aurio9923

Claude Code で作る化合物ワークスペース ChemOmni(3)AI に類縁体を提案させる

類縁体を考えるとき、LLM に「この化合物の水溶性を高めそうな類縁体を5つ」と頼むと、SMILES つきの一覧がすぐに返ってきます。ただし、そのまま使えるとは限りません。SMILES が読めないものや親そのものが混じることがあり、添えられた理由が構造と合っているかは、描いて見比べないと分かりません。

前回紹介した ChemOmni(言葉で構造を編集する)に、AI が類縁体を提案する機能を加えました。AI は候補の SMILES とそれぞれ候補とした理由を1回の呼び出しでまとめて渡します。その後、RDKit で化合物として読めないもの、親と同一のもの、互いに重複するものは除かれ、残った候補が親と同じ向きに並んだタブと、類似度・物性の表になります。イマチニブに水溶性を高める類縁体を頼み、4つのモデルで6回ずつ試した結果から、AI の提案と、その確かめ方を書きます。

ソースコード:https://github.com/aurio9923/chemomni(MIT ライセンス)

イマチニブで頼んでみる

前回と同じイマチニブを1つのタブに描き、チャットから頼みました。モデルも前回と同じ gpt-6-luna です。

例1:5つ提案してもらう

この化合物の水溶性を高めそうな類縁体を5つ提案して

AI は提案用のツールを1回呼び、5つの構造が新しいタブに開きました(図1)。チャットには、親と候補5つの図、親との類似度、AI が添えた理由、物性の表が出ます。類似度と物性は RDKit が計算した値で、AI が書いたものではありません。答えが出そろうまでは7秒ほどでした。

ChemOmni の画面。左の新しいタブに5つの候補が親と同じ向きで並び、右のチャットに親と候補の図、類似度、AI の理由、物性の表が出ている
図1. 例1の結果。左が新しく開いたタブ(5つの候補)です。右のチャットに、親と候補の図、親との類似度、AI の理由、RDKit で計算した物性の表が出ます(モデルは gpt-6-luna)。

候補はピペラジンの N-メチルを N-ヒドロキシエチル、N-アミノエチル、N-カルボキシメチルに替えた3つと、中央のベンゼン環にヒドロキシ基とアミノ基を足した2つです。親のイマチニブは cLogP 4.59、TPSA 86.3 Ų で、5つとも TPSA は 106.5〜123.6 Ų に上がり、cLogP は 3.92〜4.30 に下がっています。AI が添えた理由は極性やイオン化のしやすさを高めるというもので、表の TPSA と cLogP の動きとは向きが合っています。

例2:親が混じった回

同じ依頼を6回送ると、gpt-6-luna は3回、候補に親のイマチニブそのものを混ぜました。図2は5つ目に親を入れた回です。RDKit が親と同一として除き、タブには4つだけが開き、チャットには「4 accepted, 1 rejected」と出ます。AI も答えの文章で、5つ目が親と同一として除かれたことを伝えています。

ChemOmni のシステムプロンプトには、頼まれた数に足りないときは親や重複で埋めず、足りないと答えるよう書いてあります。それでも親を混ぜる場合があるので、アプリ側の検証でも除いています。

ChemOmni の画面。候補が4つ並び、チャットに「4 accepted, 1 rejected」と出ている
図2. 5つ目に親を入れた回(gpt-6-luna)。RDKit が親と同一の候補を除き、4つがタブに開きます。除かれた候補は「1 rejected」にまとまります。

4つのモデルで6回ずつ比べる

ChemOmni のチャットではモデルを選べます。同じ依頼を、チャットを新しくして、gpt-6-luna、gpt-6.1-terra、gpt-6.1-sol、claude-haiku-5-5 の4つで6回ずつ送りました(表1)。

モデル5つ出た回親を混ぜた回出た化合物所要時間
gpt-6-luna5/6(残る1回は4つ)3/629件中8種6〜20秒
gpt-6.1-terra6/60/630件中6種11秒
gpt-6.1-sol6/60/630件中6種11〜13秒
claude-haiku-5-56/60/630件中26種20〜32秒

表1. 同じ依頼を6回ずつ送った結果。「5つ出た回」は、有効で、親と同じでなく、互いに重複しない候補が5つになった回です。「出た化合物」は親を除いた提案の延べ件数と、そのうちの別々の化合物の数です。

5つという数は4つのモデルともほぼ守りました。違いは何を出すかです(図3)。

24回の提案に、どの化合物が出たかを示した図。gpt-6-luna、gpt-6.1-terra、gpt-6.1-sol は左側の同じ列に点が集まり、claude-haiku-5-5 の点は右まで散らばっている
図3. 24回の提案に、どの化合物が出たか。1行が1回、点が1つの化合物(全部で33種)です。左の列ほど、多くの回に出た化合物です。

gpt-6.1-terra と gpt-6.1-sol は、6回送っても6種類しか出しませんでした。1回目の5つに加えて増えたのは、どちらも1種類だけです。gpt-6-luna も、ヒドロキシエチル体とアミノエチル体は6回とも出しました。この3つのモデルの提案は多くがピペラジンの先の N-メチルを替えたもので(luna は29件中18件、terra は30件中23件、sol は30件中27件)、同じモデルに頼み直しても、候補はあまり増えません。

claude-haiku-5-5 だけは、30件中26種と、ほとんど繰り返しがありませんでした。ピペラジンの先だけを替えたのは13件で、ほかに、ピリジンの N-オキシド化、末端のピリジンへの置換基の追加、中央の環のメチルの置き換え、ホモピペラジンへの環拡大が出ました。ただし、6回に共通して出た化合物はありません。所要時間も20〜32秒と、ほかの3つより長くなりました。

出た33種のうち9種は、PubChem か ChEMBL に登録がありました。ChEMBL にあるのはヒドロキシエチル体、ピリミジン体、N-脱メチル体の3種で、N-脱メチル体(sol が3回)は、イマチニブの代謝物としても知られています。登録があっても、その化合物が作られて試されたとは限りませんが、新しいかどうかは別に調べる必要があります。

AI の答えを確かめる

RDKit が確かめるのは、SMILES が読めて、親や他の候補と重複しないことまでです。AI が添えた理由が構造と合っているか、答えの文章が表と合っているかは、別に確かめる必要があります。そこで、24回分の候補と答えを、親の構造と表の値に照らしました。

理由と構造が合わない候補

119件のうち3件(luna が1件、haiku が2件)は、AI が書いた理由と構造が合っていませんでした(図4)。

  • luna の1件は、「フェニルをピリジンに置換」と書きながら、ベンズアミドの環に N が入っただけでなく、CH2-ピペラジンがカルボニルのパラ位からオルト位に移っていました。
  • haiku の1件は、「ピリジン環にモルホリノメチル基を付け」と書きながら、末端が3-ピリジルから2-ピリジルに変わっていました。
  • haiku のもう1件は、「トリルのメチルをN-メチルピペラジンメチルに置換」と書きながら、メチルは取れ、新しい基は2つの NH にはさまれた位置(元は H)に付いていました。
理由と構造が合わなかった3件。左がイマチニブ、右が AI の出した候補で、親と共通でない原子が赤く示されている。各行の下に AI の理由と実際の構造が書かれている
図4. 理由と構造が合わなかった3件。左が親、右が AI の出した候補で、赤は親と共通でない原子です。各行の下に、AI が添えた理由と、実際の構造を書きました。

どれも SMILES は正しく読めるので RDKit の検証は通り、タブにも普通の候補として並びます。ChemOmni の候補の図には、親との差の強調は出ないため、理由と構造のずれは、親の図と見比べて探すことになります。図4は親と共通でない原子を赤くしたもので、アプリの画面ではなく、この記事のために RDKit で描きました。

答えの文章と表

答えの文章で、数値や大小に触れた箇所も表と照らしました。luna、terra、sol の18回は、すべて表と合っていました。haiku は6回中3回に、表と合わない文が1つずつありました。

  • 1回目は「3 はTPSAが最も高く」と書いていますが、表で最も高いのは4(106.5 Ų)で、3 は 98.8 Ų です。
  • 2回目は、#2(4-ヒドロキシピペリジン)について「TPSAは最も高くなります」と書いていますが、最も高いのは #5(106.5 Ų)で、#2 は 103.3 Ų です。
  • 3回目は、cLogP が5つのどれも下がっていないと書いていますが、親の 4.59 に対して、4つは 0.23〜0.30 低くなっています(残る1つは 0.39 高い)。

表の数値は RDKit の計算値なので、文章が間違っても、表は正しいままです。AI の文章は読み方の補助にとどめ、数値は表で確かめるほうが安全です。

cLogP と TPSA の読み方

AI の理由の多くは極性を高める、イオン化しやすくするといった内容で、水溶性そのものを予測したものではありません。24回のうち23回の答えに、水溶性の向上は仮説であり、pH や結晶性などにも左右されるという断りがあり、残る1回(haiku)にはありませんでした。

表の cLogP と TPSA も、動きがそろわないことがあります。haiku のホモピペラジンへの環拡大は、理由に「より塩基性で、より溶媒和されやすい」(原文は英語)とありますが、表では TPSA が親と同じ 86.3 Ų のままで、cLogP は 0.39 上がります。4-ヒドロキシピペリジンへの置換は、TPSA が 17.0 Ų 上がる一方で、cLogP も 0.21 上がります。この表は候補を絞るときの目安であり、水溶性の予測ではありません。

作るときに決めたこと

  • AI は候補と理由を書き、数値は RDKit が出す。類似度、分子量、cLogP、TPSA などは、AI が書かずに RDKit が計算して表にします。AI はその表を見て答えます。
  • 検証は2か所でする。システムプロンプトで、親や重複で数を合わせないよう AI に指示し、それでも混じったものは RDKit が除きます。除いた数は画面に出し、AI にも返します。
  • 候補は新しいタブに、親と同じ向きで並べる。元のタブは変わりません。理由は候補の図の横に出します。
  • 候補はまとめて1回で渡す。除かれた候補のうち直せるものだけを、AI が最大2回まで送り直します。

次回

次回はバイオアイソスターの置き換えを紹介します。AI が置き換えを思いつく代わりに、ルールの一覧から AI が ID で選び、置き換えられる場所は RDKit がすべて探します。

注記

  • モデル:OpenAI の gpt-6-luna、gpt-6.1-terra、gpt-6.1-sol(Responses API、推論の深さ low はアプリの既定)と、Anthropic の claude-haiku-5-5。図1と図2は gpt-6-luna の結果です。
  • 繰り返し:各モデル6回、毎回イマチニブを描き直し、新しいチャットで日本語の同じ依頼を送りました。「5つ出た」はツールに渡された候補の SMILES を RDKit で読み直し、有効で、親と同一でなく、互いに重複しない化合物を数えたものです(アプリの数え方ではなく、候補そのものを照合しました)。所要時間は、送信から答えが出そろうまでです。luna の最長(20秒)は、親の SMILES が壊れて1回失敗し、やり直した回です。haiku の1回は誤って確認用の「placeholder」というタブを作り、答えの最後でそれを伝えました。別の1回は日本語で頼んだのに、候補の理由も答えも英語でした。
  • 構造:imatinib Cc1ccc(NC(=O)c2ccc(CN3CCN(C)CC3)cc2)cc1Nc1nccc(-c2cccnc2)n1。
  • 数字の確認:表の類似度(Morgan 半径2・2048ビットの Tanimoto)、cLogP(Crippen 法)、TPSA は、119件すべてを RDKit 2026.03.1 で計算し直し、表の値と丸めの範囲で一致しました。
  • 理由と構造の照合:33種それぞれについて、親との差(RDKit の最大共通部分で数えた、変わった原子の数)と構造式を、理由の文と読み合わせました。食い違いが疑われたものは、理由から期待される構造を作り、RDKit で一致しないことを確かめました。
  • データベース:33種を InChIKey で PubChem と ChEMBL に照会し、登録の有無を見ました。