Elix,第42回メディシナルケミストリーシンポジウム,ランチョンセミナー,標的タンパク分解誘導薬開発へのAI活⽤：新たなMolecular Glue Degrader創出に向けて

Transcript

1. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ 標的タンパク分解誘導薬開発へのAI活⽤ 新たなMolecular Glue Degrader創出に向けて 第42回 メディシナルケミストリーシンポジウム ランチョンセミナー 2025年11⽉19⽇ 執⾏役員 兼 CSO ⽯⽥ 祐 "OZ
   VOBVUIPSJ[FE
   SFQSPEVDUJPO
   PS
   SFEJTUSJCVUJPO
   PG
   UIJT
   NBUFSJBM
   JT
   TUSJDUMZ
   QSPIJCJUFE
2. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ Ｅ３リガーゼの基質ではない タンパクをProtein Degrader により強制的に近づけ、ユビ キチン化させ分解誘導する E3リガーゼを介する標的タンパク質分解誘導剤（Protein Degrader） 2 標的タンパク質 E3 E2 Ub Protein degrader E3リガーゼ複合体 E3リガーゼ E2リガーゼ ユビキチン Sub E3 E2 Ub Sub Sub Ub Ub Ub Ub ポリユビキチン化 プロテアソーム分解 プロテアソーム 標的タンパク質分解 再利⽤ For perspective, see: Ishida, T. and Ciulli, A. SLAS Discov. 2021, 26, 484-502.
3. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ Vepdegrestrant (ARV-471) エストロゲン受容体 リガンド セレブロン （E3リガーゼ） リガンド リンカー PROTAC (PROteolysis-Targeting Chimera) PROTACとMolecular Glue Degrader 3 Molecular glue degrader (MGD) o E3リガーゼと標的タンパクのリガンドそれぞれをリンカーで結び、２つのタンパクを近づけられ るように設計された化合物 o E3リガーゼと標的タンパクのどちらかに結合することで、お互いのタンパク―タンパク 相互作⽤を増強するような化合物 現在最も開発の進んでいるPROTAC (FDA申請中) 代表的なMGDと利⽤するE3リガーゼ Thalidomide (CRBN) E7820 (DCAF15)
4. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ ⻑所 ◦ 狙ったタンパク選択的に分解誘導出来る ＞ 標的選択的な分⼦設計が可能 ◦ ⾮常に強⼒（ピコモルレベル）な分解能も達成出来る ◦ 論⽂や構造情報など外部情報が豊富 短所 ◦ 2つのリガンド部位を持つので分⼦量が⼤きくなる ＞ 物性やDMPKの点で不利 ◦ E3リガーゼーPROTACー標的タンパクの三者複合体構造を 推定が困難 PROTACの⻑所・短所 4 PROTAC MGD タンパク質分解活性 1-10 nM 10-100 nM 分⼦量 700-1000前後 500程度 溶解性 悪い 良好 膜透過性 悪い 良好 経⼝有効性 悪い 良好 代謝安定性 悪い 良好 標的タンパクの結合サイト 必須 必須ではない フック効果 しばしば⾒られる ⽣じにくい 特定の標的を狙ったデザイン 可能 困難 外部情報 豊富 発展途上 MGDとPROTACの⼀般的な違い
5. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ PROTACが引き起こす三者複合体構造の変化 5 ◦ PDBに登録されている11種類のVHL- PROTAC-SMARCA2の構造を、VHL側 に合わせて重ね合わせ ◦ 同じ標的、同じE3リガーゼを⽤いてい ても、PROTACの構造が変わると三者 複合体構造の構造も⼤きく変わりうる 三者複合体構造をin silicoスク リーニングに活⽤しにくい VHL-PROTAC-SMARCA2の三者複合体構造 Grey: 9MR9 SMARCA2 Viridian: 9MR9 Red: 9DTY Dark blue: 7Z77 Lime: 7Z76 Orange: 7Z6L Blue: 9HYB Dark pink: 9HYN Yellow: 9HYO Purple: 9HYP Turquoise : 7S4E Green: 8G1P VHL PROTACの構造は省略 Yellow: 9HYO Purple: 9HYP
6. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ ⻑所 ◦ PROTACに⽐べ分⼦量を⼩さく出来る ＞ 物性やDMPKに優れる ◦ 経⼝剤や注射剤など、様々な剤型への適⽤しやすい 短所 ◦ 特定のタンパクを狙い、意図的に分解誘導する設計が難しい ◦ 偶然の発⾒が⼤半で、体系的に設計された例が乏しい ◦ 外部情報が限定的で、参照可能なデータが限られる ◦ 標的に適したE3リガーゼを選択する難易度が⾮常に⾼い MGDの⻑所・短所 6 PROTAC MGD タンパク質分解活性 1-10 nM 10-100 nM 分⼦量 700-1000前後 500程度 溶解性 悪い 良好 膜透過性 悪い 良好 経⼝有効性 悪い 良好 代謝安定性 悪い 良好 標的タンパクの結合サイト 必須 必須ではない フック効果 しばしば⾒られる ⽣じにくい 特定の標的を狙ったデザイン 可能 困難 外部情報 豊富 発展途上 MGDとPROTACの⼀般的な違い
7. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ MGDで使われているE3リガーゼ 7 ◦ MGDで利⽤されるE3リガーゼはまだ限定的 ◦ CRBNを除き、分解誘導出来ているタンパクは１〜２種類 ◦ Wooらのグループは、タンパク中に含まれるグルタミンやアス パラギンから、偶発的あるいはタンパクのスプライシング過程 で⽣じる環状イミド構造が、⽣体内におけるCRBNの基質認識 部位になることを報告1 末端環状イミド構造を持つタンパクを分解誘導するCRBN の機能は、細胞内におけるハウスキーピング的役割の⼀部 かもしれない また、この性質がCRBNの持つ広いタンパク認識性に起因 している可能性 E3リガーゼ 標的タンパク CRBN IKZFs, CK1α, GSPT1, etc. VHL CDO1, GEMIN3 DCAF15 RBM23, RBM39 DCAF16 BRD2, BRD4 TRIM21 NUP98 DDB1-CDK12/13 Cyclin K SIAH1 BCL6 KBTBD4 CoREST複合体 MGDの分解誘導を担うE3リガーゼ (共有結合型を除く) 1 Ichikawa, S. et al. Nature, 2022, 610, 775-782. Thalidomide C-terminus cyclic imide motif derived from glutamines or asparagines ⽣成メカニズム C末端 N末端 タンパク中のグルタミン、 あるいはアスパラギン部位 環状イミド構造
8. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ MGDの分解誘導メカニズム仮説 8 基底相互作⽤（Basal interaction） ◦ 現在の仮説では、MGDが標的とするタンパクとE3リガーゼ の間には、いわゆる『基底相互作⽤(basal interaction)』 と呼ばれる何らかの相互作⽤があると考えられている1 ◦ MGDはこれらの相互作⽤を増強し、平衡を三者複合体へと シフトさせることで分解を誘導 MGDにより誘導される三者複合体コンフォメーション のパターンは限定的 この仮説に基づき、CRBNを介したMGDの標的になり うるタンパクの探索研究が⾏われており、1000を超え る潜在的標的が⾒いだされている2,3 1 Hanzl, A. et al. Curr. Opin. Struct. Biol. 2025, 92, 103052. 2 Petzold, G. et al. Science, 2025, 389, eadt6736. 3 Baek, K. et al. Nat. Commun, 2025, 16, 6831
9. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ 構造情報に基づくMGD創出の可能性 9 ◦ MGDの構造が変わったとしてもRBM39の構造や位置関 係、MGDの結合位置に⼤きな変化は⾒られない ◦ RBM39-DCAF15の場合、MGDが無くても弱い相互作 ⽤が⾒られる (Kd = 4.6〜6.4 µM)1 Basal interactionが存在するので、他の複合体様 式を取りにくい 標的タンパクとE3リガーゼの組み合わせが分かれば、⽣成 AIによりMGDをデザインすることが可能では？ ＞ ではどうやってその組み合わせを⾒つける？ RBM39-MGD-DCAF15の三者複合体構造 Grey surface: DCAF15 (6PAI) Green cartoon: RBM39 (6PAI) Red cartoon: RBM39 (6UD7) Green stick: E7820 (6PAI) Red stick: indisulam (6UD7) 1 Du, X. et al. Structure, 2019, 27, 1625-1633.
10. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ 病的変異を起こす遺伝⼦挿⼊変異 ◦ ⼩児がんの⼀種であるmedullobrastomaやpineoblastomaでは、CUL3 E3リガーゼの⼀種 であるKBTBD4に対するgain-of ‒function mutationが⾒られる ◦ この変異により、transcription corepressorの⼀つであるCoREST複合体を分解誘導する ◦ 変異は基質認識部位中の特定の部位に集中し、またdeletionよりもindelが多い Genetic Molecular Glues 10 Genetic molecular glue ◦ ⾒いだされた変異型KBTBD4とCoRESTの複合体構造解 析（CryoEM）により、分解誘導のメカニズムを検証 ◦ KBTBD4 WTと構造を⽐較すると、2b-2c ループ部位が 変異挿⼊によりシフトし、HDAC1の基質認識部位に押 し込まれている ◦ KBTBD4-CoRESTに対するMGDとして⾒出されていた UM171と結合様式を⽐較すると、HDAC1と相互作⽤す るArg312側鎖はUM171作⽤部位と良い重なりを⽰す ◦ これらの変異はGenetic Molecular Glueとして機能 Xie, X. et al. Nature, 2025, 639, 241-249.
11. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ 標的特異的MGD創出に向けた仮説 ◦ 標的タンパクに1-2アミノ酸挿⼊変異を導⼊ ◦ 蛍光タグの発現量⽐較により、変異により発現量の下がっ た変異をNGSで同定 ◦ 変異タンパクを⽤いたIP Pull-downや、CRISPR-Cas9によ るKOスクリーニングにより責任E3リガーゼを同定 SBDDアプローチ ◦ X線結晶構造解析やCryoEMにより変異標的タンパクー責任 E3リガーゼの複合体構造を取得 ◦ 構造情報をベースにしたMGDデザインと合成展開 スクリーニングアプローチ ◦ 三者複合体形成を評価できるアッセイ系によるHTSや、 DELsスクリーニングなどによりヒット化合物を取得 スクリーニング系の構築難易度は⾼い 標的特異的MGD創出に向けた仮説 11 GFP mtPOI Transduce GFP+ GFP- Sort GFP+ GFP- Sequence IP Pull-down X-ray or CryoEM Design new MGDs SBDD approach Screening approach HTS campaign DELs screening CRISPR/Cas9 KO screening ポジコンが必要 ⾼度なノウハウが 必要
12. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ ドッキングシミュレーションのin silicoスクリーニングへの適⽤ ◦ 三者複合体の形成はタンパク構造の⼤きな変化を引き起こす可能性 ◦ 溶媒露出⾯にあるフレキシブルな領域がアミノ酸挿⼊に適した部位になりやすい SBDDアプローチの課題 12 Grey: HDAC1 (8VRT) Green: KBTBD4 chain A (9DTQ) Red: KBTBD4 chain B (9DTQ) apoKBTBD4⼆量体のChain AとChain Bの重ね合わせ ◦ 同⼀のKBTBD4であっても、Chain AとChain Bの間に構造的な違い ◦ 特にChain Aでは、HDAC1の基質結合部位を塞いでしまっている 変異導⼊部位 HDAC1
13. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ “genetic molecular glues”に基づいたファーマコフォアモデル適⽤ ◦ 複数のgenetic molecular glue情報を組み合わせることが可能 ◦ 複合体形成による構造変化にある程度対応可能 ◦ 計算コストが⽐較的少なく、ファーマコファーモデルの複数適⽤も⼗分可能 作業仮説 13 8VRT: Arg312 8VPQ: Tyr312 ファーマコフォアモデル作成⽅針 ◦ CryoEMによる三次元構造データのある２つのKBTBD4変異体と野⽣型との違い に基づき作成 ◦ 以下の理由に基づき、それぞれの変異体から２つのアミノ酸（Pro311/Thr311 および Arg312/Tyr312）を選択: KBTBD4野⽣型と⽐較して、これらのアミノ酸位置は明確にシフト ⽚⼀⽅のアミノ酸残基はHDAC1の基質結合部位と相互作⽤ もう⼀⽅のアミノ酸はHDAC1のGlu99と近接 ⁃ 特にThr311(8VPQ)はGlu99と⽔素結合を形成 Wildtype (9DTQ) PR (8VRT) TTYML (8VPQ) 8VRT: Pro311 8VPQ: Thr311 HDAC1: Glu99 (8VRT) KBTBD4wt GGSIPRR GGSIPRPRR GGSTTYML
14. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ Elix Discovery™によるDe Novo構造⽣成条件 14 構造⽣成の⽬標 ◦ 変異KBTBD4-HDAC1複合体ならびに野⽣型KBTBD4(apo体)のみを⽤い、新規MGDをde novoで⽣成する 構造⽣成条件 ◦ ファーマコフォアモデル: 変異体KBTBD4とHDAC1の構造を元に作成 ◦ 構造⽣成モデル: Elix-REINVENT並びにSmilesFormer ◦ 構造⽣成試⾏回数: それぞれの⽣成条件ごとに３回 報酬設定 ◦ 物性プロファイル(乗法的): 分⼦量, clogP, TPSA, HBA, HBD, 形式電化, 芳⾹環数, 最⼤環サイズ, 最⼤環系サイズ ◦ 部分構造フィルタ (乗法的): Elix v1.3 (MedChem Filters), Elix v1.3 (Intensive Filters) ◦ ファーマコフォア: ２種類 (PR変異ベース、並びにTTYML変異ベース)
15. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ KBTBD4 (PR): 8VRT Pharmitによるファーマコフォアモデル 15 KBTBD4 (TTYML): 8VPQ HDAC1 Arg312 Pro311 Tyr312 Thr311 HDAC1 White sphere: HBD Orange sphere: HBA Yellow cube: inclusive volume HDAC1 protein surface: exclusive volume White sphere: HBD Orange sphere: HBA Yellow cube: inclusive volume HDAC1 protein surface: exclusive volume ◦ 構造情報を有効活⽤するため、 Pharmit1を⽤いて排除体積 (exclusive volume)と包括体積 (inclusive volume)を含むファー マコフォアモデルを作成 1 Koes, D. R. et al. J. Chem. Inf. Model, 2011, 51, 1307-1314.
16. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ ⽣成構造散布図 16 ⽣成構造 ◦ Elix-REINVENT: 4,589 ◦ SmilesFormer: 2,272 ◦ Total: 6,861 各種フィルタリングを適⽤することで、 最終的に27化合物を選抜
17. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ 代表化合物のドッキングポーズ 17 UM171 351-003606 351-005169 Green: 351-003606 Purple: UM171 (8VOJ) Green: 351-005169 Purple: UM171 (8VOJ) ID MW clogP TPSA HDAC1 [kcal/mol] KBTBD4-HDAC1 [kcal/mol] 351-003606 403.50 2.24 87.74 -7.0 -6.9 351-005169 419.50 2.37 97.83 -7.2 -7.1 UM171 453.55 3.57 123.22 -9.2 -8.8 ◦ ２７化合物中２５化合物は 右記の⺟核を保有
18. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ 構造情報取得に必要な⼈的・時間的リソースの問題 ◦ 標的タンパクと対応するE3リガーゼを発現精製し、構造解析まで⾏うには多くのリソースが必要 E3リガーゼには発現精製が難しいものも多く、⼤腸菌ではなく昆⾍細胞などを使わないと取得できないものも⾒られる ◦ また精製タンパクを取得出来たとしても、⽴体構造が取得できるかはやってみないと分からない クライオ電顕の登場により成功確度は向上しているものの、依然として難易度は⾼い Boltz-2によるKBTBD4 Kelch Repeat Motifsの構造予測 18 Boltz-2 ◦ AphaFold3 (AF3)1に関する論⽂をベースに開発された、タンパク質構造予 測モデルの⼀つ2 ◦ タンパク―低分⼦化合物を含む様々な複合体構造予測を新たにサポート ◦ MITライセンスであり、商⽤での利⽤も可能 本家AF3は残念ながら商⽤利⽤不可 ◦ 複合体構造だけでなく、リガンドの親和性も併せて予測可能 予測スコアの精度はFEPに迫り、1000倍近い計算速度 → Boltz-2による予測構造から構造⽣成を⾏うことは出来ないか？ Pearson correlation averaged over each assay on our four affinity value test sets. Error bars represent bootstrap estimates of the standard error.3 1 Abramson, J. et al. Nature 2024, 630, 493-500. 2 Passaro, S. et al. bioRxiv, 2025.06.14.659707.
19. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ KBTBD4 Kelch Repeat Motifsの構造予測 ◦ Boltz-2の学習データカットオフ時点（2023年6⽉1⽇）では、PDBに KBTBD4の構造情報は未登録 ◦ しかしながら、野⽣型KBTBD4 Kelch repeat motifの構造予測に対して Boltz-2は⾼い精度（RMSD: 1.724 Å）を⽰す 野⽣型KBTBD4 Kelch Repeat Motifsの構造予測 19 Green: Predicted Grey: Ground truth (9DTG) 変異導⼊部位
20. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ ◦ 論⽂で報告されている、CoREST複合体の分解を誘導するその他の KBTBD4変異体に関して、Boltz-2を⽤い構造予測 ◦ それらを野⽣型の構造に重ね合わせたところ、変異の⼊った部位が同じ ように特定の領域へ張り出している様⼦が⾒える 活性型変異体KBTBD4 Kelch Repeat Motifsの構造予測 20 Red: Predicted (GGSIPRPRR) Grey: Ground truth (8VRT) Blue: Predicted (GGSTTYML) Grey: Ground truth (8VPQ) Predicted structures Lime: GGSFPRR Purple: GGSIPPHVR Yellow: GGSIPPRR Pink: GGSIPRGR Red: GGSIPRPRR Blue: GGSTTYML Grey: WT ◦ さらに、CoREST複合体を分解誘導する KBTBD4活性型変異体も、CryoEMの構造と 良い⼀致 これらの構造もBoltz-2の学習データと して使われていない 活性型変異体の予測構造を⽤いることで、新規MGDの 構造⽣成が実施できる可能性
21. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ 当初の標的特異的MGD創出に向けた仮説 AIを活⽤した標的特異的MGD創出仮説 21 GFP mtPOI Transduce GFP+ GFP- Sort GFP+ GFP- Sequence Boltz-2による変異 部位構造予測 予測構造に基づいた ファーマコフォア作成 ファーマコフォアなどを報酬に ⽤いた、AIによる構造⽣成 各種プロパティやドッキングに よる候補化合物選定 実際に合成し活性を確認 AIを活⽤したMGD創出仮説 Elix Discovery™の機能で実施可能
22. Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ まとめと今後の展望 22 MGD創出におけるPROTACに対する優位点と課題 ◦ MGDはPROTACに対して物性やDMPKの点において優位性があり、⾮常に注⽬を集めるモダリティ ◦ MGDはE3リガーゼと標的タンパク間に存在する基底相互作⽤（Basal interaction）を増強し、三者複合体形成を安定 化させる ◦ 標的タンパクとBasal interactionを持つE3リガーゼを同定できれば、⽣成AIを活⽤した新規MGDを取得出来る可能性 最新のAI創薬⼿法に基づく標的タンパク特異的なMGD創出 ◦ １〜２アミノ酸挿⼊変異のランダムな導⼊により、標的タンパクの“Genetic molecular glue”情報を取得可能 ◦ ⾒出された変異領域の⾃由度が⾼かったとしても、ファーマコフォアモデルを⽤いることで構造⽣成へと活⽤できる ◦ Boltz-2などのタンパク構造予測モデルを⽤いることで、実験的構造データが無かったとしても、構造⽣成に⼗分な精 度で活性変異体の三次元構造情報を取得できるかもしれない
23. Elix, Inc. https://elix-inc.com/ Copyright © Elix, Inc. All rights reserved. ୈ42ճ ϝσΟγφϧέϛετϦʔγϯϙδ΢Ϝ ϥϯνϣϯηϛφʔ