ペプチド抗生物質最適化のための生成型人工知能アプローチ

なぜ新しい抗生物質アプローチが重要か

薬剤耐性感染症は治療能力を上回る速さで広がっており、最後の切り札となる抗生物質の一部も効かなくなりつつあります。本研究は、新たな形式の人工知能が、ペプチドと呼ばれる天然のタンパク断片をコンピュータモデルと動物実験の双方の指針のもとで、より強力な抗生物質へと再設計する手助けができるかを探ります。

古代分子を現代の薬へ変える

この研究は興味深い発想に基づいています。絶滅動物のゲノムを探索して隠れた抗菌ペプチドを見つけるというものです。これまでの研究では、マンモスや巨大ナマケモノなどのDNAにそうした分子が見つかってきましたが、多くの天然ペプチドは細菌に対する活性が控えめでした。本研究の問いは、AIシステムがこれらの粗い出発点から出発して、実験室での遅い試行錯誤を経ずに、少しの配列変更でより強力かつ安全な抗生物質へと短時間で改良できるかどうかです。

AI設計ループの仕組み

著者らはApexGOという設計フレームワークを作りました。これはディープラーニングモデルと探索戦略を組み合わせたものです。トランスフォーマーベースの「翻訳器」がまず各ペプチド配列を、類似配列が近くに位置する滑らかな数学的空間の位置へ変換します。第二のモデルであるAPEXは、各ペプチドがいくつの濃度でいくつかの問題菌の増殖を抑えるかを予測します。ベイズ探索アルゴリズムがその滑らかな空間を探索し、元のテンプレートに対して少なくとも75％の類似性を保ちつつ、製造可能であり得る範囲でより効力が高いと見込まれる新しいペプチド変異体を提案します。

計算提案から実際の分子へ

絶滅種由来の10種類のペプチドをテンプレートとして、ApexGOは多くの候補配列を生成し、そのうち100を化学合成のために選択しました。これらは11種の臨床的に重要な細菌に対して実験室で試験され、標準治療薬に抵抗する菌種も含まれていました。設計された100ペプチドのうち86は測定可能な活性を示し、およそ3分の2が出発テンプレートより明らかに改善していました。特に治療が難しいことが多いグラム陰性菌に対して高い成功率が見られました。チームはApexGOを他のAI生成器とも比較し、既存のシステムは特定のテンプレートに近く留まるよう制約をかけられると性能が低下する一方で、ApexGOはそのような制約下でも一貫して改良された変異体を生み出すことを示しました。

実験室および動物試験の所見

研究者らは最適化されたペプチドの挙動をさらに詳しく調べました。分子の折り畳み具合、細菌膜への影響、培養されたヒト腎臓細胞への有害性を測定しました。新しいペプチドは緩い鎖状からヘリックス構造まで多様な形を取り、単一の構造が強力な活性を保証するわけではなく、AIが細菌を殺すための複数の物理的経路を利用できることを示唆しました。設計ペプチドの大部分は試験された用量では毒性を示しませんでした。危険な細菌Acinetobacter baumanniiによる皮膚および深部筋肉感染のマウスモデルでは、選ばれた最適化ペプチドが細菌数を3〜4桁減少させました。場合によっては、ポリミキシンBのような最後の手段の抗生物質に匹敵あるいはそれを上回る効果を示し、動物で明らかな副作用は見られませんでした。

抗生物質の未来に対する意味

この研究は、AI導入の最適化ループが、活動が中程度の天然配列から出発しても既存のペプチド抗生物質の性能を着実に鋭くできることを示しています。可能なペプチド空間を盲目的に探るのではなく、ApexGOは各ラウンドの予測と実験から学習し、強力で比較的安全な変異体へと収束します。体内での安定性やヒトにおける投与量など、対処すべき課題はまだ多く残りますが、このアプローチは、切実に求められている新しい抗生物質をより速く、より的を絞って作る方向性を示しています。

引用: Torres, M.D.T., Zeng, Y., Wan, F. et al. A generative artificial intelligence approach for peptide antibiotic optimization. Nat Mach Intell 8, 841–856 (2026). https://doi.org/10.1038/s42256-026-01237-5

キーワード: 抗菌薬耐性, ペプチド抗生物質, 生成型AI, ベイズ最適化, 創薬