計算化学の応用

計算化学により、研究者は広範かつ多様な化合物空間 を探索することが可能になります。というのも、実験室で分子を合成・精製・特性評価するよりも、コンピュータ上で分子を描画するほうがはるかに容易だからです。

計算化学のアプリケーションを適切に活用すれば、関連する特性を正確にシミュレーション・予測することで、コンピュータ上で分子を効果的に再現することができます。例えば、低分子化合物リガンド とタンパク質ターゲット との結合親和性は、実験室でのアッセイと同等の精度で算出することが可能です。

計算化学の分野において、第一原理に基づく物理ベースの手法は、実験結果と同等の予測精度を実現でき、幅広い応用が可能ですが、他の手法に比べて計算コストが高くなる傾向があります。 一方、データセットを用いて学習を行いモデルを構築する機械学習（ML）手法も、分子設計に活用されつつある。これらのMLアプローチは、はるかに迅速に結果を導き出すことができるが、機械学習モデルが構築されたデータセットに関連する化合物空間 を探索する場合に最も効果的であるため、その適用範囲は限定される。

物理ベースの手法と機械学習（ML）の手法を組み合わせることで、両者の強みを活かして、分子設計における科学的進歩を加速させることができます。 例えば、アクティブラーニングを物理ベースの分子ドッキングに統合することで、高い性能を維持しつつ、非常に大規模な化合物ライブラリを効率的に評価することが可能になります。ドッキングアルゴリズムにアクティブラーニングを組み込むことで、1秒あたり約30,000個の化合物を評価できます。これに対し、一般的な機械学習を使用しない手法では30秒あたり約1化合物 の処理速度であるため、これは104倍の高速化に相当します。

計算化学の実用化

多くの産業において、計算化学の手法や分子モデリングが活用され、医薬品、包装材料、電池などの分野におけるイノベーションを推進しています。計算化学の応用例としては、次のようなものがあります：

• 創薬
• 医薬品化学の設計
• ケモインフォマティクス
• 消費財
• タンパク質・抗体工学
• 酵素の設計
• 有機エレクトロニクス
• 医薬品の製剤
• 触媒設計
• 高分子の設計
• 表面化学
• エネルギーの回収・貯蔵
• リードの最適化
• 医薬品ターゲット の妥当性確認
• 半導体
• ペプチド設計
• 金属、合金、およびセラミックスの設計

計算化学を活用するメリット

計算化学は、量子物理学や古典物理学に基づくさまざまな計算手法を用いて、分子の構造や性質をシミュレーションし、予測することを目的としています。また、機械学習の進歩により、計算速度が向上し、計算化学の効率化が進んでいます。

計算化学の手法は、合成、アッセイ、その他の実験作業に費やされる時間、費用、試薬資源を削減します。機械学習の応用は、複雑な計算の速度を、場合によっては数桁も向上させることで、計算化学をさらに強化することができます。機械学習と物理ベースのアルゴリズムを慎重に統合することで、デジタル化学設計は実験室での設計を容易に凌駕することができます。この時間の節約は、直接的なコスト削減につながります。 さらに、これらの手法により、探索可能な化合物空間 の範囲が拡大し、予期せぬ新規分子を発見できる可能性が高まります。特許取得の先着順が研究プログラムの成否を分けることもある、変化の激しい分子設計の世界において、デジタルケミストリーがもたらす速度と範囲の拡大は、知的財産権を取得できる可能性を高めます。

実社会における計算化学の応用

計算化学が創薬のスピードを加速させる

創薬プログラムにおいて、計算ツールを活用することで、実験室での実験では実現不可能な時間とコストで、化合物空間 の探索が可能になります。

例えば、d-アミノ酸オキシダーゼ（DAO）の新規阻害剤を設計するという目標に向け、広範な探索アルゴリズムとクラウドコンピューティングを活用して、化合物空間（10億分子以上が計算機的に特性評価された膨大な分子ライブラリ）を探索した結果、リード化合物の最適化プロセスが最近加速されました。 DAOは、統合失調症の治療薬としてターゲット されている。本研究は、化学的列挙、物性フィルタリング、機械学習、および厳密な自由エネルギー摂動計算を応用し、新規低分子医薬品を設計するとともに、多パラメータ最適化問題に取り組んだことを示している。

消費財における製品開発のための研究開発

消費財（CPG）業界において、メーカーは新製品を開発する際、コスト、性能、そして持続可能性を考慮する必要があります。

計算化学のモデルやシミュレーションを活用することで、新素材の迅速なスクリーニング、設計、試験が可能となり、開発期間とコストを削減できます。健康・衛生・栄養関連の消費財を製造するレキット社は、研究開発プロセスにおいて量子力学や分子動力学の計算ツールを活用し、イノベーションを加速させています。同社は、より持続可能な素材を設計する取り組みにおいてデジタルケミストリーをどのように活用したか、またこのアプローチによって、実験のみに頼る手法と比較して開発期間を平均で10倍短縮できたことを説明しています。

新エネルギーソリューションの開発に向けた物理ベースのシミュレーション

計算化学の手法によるもう一つの興味深い応用例として、新しい電池やエネルギー貯蔵ソリューションの設計における原子レベルの材料モデリングの活用が挙げられます。

これまで研究されてきた材料の挙動には、イオン拡散、電極や電解質における電気化学的応答、誘電特性、機械的応答などが挙げられる。この計算手法は、安定した固体電解質界面を形成するリチウムイオン電池用添加剤のスクリーニングに活用されてきた。

Schrödingerの先駆的な計算プラットフォームによる研究開発の推進

Schrödinger では、当社の物理ベースの計算プラットフォームにより、世界中の企業が計算化学手法の能力を活用し、自社の研究開発プログラムに迅速かつ容易に適用できるよう支援しています。過去30年にわたり、Schrödingerのモデリングソフトウェアとサービスは、前述の事例が示すように、さまざまな業界において高品質で新規な分子や材料の発見を可能にしてきました。

分子が命を吹き込まれるのは Maestro——構造可視化や、最先端の予測計算モデリングおよび機械学習ワークフローへのアクセスを可能にする、洗練されたポータルサイト——において、分子が命を吹き込まれます。また、研究者は LiveDesign、Schrödingerが提供する共同分析、分子設計、プログラム管理のためのエンタープライズ・インフォマティクス・プラットフォーム内で、デジタルデータと実験データを並べて表示することができます。

物理ベースのモデリングの予測・分析能力が進化し続け、新たな機械学習モデルの導入によってさらに強化されるにつれ、計算化学の影響を受ける多様な応用分野は今後も拡大し続けるでしょう。