ASO予測を、
分子の文脈で捉える。

順位付けから比較へ

アンチセンス核酸（ASO）の研究者にとって、有用な出力は、どの候補が最上位かを示すだけではありません。重要なのは比較です。二つの設計はどこが異なり、その違いを検討する意義をどのようなエビデンスが支えているのでしょうか。

私たちのエビデンスに基づく核酸医薬設計についての前回の記事では、KumiChemのワークフロー全体を紹介しました。本稿では、その一つの要素に焦点を当てます。毒性に関連する予測を、研究者が理解できる化学構造や配列の違いに結び付けることです。

スコアだけでは、こうした違いが一つの数値に集約されます。比較では、その違いを保ったまま検討できます。二つのASOが同じ塩基配列を持ちながら糖の種類が異なる場合もあれば、同じ化学修飾パターンを持ちながら領域ごとの塩基配置が異なる場合もあります。有用なシステムには、この両方の情報を保持し、研究者が重視する実験と結び付けることが求められます。

化学構造に基づく比較

分子表現には、塩基、糖修飾、骨格の結合様式と、それらの位置が記録されます。隣接する修飾糖や、中央のDNA領域にある短い配列パターンなど、組み合わせも記述します。こうした数値的な特徴、すなわち記述子により、通常の塩基配列だけでは同一と見なされる分子も、モデルは区別できます。

HeLa細胞を用いた実験は、この違いを具体的に示しています。二つのASOは、配列5′–TACTGCCTTCTTA–3′と、同じホスホロチオエート（PS）骨格を共有しています。12番目の残基にあるロックド核酸（LNA）の糖をDNAの糖に置き換えると、末端の三つの糖の並びはLNA–LNA–LNAからLNA–DNA–LNAに変わります。100 nMでトランスフェクションし、24時間後に測定したカスパーゼ応答は、0.256から0.078に低下しています。両分子とその塩基配列を学習に含めていないモデルも、同じ方向の変化を予測しており、予測値は0.285から0.145でした。 [1]

この変更は、二つの変化を同時にもたらします。LNAの糖を一つ減らし、連続したLNAの並びを分断します。実測値の差には、量と配置の両方が反映されており、予測モデルも両者を記述する特徴量を用いています。設計を検討するうえで、これは単に「LNAとDNA」を比較するよりも多くの情報を与えます。修飾の量と配置を、実測された応答とともに保持しているためです。

具体的には、LNAの数は全13個の糖のうち五つから四つに減少し、隣接するLNAのペア数は二つからゼロに、最長の連続修飾領域は三残基から一残基になります。これらは、同じ置換を異なる観点から記述したものです。同じ塩基配列を持つ設計を比較する際には、修飾の総量だけでなく、局所的な糖の配置も保持する必要があることを示しています。

TLR8レポーターのパネルは、これと相補的な事例を示しています。このパネルの分子は、すべて同じ糖と骨格の設計を用いています。選択した三つの分子には、それぞれ5′–TCC–3′が二か所ずつ含まれていますが、実測されたレポーター応答は異なります。中央のDNA領域に含まれるチミン塩基の数はそれぞれ一つ、二つ、四つで、対応する応答は1.00、1.70、3.95です。この比較では、領域ごとの塩基組成が、モチーフの出現回数だけでは捉えられない情報を加えています。このアッセイは、アゴニストR848に対する応答の増強を測定しており、R848単独の応答を1.0としています。 [2]

これらの事例は、化学構造と配列を同じ分子記述に含める意義を示しています。糖のパターンを固定すると、配列の違いを解釈するための背景条件が得られます。同じ配列内で糖を変更すると、化学構造の違いを比較できます。三つのTLR8レコードが示すのは、この範囲における関連であり、チミンを加えれば応答が高まるという一般則ではありません。

アッセイを踏まえた優先順位

有用な比較には、適切な測定指標も必要です。HeLaにおけるカスパーゼ応答の低下、肝酵素活性の低下、TLR8レポーター応答増強の低下は、それぞれ異なる問いに答えます。各スコアは、一律の「毒性」ラベルにまとめるのではなく、対応するアッセイ、応答の方向、実験条件とともに扱う必要があります。

私たちの後ろ向きベンチマークには、九つのエンドポイントにわたる13,304件のアッセイレコードが含まれます。対象は、HeLa細胞毒性、神経細胞のカルシウム応答、2′-O-メトキシエチル（2′-MOE）修飾ASOに対するマウスの行動応答、TLR7阻害、TLR8応答増強、マウスおよびラットのアラニンアミノトランスフェラーゼ（ALT）測定、ならびにマウスおよびラットの行動指標です。

同じテストレコードを用いて原著のモデルを再実行した結果と比べ、平均スピアマン順位相関係数は0.509から0.603に上昇し（+0.094）、九つのエンドポイントすべてで改善しました。スピアマン順位相関は、予測値と実測値の順位の一致度を表します。評価では、元データで定義された配列クラスターまたは特許グループを維持し、エンドポイントごとに五つの分割を用いました。テスト用に割り当てたグループはモデルの学習から除外しましたが、一部のグループ間では塩基配列が共通しています。これらの結果が裏付けるのは、後ろ向き評価のアッセイ条件内における順位付けの性能であり、前向き検証や外部検証ではありません。

改善幅が最も大きいのは、マウスALT（+0.183）とラットALT（+0.163）です。改善後の相関係数は、それぞれ0.544と0.321でした。この違いは重要です。低いベースラインから大きく改善しても、両種で同等の予測性能が得られるわけではありません。ラットALTは、このベンチマークの中で、依然として順位付け性能が最も低いエンドポイントです。

HeLa細胞毒性の相関係数は0.588から0.732へ上昇し（+0.144）、糖の配置の事例と同じ細胞アッセイにおいて、順位付けが改善したことを示しています。LNAの神経細胞カルシウム応答エンドポイントは0.381から0.445へ改善し（+0.063）、2′-MOEのマウス行動アッセイは0.627から0.674へ上昇しました（+0.047）。細胞レベルと神経系のエビデンスを検討する際には、これらの異なる測定指標を区別して扱う必要があります。

マウスとラットの行動エンドポイントの相関係数は、それぞれ0.756と0.643に達し、改善幅は+0.074と+0.086でした。TLR8応答増強は0.657から0.709へ改善し（+0.052）、TLR7阻害は0.570から0.602へ改善しました（+0.032）。これらの受容体アッセイでは応答の方向が異なるため、両者で順位付け性能が向上しても、生物学的応答を増やすべきか減らすべきかについて、共通の推奨が得られるわけではありません。

システム設計への示唆は実務的です。アッセイの種類とスコアの意味を、各候補に対応付けて保持することです。そうすることで、研究者は異なる生物学的指標を同一視せずに、その評価を活性、配列特異性、プロジェクト上の制約と合わせて検討できます。

エージェントが利用できるエビデンス

こうした比較を支援するには、スコアと特徴量名の一覧だけでは不十分です。私たちの研究ワークフローでは、対象分子の仕様、アッセイの条件、予測モデルの識別情報、特徴量の寄与、実測値のある比較対象、出典をまとめ、構造化されたエビデンスレコードを作成します。

特徴量の寄与は、どの入力がモデルの予測値を押し上げ、あるいは押し下げるかを記述します。HeLaのペアでは、このレコードが12番目の残基の変更をLNAの量と末端の連続領域の分断に結び付け、予測値の差とカスパーゼ応答の実測値の差を並べて示します。プログラムは、これらのレコードを説明用テンプレートにまとめます。AIアシスタントはそれを用いて、科学的な検討に供する分子レベルの説明案を作成できます。

エージェントを用いた設計パイプラインでは、これにより後続の工程で具体的な情報を扱えます。塩基配列を固定して糖のパターンを検討する比較や、化学修飾を固定して領域ごとの配列を比較する形で課題を整理できます。モデルの特徴量は予測値を説明し、実測データのある化合物は観察された差を示し、文献は生物学的な背景を補います。それぞれが設計評価の異なる部分を担います。

設計ワークフローへの価値

設計における主な教訓は、分子間の比較をワークフロー全体で保持することです。入力時に分子の化学構造を保持し、予測をアッセイに対応付けたまま扱い、説明を理解可能な構造の違いや実測データのある化合物にさかのぼって確認できるようにします。

これにより、候補の検討はより具体的になります。これらの分子を区別する糖の配置は何か。このパネルで重要な領域別の配列情報は何か。比較を支える測定結果は何か。こうした問いが、すべてのエビデンスを一つの順位付けに集約することなく、予測と設計を結び付けます。

ベンチマークに含まれる分子の大半は、中央のDNA領域と修飾されたウィングを持つギャップマーです。九つのエンドポイントが示すのは研究上の評価範囲であり、商用で提供される試験の一覧ではありません。評価したワークフロー、アッセイの適用範囲、再利用条件は、コードとモデルカードに記載しています。

候補を順位付けするだけでなく、研究者が分子の選択理由を理解する助けとなる予測です。