AI創薬を加速する新技術「DiffDock」：従来の創薬課題を克服し、拡散モデルによって分子ドッキングの精度と速度を飛躍的に向上させる革新的なアプローチ
日々の診療や研究業務、誠にお疲れ様です。昨今、医療業界では「AI（人工知能）」の活用が急速に進んでいますが、特に「創薬」の分野において、10年に一度とも言える大きなパラダイムシフトが起きています。
先生方もご存じの通り、一つの新薬が世に出るまでには、平均して約10年の歳月と1000億円単位の莫大なコストがかかります。これがいわゆる「エルームの法則（Eroom’s Law）」と呼ばれる、創薬の効率低下のジレンマです。しかし今、この壁を打ち破る技術が登場しました。それが、MIT（マサチューセッツ工科大学）の研究者たちが開発した「DiffDock（ディフドック）」です。
本記事では、この技術が従来の創薬プロセスをどのように変え、将来の医療にどのような恩恵をもたらすのか、AI創薬とドッキングシミュレーションの専門家の視点から、分かりやすく解説していきます。
まず、DiffDockの凄さを理解するために、その基礎となる「分子ドッキング」について簡単におさらいしましょう。
薬が体内で効く仕組みの多くは、薬の分子（リガンド）が、標的となるタンパク質（受容体や酵素など）の特定のポケットに結合することでスイッチを入れたり切ったりすることにあります。これをよく「鍵（薬）」と「鍵穴（タンパク質）」の関係に例えます。
分子ドッキングシミュレーションとは、コンピュータ上でこの「鍵」が「鍵穴」に、どの角度で、どのくらいの強さではまるかを予測する技術です。これにより、実験室で実際に試薬を混ぜ合わせる前に、有効そうな化合物を絞り込むことができます。
ここで登場するのが「DiffDock」です。この技術の画期的な点は、正解を「探す」のではなく、正解の形を「生成する」という発想の転換にあります。
DiffDockには、最近話題の画像生成AI（Stable Diffusionなど）と同じ「拡散モデル」という技術が使われています。
画像生成AIは、砂嵐のようなノイズ画像から、徐々にノイズを取り除いていくことで、鮮明な猫や風景の画像を作り出します。DiffDockはこれを分子の世界に応用しました。
このアプローチにより、従来のように「しらみつぶし」に計算する必要がなくなり、圧倒的なスピードと精度を実現したのです。
では、具体的にどれくらい性能が向上したのでしょうか。専門的なベンチマークテスト（PDBBind）の結果を見ると、その差は歴然としています。
従来の最高レベルのドッキングソフトでも、未知のタンパク質に対する結合予測の成功率（トップ1成功率）は約23%程度でした。しかし、DiffDockはこれを38%まで引き上げました。創薬研究において、この「15ポイントの向上」は、候補化合物の絞り込み効率を劇的に変える数字です。
精度が上がっただけではありません。計算にかかるスピードも、従来の手法に比べて3倍から12倍も高速化されました。これは、数百万〜数億種類の化合物ライブラリから候補を探す「バーチャルスクリーニング」において、期間を数ヶ月から数日に短縮できることを意味します。
ここが医療関係者にとって最も重要なポイントかもしれません。近年、AIがタンパク質の立体構造を予測する「AlphaFold（アルファフォールド）」がノーベル賞を受賞しましたが、実は従来のドッキングソフトは、この「AIが予測した構造」に対して使うと精度がガタ落ちするという弱点がありました。 しかし、DiffDockはAI予測構造に対しても高い精度を維持します。つまり、まだ結晶構造解析がされていない未知の疾患ターゲットに対しても、新薬開発のアプローチが可能になるのです。
DiffDockの技術は、単に「薬を作るのが速くなる」だけではありません。私たち医療従事者が気になる「副作用」の解明にも大きく貢献します。それが「逆スクリーニング」という活用法です。
通常、創薬は「ターゲット（鍵穴）」に対して「薬（鍵）」を探します。しかし逆スクリーニングでは、「ある薬（鍵）」が、「体内の他のどのタンパク質（無数の鍵穴）」に結合してしまうかを網羅的に解析します。
ワシントン大学医学部のティム・ピーターソン助教授は、「以前は数ヶ月から数年かかった実験が、今では多くのタンパク質をスクリーニングし、1日でトリアージ（選別）できる」と述べています。これは、より安全で効果的な薬が、より早く患者さんの元へ届く未来を示唆しています。
DiffDockは現在、オープンソースとして公開されており、世界中の研究者が自由に利用・改良できるようになっています。Google Colabなどのクラウド環境を使えば、特別なスーパーコンピュータがなくても、誰でもブラウザ上でドッキングシミュレーションを試せる時代になりました。
さらに、2024年には改良版である「DiffDock-L」も登場し、その精度は日々進化し続けています。製薬企業もこぞってこの技術をパイプライン（開発工程）に組み込み始めており、今後数年以内に、この技術によって発見された新薬候補が臨床試験に入ってくることは間違いありません。
これからの医療において、AIは「医師の仕事を奪うもの」ではなく、「医師や研究者が、より複雑な生命現象を理解し、克服するための強力なパートナー」となります。DiffDockのような技術を理解しておくことは、次世代の医療を先読みする上で、非常に大きなアドバンテージとなるでしょう。
創薬の世界は今、物理実験とAIシミュレーションが融合する新しいフェーズに入りました。私たち医療関係者も、こうした技術の進歩にアンテナを張り、より良い医療の提供に向けて知識をアップデートしていく必要がありそうです。
本記事は生成AIを活用して作成しています。内容については十分に精査しておりますが、誤りが含まれる可能性があります。お気づきの点がございましたら、コメントにてご指摘いただけますと幸いです。
Amazonでこの関連書籍「【サイエンス雑誌】 AI技術が変革する創薬と治療 – 新薬開発から精密医療まで、人工知能が導く未来の医療革命: 世界の生命科学研究・バイオクイックニュース」を見る