JUN 11, 2026
GenerativeGlide ：実世界の創薬に向けたAIを活用した超大規模バーチャルスクリーニング
低分子創薬において、超大規模な仮想ライブラリへのアクセスはもはや最大の障壁ではなく、そこから有意義で実用可能なヒット化合物を抽出することが最大の課題となっています。膨大な計算リソースの制約、複雑なITインフラの要件、そして従来のドッキング手法の効果が頭打ちになっている状況の中で、数十億もの化合物を総当たり法でスクリーニングすることは、ほとんどのチームにとって現実的ではありません。
GenerativeGlide は、生成AIを活用し、目標指向型のヒット化合物探索を通じてこれらの課題を克服します。このモデルは、すべての分子を網羅的にドッキングさせるのではなく、超大規模な化合物空間 をインテリジェントに探索し、お客様のプロジェクトの具体的な基準を満たす、多様性に富んだ市販化合物を生成します。このターゲットを絞ったアプローチにより、異なるケモタイプにわたって高品質なヒット化合物を確実に特定し、プロジェクトに多様な出発点を提供します。
重要なのは、この効率性により、大規模なコンピューティング・クラスターが不要になるという点です。今では、最新のワークステーション1台だけで、目標を定めた本格的なキャンペーンをわずか2日間で実行できるようになりました。
スライドだけの説明にとどまらず、ワークフローのデモを実施し、GenerativeGlide がセットアップから結果の算出に至るまで、実際にどのように機能するかを紹介します。その違いや付加価値、そして実際の調査現場においてどのような場面で活用できるか（あるいはできないか）をご確認いただけます。
主なポイント
- GenerativeGlide の概要：当社の科学者が、Generativeを活用して、最大500億種類の化合物を含む超大規模ライブラリを2日以内にスクリーニングする方法について解説します。Glide
- 比較結果：ベンチマークデータを用いて、GenerativeGlide がAL-と比較して、トップヒットの品質向上とポーズの多様性の拡大をどのように実現しているかを示します。Glide
- 実際の動作をご覧ください：ジェネレーティブGlide のデモ ― セットアップから結果の分析まで
参加対象者
- 計算化学者および分子モデリング研究者
- 低分子化合物のヒット化合物発見やリード化合物の最適化に携わる科学者
- 超大規模なバーチャルスクリーニング戦略を模索する研究開発チーム
- スケーラブルで効率的なスクリーニングソリューションを求める創薬分野のリーダーたち
登壇者
ナンシー・グアン
ライフサイエンス・ソフトウェア部門 上級研究員 II、Schrödinger
Xingyi（ナンシー）・グアン博士は、カリフォルニア大学バークレー校にてテレサ・ヘッド＝ゴードン教授の指導の下、化学の博士号を取得しました。同大学では理論化学を専門とし、等変メッセージパッシングネットワークや機械学習を用いた反応力場に関する研究に貢献しました。 その後、Schrödinger のヒット発見部門（グループ ）にシニアサイエンティストとして参画し、生成AIワークフロー「GenerativeGlide 」の開発を主導している。このワークフローは、超大規模な化合物ライブラリ（化合物空間 ）を探索し、膨大な計算インフラを必要とせずに多様で高品質なヒット化合物を発見するものである。同職において、彼女は生成される化合物の品質と多様性を向上させる手法を研究するとともに、製品を合理化して、潜在的な創薬候補を特定する際のユーザー体験を向上させる取り組みを行っている。
スティーブン・ジェローム
低分子創薬のグローバル・ポートフォリオ・リード、Schrödinger
スティーブン・ジェローム博士は、Schrödinger のヒットディスカバリー担当エグゼクティブ・ディレクター兼EU+アプリケーションサイエンス部門長を務めています。現在、低分子創薬のグローバル・ポートフォリオ・リードも兼任しており、FEP+ やGlide といった先進的な製品を含む、最先端の計算ツールの広範な商用ポートフォリオを統括しています。スティーブン博士は当初、Schrödinger に科学開発者として入社し、Glide チームで勤務した後、プロダクトマネジメント部門へ異動しました。 コロンビア大学でリチャード・フライズナー（Richard Friesner）の指導の下、化学の博士号を取得し、在学中には分子ドッキングやタンパク質構造 の精製のためのツールを開発しました。