AI駆動のバーチャルスクリーニングプラットフォームが標的療法向けの新規NSUN2阻害剤候補を同定：計算薬物発見アプローチ

手強いがんを出し抜く新しい道

多くのがんが致命的になるのは、発生するだけでなく、私たちの最良の薬を回避する術を学ぶからです。本研究は、腫瘍成長の重要な助け手をシャットダウンする有望な新手法を探ります。人工知能を用いて現実の試験管で混合する前に1億点以上の候補薬をコンピュータ上でふるいにかける手法です。

がん細胞内の隠れたスイッチ

細胞内部で、NSUN2と呼ばれる酵素はRNAという、遺伝子をタンパク質に変換するのを助ける分子に対する化学的ハイライターのように働きます。RNAに小さな化学マークを付けることで、NSUN2は成長に関するメッセージをより安定で読みやすくできます。肺、胃、膵臓、乳房など多くの腫瘍はNSUN2のレベルを上げ、それにより分裂、転移、標的薬への抵抗性が高まります。それでも、その重要性にもかかわらず、NSUN2を安全に抑制できる薬剤候補は非常に少なく、特に酵素を永久に損なわない可逆的な阻害剤はほとんど存在しません。

AIに分子の海を探索させる

従来の創薬では、NSUN2に対して何百万もの分子を実験室で試すのは困難です。各実験にRNAや補助化学物質の複雑な混合が必要になるからです。そこで研究者らは、完全にデジタルなパイプラインを構築しました。出発点は、構造予測を変革したAIシステムAlphaFoldによって生成されたヒトNSUN2の予測三次元形状でした。このモデルが信頼できることを確認するために、既にX線研究で構造が知られている密接に関連した酵素と整列させました。NSUN2が天然の補助分子と結合する重要なポケットは強く保存されていることが分かり、潜在的薬剤をこの部位に仮想ドッキングすることに意味があるという確信をチームに与えました。

数億からひと握りへ

標的ポケットが確定すると、チームは購入可能な分子の大規模な公開データベースに向かいました。まずトレーニング用の化合物セットをNSUN2ポケットにドッキングし、得られたスコアを用いてどの形状が有望かを機械学習モデルに学習させました。そのモデルは約3億5千万の分子を高速にスクリーニングし、およそ1.01億点を「ヒット」として旗揚げしました。さらに絞り込むため、上位の分子群をより精緻な計算で再ドッキングし、強い結合が予測された上位1万2千のみを残しました。これらは体内での吸収、分布、代謝、耐容性を推定する一連のコンピュータベースの安全性チェックにかけられました。これらのフィルターを経て、強力で薬物らしい性質を備えた分子はわずか34に絞られました。

候補薬の動きを監視する

静止画像だけでは薬が本当に標的に留まるかを判断するには不十分です。そこで研究者らは分子動力学シミュレーションを用い、原子が時間とともにどのように動くかをモデル化して、最も有望な3候補がNSUN2と50ナノ秒（50億分の1秒）にわたってどのように相互作用するかを観察しました。データベースコードでのみ識別される2つの化合物は特に安定した複合体を形成しました：酵素構造は緊密に保たれ、主要領域はぶらつかず安定し、小分子はポケット内にぴったり収まり持続的な接触を維持しました。これらのシミュレーションは、その2化合物が実際の細胞内でNSUN2の活性を確実に阻害しうることを示唆しています。

将来の治療に向けての意義

本研究のすべての結果は計算に基づくものであり、まだ実験室で証明される必要がありますが、この研究はNSUN2を阻害する新薬の現実的な出発点の短いリストを提示します。NSUN2はがん細胞が成長や生存シグナルを安定化するのを助けるため、こうした薬剤は腫瘍を弱体化させ、特に耐性化した肺がんで既存の標的療法への感受性を回復させる可能性があります。同様に重要なのは、この研究がAIと物理ベースのモデリングを用いて広大な化学空間を素早く安価に探索する一般的なレシピを示しており、次世代の精密ながん治療への強力な近道を提供する点です。

引用: Yu, S., Peng, Q., Wei, W. et al. AI-driven virtual screening platform identifies novel NSUN2 inhibitor candidates for targeted cancer therapy: a computational drug discovery approach. npj Precis. Onc. 10, 98 (2026). https://doi.org/10.1038/s41698-026-01296-2

キーワード: NSUN2, エピトランスクリプトミクス, AIバーチャルスクリーニング, がん薬物発見, RNAメチル化