計算・AI創薬 Journal of Chemical Information and Modeling

溶媒を考慮したニューラルネットワークポテンシャルにより、気相基準では誤りやすい帯電リガンドを中心にリガンドひずみの推定が改善される

  • 暗黙溶媒モデルを含む量子化学データで学習したニューラルポテンシャルは、中性分子と荷電分子を同じ枠組みで扱い、GPUバッチ処理により溶媒中の大域的最安定構造探索をライブラリ全体で実行可能にする。
  • 結晶構造由来の多数のリガンドに後ろ向きに適用すると、ひずみは電荷とともに増大し、最も強く帯電したアニオンは信頼性が低いため上限値として扱われる。
  • 気相の力場は中性分子では妥当だが、非結合状態の基準を潰してしまい荷電リガンドのひずみを過大評価する。暗黙溶媒を加えるとほぼ解消され、ひずみは分子固有ではなくポーズ依存であることも示された。
ポイント アブストラクトに基づく見解

結晶リガンドの後ろ向きひずみ解析には実験的な正解がなく、手法間の一致は整合性を示すだけで正しさの証明にはならない。使う前に、自社のケモタイプで同じ暗黙溶媒を使ったDFTと突き合わせたい。荷電した特殊な官能基が学習データでカバーされているかが、この種のポテンシャルで典型的な弱点だからだ。その上で同族列をひずみで順位付けし、大きな値が出たらリガンドを疑う前にポーズやプロトン化状態を点検する。