スイス連邦工科大学ローザンヌ校（EPFL）の研究チームは、タンパク質の動的な動きを含めた全原子モデルを生成できるAIフレームワークを開発した。Latent Diffusion for Full Protein Generation（LD-FPG）と名付けられたこのシステムは、AlphaFoldなどの既存ツールが主に静的なタンパク質の形状予測にとどまっていた計算生物学の課題を解決することを目指している。

タンパク質は分子機械として機能し、特に側鎖の微妙な再配置が薬物分子との相互作用を決定する。静的モデルも有用だが、創薬を加速させるにはタンパク質の「動き」を捉えることが不可欠である。LD-FPGフレームワークは、直接的な原子座標を予測する従来のアプローチから、形状変化の低次元マップを学習する手法へと転換することで、計算の複雑さを大幅に軽減した。

この手法を実現するため、チームはデータ構造をノードとエッジとして処理するグラフニューラルネットワーク（GNN）を採用し、構造データを単純化された潜在空間へ圧縮する。訓練済みのAIは新たな構造アンサンブルを生成し、それを高解像度の全原子表現に変換する仕組みだ。研究チームは、ドーパミンD2受容体の活性状態と非活性状態の動的モデル生成により、このシステムの有効性を実証した。この受容体は製薬業界において重要な標的であり、研究成果としてデータセットがオープンアクセスで公開された。

NeurIPS 2025で発表されたこの研究は、静的形状ではなく動的挙動のモデリングが、バーチャル創薬スクリーニングの精度向上に寄与する可能性を示唆している。研究に携わったパトリック・バース(Patrick Barth)とピエール・ヴァンデルゲインスト(Pierre Vandergheynst)は、このフレームワークが構造生物学に新たなパラダイムを提示する一方で、システムの精度は単なる学習データの増量ではなく、高品質で吟味された入力データに大きく依存すると指摘している。

スイス連邦工科大学ローザンヌ校（EPFL）の研究チームは、タンパク質の動的な動きを含めた全原子モデルを生成できるAIフレームワークを開発した。Latent Diffusion for Full Protein Generation（LD-FPG）と名付けられたこのシステムは、AlphaFoldなどの既存ツールが主に静的なタンパク質の形状予測にとどまっていた計算生物学の課題を解決することを目指している。

タンパク質は分子機械として機能し、特に側鎖の微妙な再配置が薬物分子との相互作用を決定する。静的モデルも有用だが、創薬を加速させるにはタンパク質の「動き」を捉えることが不可欠である。LD-FPGフレームワークは、直接的な原子座標を予測する従来のアプローチから、形状変化の低次元マップを学習する手法へと転換することで、計算の複雑さを大幅に軽減した。

この手法を実現するため、チームはデータ構造をノードとエッジとして処理するグラフニューラルネットワーク（GNN）を採用し、構造データを単純化された潜在空間へ圧縮する。訓練済みのAIは新たな構造アンサンブルを生成し、それを高解像度の全原子表現に変換する仕組みだ。研究チームは、ドーパミンD2受容体の活性状態と非活性状態の動的モデル生成により、このシステムの有効性を実証した。この受容体は製薬業界において重要な標的であり、研究成果としてデータセットがオープンアクセスで公開された。

NeurIPS 2025で発表されたこの研究は、静的形状ではなく動的挙動のモデリングが、バーチャル創薬スクリーニングの精度向上に寄与する可能性を示唆している。研究に携わったパトリック・バース(Patrick Barth)とピエール・ヴァンデルゲインスト(Pierre Vandergheynst)は、このフレームワークが構造生物学に新たなパラダイムを提示する一方で、システムの精度は単なる学習データの増量ではなく、高品質で吟味された入力データに大きく依存すると指摘している。