化合物のある部分構造のバイオアイソスターを探すとき、例えば ChemOmni で「このアミドのバイオアイソスターを出して」と頼むと、置き換えた構造の SMILES がすぐに返ってきます。ただし、その構造が適切な置き換えになっているか、同じ置き換えができる場所がほかにないか、知られた選択肢が抜けていないかは、人が確かめるまで分かりません。前回の記事(AI に類縁体を提案させる)では、AI が書いた119件のうち3件が、添えた理由と構造が合っていませんでした。
そこで今回は、ChemOmni にルールベースでのバイオアイソスターの置き換えを加えました。AI は置き換え後の構造も、置き換えを定義する SMARTS も書きません。ルール表の中から ID を選ぶだけで、RDKit が当てはまる場所をすべて探し、対称で同じになるものをまとめて、ルールの名前を付けたグリッドタブに並べます。イマチニブで試し、OpenAI の gpt-6.1-terra に同じ依頼を6回ずつ送りました。
ソースコード:https://github.com/aurio9923/chemomni(MIT ライセンス)
ルール表と2つのツール
ルール表には80件のルールがあり、8つの群に分かれています(アミドとエステル 11、カルボン酸 9、ヘテロ芳香環 10、連結部 8、フェノールと極性基 8、フェニル環 11、飽和環と鎖 11、置換基 12)。1件のルールは置き換えの反応式(SMARTS)、名前、分類、リスクの注意、出典、実在の薬などでの試験からできています。例として、アミドを1,2,3-トリアゾールに替えるルールを表1に示します。
| 項目 | 中身 |
|---|---|
| ID と名前 | amide_to_click_triazole:二級アミド → トリアゾール(クリック型) |
| 反応式 | [#6:1][CX3R0](=O)[NX3H1R0][#6;!$(C=O):2]>>[#6:1]c1cn([#6:2])nn1 |
| 分類 | 非古典的(nonclassical) |
| リスクの注意 | 活性:水素結合供与体はメチン水素の弱い分極に限られ、強い供与能が必要な部位では活性が落ちることがある。代謝:孤立電子対を持つ窒素原子がシトクロム酵素のヘム鉄に配位し、酵素阻害を示すことがある(どちらも確信度は中) |
| 出典 | Kumari ら(J Med Chem 2020)、Meanwell(J Med Chem 2011) |
| 試験 | 置き換えが起きるはずの分子2件(アセトアミノフェンなど)、起きないはずの分子1件(三級ベンズアミド) |
表1. ルール1件の中身。
ルール表は1件ずつ確認し、有効にしたのは80件です。出典は20本の論文・総説で、DOI はすべて Crossref に実在します。各ルールには試験が付いていて、置き換えが起きるはずの分子(期待する生成物つき)が全体で174件、起きないはずの分子が95件あります。反応式を RDKit で当て直すと、前者では期待する生成物が出て(3件は互変異性体の書き方をそろえたうえで)、後者では何も出ません。
内部に実装したツールは2つです。find_bioisosteres は、選んだ部分(何も選んでいなければ分子全体)に当てはまるルールを、場所の数、生成物の数、リスクの注意(1ルールにつき最大2件)と一緒に返します。apply_bioisosteres は、find が返した ID を選んで、当てはまる場所すべてに適用し、生成物を新しいタブに並べます。タブに出す生成物は20件までです。超えたときは、ほかに何件あったかと、タブに1つも出なかったルールを返します。AI は ID を選ぶだけで、置き換え後の SMILES は書きません。生成物にはルールの ID と名前が付き、置き換わった部分が赤く示されます。
イマチニブで試す
前回と同じイマチニブを使い、gpt-6.1-terra に次の4つを6回ずつ頼みました。依頼は日本語で、頼む前にエディタで対象の部分構造を選んでおきます(例4だけは選ばない場面設定です)。
例1:アミドを選んで頼む
選択しているアミドのバイオアイソスターを出して
AI は find_bioisosteres で当てはまるルールを調べ、見つかった11件を apply_bioisosteres で適用しました(図1)。11個の生成物が新しいタブに並び、各タイルにはルールの ID、親との類似度、置き換わった部分の赤い強調が付きます。物性の表の値は RDKit の計算値です。逆アミド(#9)は親と分子式が同じなので、MW・cLogP・TPSA が親と変わらず(493.62、4.59、86.3 Ų)、この表だけでは見分けられません。6回のうち5回は同じ11件を適用しました。
例2:ベンズアミド側の環を選んで頼む
選択しているフェニル環を、バイオアイソスターに置き換えて
ベンズアミド側のパラ二置換フェニル環を選ぶと、5つのルール(ビシクロ[1.1.1]ペンタン、ビシクロ[2.2.2]オクタン、チオフェン、チアゾール、シクロヘキサン)が当てはまり、生成物は6つでした(図2)。チアゾールは環の向きが2通りあり、2つの生成物(#4 と #6)になります。6回すべてで、同じ5つのルールと6つの生成物でした。
例3:同じ依頼を、別の環を選んで送る
同じ文を、中央のトリル環(置換基が3つある環)を選んで送ると、find_bioisosteres は「0 rule(s) fit」を返し、生成物は出ませんでした(図3)。ルールは、置き換える部分が選択の内側に入っているものだけが当てはまります。パラ二置換のフェニレンを置き換えるルールは、三置換のこの環には当てはまりません。ツールは、選択の外には当てはまるルールがあること(全体で19件。群を指定したときは、その群の5件)も返し、AI はそのことを伝えて、置き換えを行いませんでした。
6回すべてで、AI は適用に進まず、当てはまるルールがないと答えました。答えはどれも、当てはまるルールが選択の外にあることに触れています。
例4:選ばずに尋ねる
この化合物で、バイオアイソスターに置き換えられそうな所を教えて
何も選ばずに尋ねると、find_bioisosteres は分子全体を調べ、19件のルールが当てはまると返しました。当てはまる場所は4か所です。アミド(11件)、アミドとピペラジンをつなぐパラ二置換フェニル環(5件)、ピペラジン環(1件、ジアザスピロヘプタンへの置換)、芳香環上のメチル基(2件、塩素とトリフルオロメチル)です。ピリジン環、ピリミジン環、アミノピリミジンの NH には、当てはまるルールがありませんでした。6回ともこの4か所を答えました。
結果を確かめる
24回(4つの依頼×6回)の記録を、次の3つで確かめました。
生成物はルールを当てた結果と一致するか
ルール表の反応式を、アプリとは別に RDKit で親に当てて、全位置の生成物を作り直し、アプリが示した生成物と比べました。生成物が出た18回はすべて一致し、出なかった6回(例3)は、適用したルールがなく、一致しました。24回すべてで、生成物の過不足はありません。AI が構造を書いていないので、ここで確かめるのは、選ばれたルールをツールが全位置に当てているかどうかです。
AI が選んだルールの数
当てはまるルールを AI がすべて適用した回は、例1で6回のうち5回(11件)、例2で6回(5件)、例4で6回(19件)でした。例1の残る1回は find_bioisosteres に「アミドとエステルの群」を指定して調べたため、返ってきたのは9件で、生成物も9個でした。スルホンアミドとウレアは別の群(連結部)にあるので、AI は存在を知らないままです。答えは「9種」と数を述べるだけで、ほかの群にもアミドの置き換えがあることは書かれていませんでした。読んだ人は、アミドの置き換えがこれで全部だと受け取りやすくなります。
チャット回答
チャットの回答で、生成物の数とリスクに触れた箇所も確かめました。例1と例2の12回は、最初に述べた生成物の数が、タブの数と一致していました(例1は11か9、例2は6)。例1・例2・例4の答えに出たリスクの記述(オキサジアゾールで水素結合供与能が失われること、チオアミドの反応性代謝物、トリフルオロエチルアミンの新たな不斉中心、トリアゾールとイミダゾールの代謝酵素との相互作用、チオフェンの反応性代謝物、シクロヘキサンのシス・トランスなど)は、AI が受け取ったリスクの注意に書いてある内容と合っていました。食い違いはありませんでした。
作るときに決めたこと
- AI は構造を書かず、ルールの ID を選ぶ。置き換えの定義は、人が確かめたルール表にあります。AI が選べるのは、find が返した ID だけです。
- 当てはまる場所は RDKit がすべて探す。対称で同じになる場所は1つにまとめ、2つのルールで同じ分子になるものも1つにまとめます。
- 置き換える部分が選択の内側にあるものだけを当てる。選んでいない部分は変わりません。
- 2段にする。先に当てはまるルールとリスクの注意を見せ、AI が選んで適用します。
- 生成物は20件までにする。タブに出す生成物は20件までです。20件を超えるときは、ほかに何件あったか、タブに1つも出なかったルール、絞り方を返します。
次回
次回は SDF の取り込みと書き出しを紹介します。複数の構造を番号つきのグリッドに並べ、物性をつけて SDF や CSV に書き出します。
注記
- モデル:OpenAI の gpt-6.1-terra(Responses API、推論の深さ low はアプリの既定)。図1〜3もこのモデルの結果です。
- 繰り返し:4つの依頼を6回ずつ、毎回イマチニブを描き直し、部分を選び直して、新しいチャットで日本語で送りました(計24回)。
- 構造:imatinib
Cc1ccc(NC(=O)c2ccc(CN3CCN(C)CC3)cc2)cc1Nc1nccc(-c2cccnc2)n1。 - 生成物の照合:ルール表の反応式を RDKit 2026.09.2 の RunReactants で親に当て、立体を除いて正規化した SMILES で、アプリのタブの生成物と比べました。
- ルール表の確認:80件(84件のうち4件は適用外)。出典の DOI 20件を Crossref で照会し、試験(置き換えが起きるはずの分子174件、起きないはずの分子95件)を RDKit で当て直しました(前者のうち3件は、互変異性体の書き方をそろえて一致)。
- チャットの回答:生成物の数と、リスクに触れた箇所を、ツールの結果と、AI が受け取ったリスクの注意に照らしました。