AIと希少疾病 ── 基盤（総論） ── 2026-11-11
希少疾病の診断と創薬の基盤とAI
- GPCRAgent: an intelligent multi-agent platform integrating knowledge graphs and large language models for GPCR-targeted drug discovery.抄録（全訳）
背景：Gタンパク質結合受容体（GPCR）は創薬の主要な治療標的である。しかし実験的手法はコストが高く手順も複雑で、GPCRの機能やリガンドとの相互作用を網羅的に明らかにすることはまだ難しい。大規模言語モデル（LLM）は生物医学分野の質問応答で高い性能を示してきた。ただしGPCR研究にそのまま使うには限界がある。構造化された領域知識が十分に組み込まれておらず、生成された推論も解釈しにくい。
目的：複雑なGPCR関連の課題を自動で、かつ経過をたどれる形で解析できる解釈可能な人工知能（AI）の枠組みを作ることを目的とした。あわせて、GPCRの知識推論、構造的性質の解釈、疾患標的の優先順位付け、リガンド推薦での有用性を評価した。
方法：マルチエージェント型のAI枠組みGPCRAgentを開発した。基盤となるVecKG-CoReasonは、ベクトルに基づく意味検索と、知識グラフに導かれる協調推論を組み合わせる。評価では、GPCRの知識質問応答、多肢選択式の推論、構造的性質の解釈を扱うベンチマーク課題を用いた。実用性は特発性肺線維症の事例研究でさらに検討した。この事例では、優先順位を付けた標的とリガンド候補を分子ドッキングと分子動力学シミュレーションで裏づけた。
結果：GPCRAgentの正答率は、GPCRの知識質問応答で85 %、多肢選択式の推論で90 %、構造的性質の解釈で83 %であり、いずれのベンチマーク課題でも汎用LLMを上回った。特発性肺線維症の事例研究では、GPCRAgentはLPAR1を最有力候補として特定し、候補リガンドにも優先順位を付けた。別途行った腎線維症の研究では、最適化したLPAR1リガンドを腎臓オルガノイドで実験的に評価した。その結果、IL-1βで誘導した線維化の過程で、線維化関連マーカーの誘導が抑えられた。これらの結果は、本基盤が標的の優先順位付けと構造に基づくリガンド評価のために証拠を統合する仕組みを示している。より広く使えるようにするため、GPCR関連の創薬を支援するオンライン基盤（https://cbcb.cdutcm.edu.cn/GPCRAgent/）も構築した。
結論：構造化された知識検索とマルチエージェントの協調推論を組み合わせることで、GPCRAgentは解釈可能なAIの枠組みを提供する。本基盤は、証拠に基づくGPCR標的の優先順位付け、リガンド推薦、意思決定支援のための、解釈可能なAI枠組みとなる。
掲載誌の IF 相当：10.7（OpenAlex の直近 2 年の平均被引用数・2026-11-09 時点の値、2026-11-11 に取得。正式な IF（Clarivate）ではない）書誌：Xiao W, Zhou Q, Yang Z, Wu Z, Xu G, Li J, et al. GPCRAgent: an intelligent multi-agent platform integrating knowledge graphs and large language models for GPCR-targeted drug discovery. Journal of Advanced Research. 2026 Nov [Epub ahead of print]. doi:10.1016/j.jare.2026.11.006.確認の範囲：抄録のみ確認