標的に応じた計画立案と分子生成を分離するエージェント型構造ベース創薬フレームワーク
- CadreAIは de novo 設計を、標的を考慮した計画立案と、その計画に条件づけた分子生成に分離し、ドッキングのフィードバックを再利用可能なテキスト型ヒューリスティクスに変換する記憶機構を備える。
- 評価はCrossDocked2020とDrugGenベンチマークおよびBoltz-2による構造予測での確認という後ろ向きの計算機評価で、実験的検証は確認できなかった。
- 生成分子は比較手法よりドッキング性能が高く、薬物らしさと合成容易性も妥当な水準を保った。
💡 ポイント アブストラクトに基づく見解
CrossDocked2020でドッキングスコアが改善したというのは、最も弱い種類の成果だ。記憶機構が学習する信号そのものがドッキングなので、ループが単にスコア関数に過適合している可能性があり、ベンチマークと訓練データのポケット重複も汎化の評価を曖昧にする。同じ計算量でのポケット条件付き拡散モデルとの比較と、数標的でのMM-GBSAやFEPによる再評価を求めたい。それがなければ、LLMで包んだドッキング最適化器にすぎない。
📄 原論文 · Journal of Chemical Information and Modeling (ACS) ↗ CadreAI: Agentic AI for Semantically Decoupled Protein–Drug Design and Optimization