Boltz-2でTYK2候補16個を再評価する
薬の候補となり得る分子16個を前に、次の実験を準備するとします。時間と資源が限られていたら、どれから調べるべきでしょうか。創薬でAIに期待される役割の一つが、この優先順位を付けることです。有望な候補を先に絞り、実験計画に役立てようとしています。
この問いを、Boltz-2というAIモデルで調べました。Boltz-2は、タンパク質と小分子がどのように結合し、その結合にどのような性質があるかを予測します。過去の実験結果が公開された分子16個を計算し、実験値と比較しました。すでに実験の答えがある問題で、AIの判断を確かめたものです。
実験で最も強かった3候補と、AIが選んだ上位3候補のうち、2個が共通していました。 全体の傾向もかなり捉えていましたが、実験4位を予測11位にする例もありました。一枚のGPUで約23分で計算が終わり、その後、順位がどこでどれほど違ったかを数値と図で調べました。
既存の実験結果で予測を確認する方法を、後ろ向き評価と呼びます。新しい薬を作ったり、人への効果を試したりしたのではなく、過去の資料でモデルを評価しました。未実験の新候補でも同じ結果になるかは、後続の研究で確かめる必要があります。
候補を作用させるタンパク質を決める
タンパク質は、物質の運搬、細胞間の信号伝達、化学反応の補助などを担う分子です。薬はタンパク質に作用して、その活動を変える場合があります。薬で働きを調節しようとする対象を標的と呼びます。
今回の標的は、**TYK2(チロシンキナーゼ2)**です。細胞の信号伝達に関わり、ほかのタンパク質にリン酸基という化学的な目印を付ける酵素の系統に属します。酵素は特定の化学反応を助けるタンパク質です。ここでは、TYK2の働きを減らす阻害剤候補を比較します。 [1]
タンパク質に結合する相手の分子をリガンドと呼びます。この記事では比較する小分子がリガンドです。承認された薬ではないため、研究上の比較では候補と呼びます。
結合は鍵と鍵穴に例えられます。接触できる形が重要という点は似ていますが、実際の分子は動き、周囲の水や電気的性質にも影響されます。図でよく合って見えるだけでは、強く結合するとも、よい薬になるとも判断できません。
Boltz-2は結合の形と性質を予測します。**「二つの分子がどの姿勢で並ぶか」という構造予測と、「結合の性質はどうか」**という親和性予測です。結合親和性は二分子の結合しやすさを表します。関連はありますが、姿勢と親和性の予測結果は別の出力です。 [1]
図1。同じタンパク質に候補分子だけを変えて入力し、過去の実験と比較しました。「2/3」は上位3候補のうち2個が共通するという意味で、薬になる確率ではありません。
実験済み候補を再計算した理由
モデルを評価するには、比較する実験結果が必要です。Open Forcefield Groupのprotein-ligand-benchmarkからTYK2資料を使いました。ベンチマークは、複数の方法を同じ問題で比較するための基準資料です。タンパク質構造、分子16個、過去の実験値が結び付いています。 [2]
Boltz-2の論文もTYK2を評価しています。関連する公開候補を使い、既知の候補の強弱をどれほど区別できるかを独立に確認しました。論文には大規模探索や新分子生成もありますが、この記事は既存16候補の比較に絞っています。 [1]
入力準備の細部と実行環境までは著者と一致させていません。同じモデルでも実験条件の完全な再現ではないため、論文に関連する一つの標的を独立に再評価した事例として読む必要があります。
以下では、AIの計算結果を予測値、公開資料の過去の測定を実験値と区別します。阻害性能には既存の実験値を使い、今回新たに測ったのは計算時間とGPU使用量です。
タンパク質と候補分子を入力にする
分子名だけでは入力として不十分です。何がどの順番・方法でつながっているかを伝える必要があります。
タンパク質は、アミノ酸という単位が長くつながったものです。その順番を文字で表したものが配列です。今回は公開構造から比較に必要な領域の配列を取り出しました。入力の288アミノ酸はTYK2全体ではなく、その領域に対応します。
小分子はSMILESという文字列で渡しました。原子の種類、結合、環、立体配置を文字で表す方法です。分子図のつながりをコンピューターが読める形にしたものと考えられます。タンパク質配列は主に構成単位の順序を、SMILESは原子の接続関係を表します。
立体配置も重要です。同じ種類の原子がつながっていても、空間内の向きが違うと相互作用が変わる場合があります。今回は原資料の配置を保持しました。読みやすくするためにこの情報を削ると、別の分子を評価することになりかねません。
タンパク質には、**MSA(多重配列アラインメント)**も付けました。関連するタンパク質の配列を並べ、対応位置をそろえた資料です。進化の過程でどの部分が一緒に変わったかが、構造推定の手がかりになります。全候補に同じ配列とMSAを使い、候補分子だけを変えました。
入力は、同じタンパク質と候補一つの組です。16組を作り、構造と親和性を一緒に要求しました。コードと詳細設定は後半の実行メモに記載します。 [3]
図2。候補16個の接続構造です。EJMとJMCは出典の系列を表します。線は結合、N・O・Clは窒素・酸素・塩素です。炭素記号のない部分では、線の曲がり角と端が炭素原子を示します。三角形や六角形は環状のつながりです。実際の立体姿勢ではありません。
化学式をすべて読めなくても、候補の形が似ていることは分かります。一部の接続や原子だけが異なります。この小さな違いで実際の強さがどれほど変わり、モデルも区別できるかを調べました。
実験値は、なぜ小さい方が強いのか
図2の分子の下には、**Ki(阻害定数)**があります。酵素を阻害する分子の強さを、定められたモデルで表す値です。比較可能な条件では、Kiが低いほど強い阻害剤と解釈します。高い点がよい成績表とは逆です。
Kiは濃度の単位を使います。濃度は一定の体積に物質がどれほど含まれるかを表します。µMとnMは、マイクロモル濃度とナノモル濃度で、1 µM = 1,000 nMです。
原資料では単位が混在していました。EJM系列12個はµM、JMC系列4個はnMです。実験値は、それぞれLiangらの2013年の論文に由来し、今回はOpenFFが整理した値を使いました。 [2] [4] [5]
実際の二候補を換算すると、違いが分かります。
候補 | 原資料のKi | µMにそろえたKi |
|---|---|---|
EJM 31 | 0.096 µM | 0.096 µM |
JMC 23 | 2.5 nM | 0.0025 µM |
数字だけなら0.096は2.5より小さいですが、単位をそろえるとJMC 23のKiが低くなります。cmとmmを混ぜた長さを数字だけで並べるのと同じ問題です。ただし、単位をそろえても二論文の実験条件まで一致しないため、出典別にも解析しました。
注記も確認が必要でした。EJM 44の数値欄は3.5でしたが、注記には**「Kiは3.5 µMより大きい」**とありました。
正確に3.5と測ったことと、3.5を超えるとだけ分かることは違います。後者は正確な位置を知らなくても、境界のどちら側かが分かります。これを打ち切り測定値と呼びます。情報がないのではなく、正確な値の代わりに境界が分かる候補です。
計算は16個すべてで実行し、正確な値が必要な主解析には15個だけを入れました。EJM 44は境界情報を保持し、別に表示しました。この扱いの影響は、後の相関係数比較で示します。
AIのスコアと実験値をどう比較したか
比較したBoltz-2の出力はaffinity_pred_valueで、小さいほど強いと予測した候補です。名前と方向を知ると図を読みやすくなります。 [3]
比較には、まず尺度を合わせます。公式文書は、試験で半分の阻害を示す濃度であるIC50を対数尺度で表すと説明しています。対数は10倍の差を等間隔にする方法です。ここでの尺度では1 µMが0、0.1 µMが−1、0.01 µMが−2です。これらは変換例であり、負の対数だからといって濃度が負、あるいは計算失敗という意味ではありません。
EJM 31の予測値は約**−0.928でした。実験Kiの0.096 µMを同じ方法で変換すると約−1.018**です。近い数字ですが、それだけで誤差が小さいとは結論しませんでした。モデルが説明するIC50と、原資料のKiは別の指標だからです。
Kiは阻害モデルの中の定数、IC50は特定試験で半分の阻害が現れる濃度です。同じ分子でも条件でIC50が変わります。同じ濃度単位でも、同じ測定量にはなりません。 今回は厳密な数値一致より、実験で強い候補をモデルも強く評価するかを調べました。
別の出力affinity_probability_binaryは、結合候補を区別する分類値です。EJM 31では約0.762でした。特定用途の分類出力であり、薬になる確率76.2%ではありません。薬になるには、細胞や体内での効果、安全性など、多くの問いに答える必要があります。
実験で強い候補をAIも強く評価したか
全体の傾向にはPearson相関係数を使いました。二つの対数値がどれほど一定の関係で動くかを表し、実験で強い候補をモデルも概ね強く評価するかを調べます。
範囲は−1から1です。1に近いほど同方向の直線的な関係が強く、0付近では弱く、−1に近いほど逆方向に動きます。両軸とも低いほど強いようにそろえたため、高い正の相関が期待する方向です。0.815は値同士の関係であり、正答率81.5%ではありません。
正確な実験値15個で得た係数は0.815でした。数字だけでなく、点も合わせて見ると結果を理解できます。
図3。一点が一候補です。横軸は実験、縦軸は予測で、左ほど実験で強く、下ほどモデルが強く評価しています。青い円とオレンジの四角は出典の区別です。白抜きの円と矢印は、境界だけ分かるEJM 44を示します。
強い候補は主に左下、弱い候補は右上に集まり、概ね似た傾向でした。ただし一直線ではなく、近い実験値でも予測が違う候補や、全体から外れる候補もありました。
JMC 28は左側なのに比較的上にあり、実験では強い一方、モデルはそれほど強く評価しませんでした。両軸は異なる測定量なので、対角線からの距離を絶対的な濃度誤差とは読みません。
比較対象として、重い分子ほど強いという単純な規則も使いました。分子量は構成原子の質量の合計です。その相関係数は0.118でした。今回の資料では、Boltz-2は単純な基準より実験傾向をよく追いましたが、結合原理のすべてを理解した証明ではありません。
EJM 44を正確に3.5 µMとして16個を計算すると、係数は0.860へ上がります。しかし、知らない値を知っているものとして扱った結果です。主結果は15個の0.815のままにしました。性能評価は計算式だけでなく、実験値の読み方でも変わります。
最初に試す3候補はどれほど重なったか
最初に三つを試すと仮定したら、どれを選ぶでしょうか。全体の傾向が似ていても、優先候補が同じとは限りません。新しい実験はせず、二つの基準の上位を並べました。
順位 | 実験Ki基準 | モデル予測基準 |
|---|---|---|
1位 | JMC 23 | EJM 46 |
2位 | EJM 46 | JMC 23 |
3位 | JMC 27 | EJM 54 |
JMC 23とEJM 46は共通し、三つ目は異なります。上位3個中2個が一致とは候補の重なりであり、三つ中二つの創薬が成功した結果ではありません。
全順位を線で結ぶと、判断の違う候補が見えます。
図4。左が実験、右が予測順位で、同じ候補を線で結びます。上ほど強く、薄青の範囲が上位3個です。水平に近い線は似た順位、大きく傾く線は大きな差を示します。オレンジのJMC 28は4位から11位へ移っています。
相関係数は全体の関係を一つの数に要約し、この図は個別候補を選ぶときの違いを示します。片方だけでは全体像や重要な例外を見落とします。
実験順位も測定値を並べたものです。値が近い場合、測定誤差で優劣が曖昧な可能性があります。今回の資料ではその不確実性を数値化できず、小さな順位差を確定した生物学的優劣とは解釈しませんでした。
大きく順位が違ったJMC 28を見る
JMC 28は実験4位、予測11位で、最も大きな順位差がありました。しかし構造予測の信頼度であるipTMは0.985と高い値でした。
ipTMはタンパク質と相手分子の配置をモデルがどの程度信頼するかを表します。「この配置がもっともらしい」と「ほかの候補より強く作用する」は別の判断です。 0.985も実験成功確率98.5%ではありません。
図5。JMC 28の予測構造です。左の長い青い線はタンパク質の主鎖、オレンジの点は候補分子の位置です。右は別方向からの拡大です。予測座標を平面へ投影し、主鎖を見やすく滑らかにつないでいます。結合線は原子の接続であり、顕微鏡像や実験で確認した結合ではありません。
高い構造信頼度と大きな順位差が同時に見られました。構造の誤り、親和性予測の見落とし、実験条件の影響のどれかは、図だけでは分かりません。実験構造との比較や別の測定が必要です。
開発者には、保存・表示の設計にも関わる問題です。構造信頼度、予測親和性、実験の阻害定数をすべて「スコア」と表示すると、同じ意味に見えます。何を予測・測定した値かを画面とデータで区別してこそ、研究者が異なる根拠を合わせて判断できます。
23分で計算したこと、していないこと
AI計算用のGPU一枚で、タンパク質と補助資料を固定し、候補だけを変えて16個を順に実行しました。すべて完了し、一候補につき5構造と親和性結果、合計80構造ファイルと16親和性結果が残りました。5構造はモデルが生成した可能性であり、5回の実験ではありません。
合計時間は1,394.4秒、約23.2分でした。一候補は85.9〜89.1秒、中央値87.0秒です。モデルと入力が準備済みの状態で、ジョブの開始から終了まで測りました。
図6。一つの棒が一候補です。左は時間、右は観測GPUメモリです。時間は候補間で似ています。メモリは5秒ごとの観測のため、その間の瞬間的なピークを見逃した可能性があります。
GPUメモリは計算中のモデルとデータを置く空間です。観測最大値は約14.0 GiBでした。装置準備の参考になりますが、入力長や設定が変われば必要量も変わります。
23.2分には、モデルのダウンロード、タンパク質補助資料の作成、解析は含みません。分子を作り、阻害性能を測る時間も含みません。今回のモデル計算時間であり、23分で薬を開発したわけではありません。
実行にはNadoo Bioのカタログで使うモデルイメージを使用しました。モデルと実行環境をまとめたものです。カタログから受付、課金、結果表までのサービス全体を試した結果ではありません。バージョン、装置、設定は後述します。
15候補なら、要約値も揺れる
0.815は今回の15個から得た値です。構成が少し変わるとどうなるかを見るため、一候補ずつ除いて相関を再計算しました。範囲は0.755〜0.854でした。モデルの再実行や学習ではなく、集計対象の違いです。
ブートストラップも用いました。既存の実験値・予測値15組から、重複を許して15組を引き直し、相関を計算する反復です。構成による要約値の揺れを見る方法で、10,000回の中央95%は0.559〜0.932でした。
同じ標的の似た候補を再抽出した範囲なので、別のタンパク質の性能は予測できません。ただ、少数候補ではこれほど揺れます。小数第3位まで出しても、確定的な性能ではありません。
出典別では、正確なEJM 11個で0.844、JMC 4個で0.712でした。特に4個の係数は一候補の影響を強く受けます。この二値だけで、一般にどちらの系列が予測しやすいとは結論しませんでした。
この事例が示すAIの役割
AIは全体の実験傾向をかなり追い、上位3候補中2個が重なりました。一方、JMC 28のような重要な例外も残りました。順位は実験計画の参考になりますが、候補の性質の最終判定ではありません。
別のタンパク質で同じ性能を期待するには、別途評価が必要です。論文は親和性評価と学習データの分離を説明していますが、構造予測モジュールは公開TYK2・リガンド構造を学習に使ったと記しています。作用の強さを学ぶ資料と、分子配置を学ぶ資料は別です。 全く未知のタンパク質で得た性能へは一般化できません。 [1]
開発者の役割は具体的です。分子情報を保持して入力し、候補ごとに同じ条件で実行し、結果を実験記録へ結び直します。単位と不等号を失わないことも含みます。今回は「3.5より大きい」を「3.5」に変えるだけで、性能がよく見えました。
相関とともに、選べた候補と順位のずれ、入力と条件を残しました。研究者はこれらを見て推薦を検討し、次の実験対象を決められます。
実行してみたい開発者へのメモ
以下は再計算の詳細です。観察の理解に全オプションは不要ですが、再実行には入力・バージョン・設定の記録が必要です。
データはOpenFF protein-ligand-benchmark release 0.2.1のコミットfe6f96916b2e28f9c14398d77c838d6515e931b0に固定しました。基準構造は4GIHです。計算用の末端キャップACE・NMEを除き、ヒスチジン状態の表記をHへ正規化して288アミノ酸を得ました。座標を正解テンプレートには使っていません。MSAは公開配列からColabFoldで取得したA3Mを固定しました。
タンパク質をA、リガンドをBとし、binder: Bで親和性を要求しました。変数には実際の配列、SMILES、MSAパスを入れます。 [3]
payload = {
"version": 1,
"sequences": [
{"protein": {
"id": "A",
"sequence": tyk2_sequence,
"msa": str(msa_path),
}},
{"ligand": {"id": "B", "smiles": ligand_smiles}},
],
"properties": [{"affinity": {"binder": "B"}}],
}Boltz 2.2.1、PyTorch 2.11.0+cu128、RTX PRO 4000 Blackwell一枚を使い、候補ごとに新しいコンテナを開始しました。設定は共通で、結果を見て調整していません。シードは一つだけなので、反復実行による変動は評価していません。
項目 | 設定 |
|---|---|
構造予測の反復 | recycling 5回 |
構造生成 | diffusion steps 200、候補あたり5構造 |
親和性経路 | sampling steps 200、diffusion samples 5 |
並列サンプル | 1 |
乱数シード | 20261026 |
分子量補正 | 使用 |
実行オプション |
|
ネットワーク | MSAを先に準備し、モデル計算コンテナは遮断 |
構造設定は論文B.5.1、分子量補正はB.5.2を参考にしました。論文は二つの親和性モデルを組み合わせ、分子量補正を適用します。今回も実行前に補正使用を記録しました。著者の精選リスト、MSA、環境とは完全には一致しません。論文のTYK2 Pearson R=0.83、四標的平均R=0.66は異なる集計で、今回の0.815とも区別します。生成候補の評価に用いたABFEは、絶対結合自由エネルギーを推定する計算であり、その版の新候補の実験測定とは解釈していません。 [1]
主解析は、正確なKi 15個でlog10(Ki / µM)とaffinity_pred_valueを比較しました。以下は同じ結果の異なる要約です。
評価方法 | 結果 | 解釈 |
|---|---|---|
Pearson R | 0.815 | 対数実験値と予測値の直線的な関係 |
Spearman順位相関 | 0.796 | 数値間隔ではなく順位の類似性 |
Kendall tau-b | 0.657 | 候補を二つずつ比較した強弱順序の一致 |
上位3個の重なり | 2/3 | 最初に選ぶ3候補の共通数 |
分子量だけのPearson R | 0.118 | 負の分子量をスコアにした未学習の比較基準 |
構造と親和性は別に保存しました。JMC 28のipTM=0.985は保存された順位0の構造から読んだ値で、最初に生成した構造とは限りません。入力とプロトコルのハッシュは実行前記録と一致し、16終了記録と80構造ファイルを確認しました。これはファイルの対応と完全性の確認であり、構造の実験的な正しさの証明ではありません。
資源測定は、コンテナの開始から終了までの時間と、5秒間隔のGPU全体メモリです。最大14,341 MiBを観測しました。同じホストの別GPUでも作業が動いていたため、専用ホストの性能やサービス費用には一般化していません。
16個の全結果、解析集計、事前プロトコルを別途保管しました。元結果には親和性JSON、80構造、ログ、資源観測が含まれます。
データと利用条件。 Open Forcefield GroupのベンチマークはCC BY 4.0です。研究・商用利用が可能で、出典、ライセンス、変更の表示が必要です。この記事では単位換算、不等号の分離、分子図と解析図の作成を行いました。原論文の本文や図まで同じ条件という意味ではありません。 [7] 確認したBoltz公式READMEは、コードと重みをMITで提供すると説明しています。研究・商用利用では著作権・許可文を保持する必要があり、別のデータやサーバーの条件を置き換えるものではありません。 [6]
参考文献
Passaro et al. Boltz-2: Towards Accurate and Efficient Binding Affinity Prediction. bioRxiv v1, 2025。構造・親和性予測と評価の論文。
Open Forcefield Group. protein-ligand-benchmark、固定コミットfe6f969. release 0.2.1の公開TYK2入力・実験値。2026年10月26日確認。
Boltz developers. Prediction documentation. 公式入力・出力文書の固定版。2026年10月26日確認。
Liang et al. Lead identification of novel and selective TYK2 inhibitors. European Journal of Medicinal Chemistry, 2013。EJM系列の実験値の原出典。
Liang et al. Lead Optimization of a 4-Aminopyridine Benzamide Scaffold To Identify Potent, Selective, and Orally Bioavailable TYK2 Inhibitors. Journal of Medicinal Chemistry, 2013。JMC系列の実験値の原出典。
Boltz developers. Boltz README. 公式コード・重みの利用条件。2026年10月26日確認。
Creative Commons. Attribution 4.0 International. データリポジトリが適用するCC BY 4.0の条件。ライセンス原文とともに2026年10月26日確認。