械学習スクリーニングと正常型および変異型HER2のドッキングテストの両方で上位にランクインし、タンパク質の活性を制御する重要領域と強い水素結合や疎水性接触を形成しました。この適合性がより現実的な条件下でも維持されるかを確認するため、研究者らは分子が水性の体内様環境でどのように揺れ動くかを模擬する長時間の分子動力学シミュレーションを行いました。ナノ秒からマイクロ秒のシミュレーション時間を通して、ティモロールは両方の形のHER2ポケットに安定して留まり続けました。吸収・分布・代謝・排泄・毒性に関する追加の計算検査は、その既存の薬剤としての特性、中程度の透過性、安全性が概ねさらなる検討に適していることを示唆しました。

患者にとって何を意味するか

平たく言えば、この研究は、実験室や動物実験が始まる前の段階で、既知の薬の膨大な数を賢い計算パイプラインがふるいにかけ、困難ながんに対して効果を示しそうな薬を見つけ出せることを示しています。検討された多くの承認薬の中で、ティモロールは標準型と変異型の双方のHER2を二重に阻害する再利用候補として有望でした。結果はあくまで計算上のものであり、細胞や動物での実験による確認が依然必要ですが、身近な薬に新たな役割を与えることでHER2陽性疾患に対する迅速で費用効率の高い新たな手段を追加する方向を示唆しています。

引用: Dinesh, B.G.H., Ganjipete, S., Kumar, B.S. et al. Machine learning-driven drug repurposing for HER2-positive breast cancer. Sci Rep 16, 15868 (2026). https://doi.org/10.1038/s41598-026-45361-z

キーワード: HER2陽性乳がん, 薬物再利用, 機械学習, 分子ドッキング, ティモロール