よく結び付く抗体を、よい開発候補と呼べるか

AIが抗体を設計したという発表を読むとき、最初に確かめたいのは、何をもって成功としたかである。標的に強く結び付くことか。多数の候補からよいものを選べることか。それとも、薬として開発を進められることか。

Cradleが10月12日に紹介した抗体設計の比較研究は、この違いを考える材料になる。原著の公開は8月で、評価したのは2025年第1四半期時点の技術だ。今週登場した新しいモデルの競争ではないが、企業の自己評価だけでは見えにくい得意不得意が表れている。Cradleの解説 ↗

研究では29組織から提出された511の抗体配列を対象に、共通条件で抗体を作製し、どの組織の提案かを伏せて性能を測った。課題は、既存抗体の結合力を高めること、既存の配列群から高い結合力を持つものを選ぶこと、新しい結合部位の配列を設計することに分けられていた。

結果は、単純な総合順位では捉えにくい。改良や設計でよい結果を出した方法が、選別でも一貫して強いわけではなかった。近縁な配列群の中から高い結合力を持つものを選ぶ課題では、一つの方法を除き、ランダムに選ぶ比較基準を上回れなかった。対象は実験データが豊富なSARS-CoV-2のタンパク質であり、この結果を抗体AI全般に広げることはできない。それでも、よい候補を作る能力と、その良し悪しを見分ける能力は、別に評価する必要がある。原著論文 ↗

もう一つ重要なのが、「開発適性に合格した」という表現の中身だ。

Cradleの最良候補は、結合の強さを表す解離定数が8.69ピコモルという高い親和性を示した。一方、標的以外にも反応しやすい性質を調べる試験では懸念が残り、疎水性の評価にも注意が必要だった。それでも、五つの評価を合計する今回の採点では、基準を通過している。同社はこれらの内訳を公開し、元にした配列の性質を引き継いだと説明している。Cradleによる結果の開示 ↗

これは、合格という説明が誤りだったという話ではない。複数の特性をまとめた基準を満たすことと、すべての特性に問題がないことは違う、ということだ。

逆に、一つの試験で好ましくない結果が出たからといって、薬にならないと決まるわけでもない。今回の評価の背景にある臨床段階の抗体の比較研究でも、承認薬を含め、個別の特性にはばらつきがあった。試験結果は開発上のリスクを考える材料であり、それだけで将来を決める判定ではない。臨床段階の抗体を比較した研究 ↗

開発する側が知りたいのは、自分たちの製品条件で、どの弱点を許容でき、どこを直さなければならないかである。強い結合が得られても、その後の改良で別の性質が崩れるなら、開発は先へ進まない。反対に、結合力が最高でなくても、必要な条件を安定して満たす候補の方が扱いやすいことはある。

研究支援AIの事業を扱った記事 ↗では、候補を出した後の実験にどのような対価が生まれるかを考えた。今回は、その実験で何を成功とするかまで踏み込みたい。

AIを導入する企業にとって有用な比較は、「何本の配列を提案したか」だけではない。自社が外せない条件を満たす候補を得るまでに、何本作り、何度測り、どれだけ時間と費用を使ったか。その成績が別の標的でも再現するかである。

今回の研究は費用対効果を測ったものではない。しかし、モデルの好成績を開発上の価値へ読み替えるには、どの評価が足りないのかを具体的に示している。