ナノ粒子の毒性を予測するマルチモーダル生成AIフレームワーク
A Multimodal Generative AI Framework for Predicting the Toxicity of Nanoparticles
ナノ粒子の細胞毒性を予測するマルチモーダル生成フレームワークが開発された。このフレームワークは、科学論文から異種データを抽出し、SciBERTベースの埋め込みを用いて非構造化テキストの毒性要約をエンコードする。4つの生成アーキテクチャ(CTGAN、TVAE、WGAN-GP、TabDDPM)を比較した結果、TabDDPMが0.78のSDV品質スコアを達成し、構造活性相関の捕捉において優れた性能を示した。生成されたモデルの物理的妥当性を検証するため、GROMACS 2026.0エンジンとMartini 3.0.0力場を用いた分子動力学シミュレーションが実施された。毒性のあるナノ粒子候補は、安全な候補と比較して2.4倍高い静電応力(88.76 kJ/mol)と著しく長い膜平衡化時間を示した。この生成アプローチは、統計分布を再現するだけでなく、膜破壊の生物物理学的メカニズムを捉え、生体適合性ナノ材料のin silico設計のための堅牢なツールを提供する可能性がある。
- ナノ粒子の細胞毒性を予測するマルチモーダル生成AIフレームワークが開発された
- 4つの生成アーキテクチャを比較し、TabDDPMがSDV品質スコア0.78を達成して最良の性能を示した
- 毒性のあるナノ粒子候補は安全な候補と比較して2.4倍高い静電応力(88.76 kJ/mol)を示した
- GROMACS 2026.0エンジンとMartini 3.0.0力場を用いた分子動力学シミュレーションで物理的妥当性が検証された
本研究成果は、ナノ粒子の毒性評価を計算機上で高速・高精度に予測する手法を提供しており、医薬品キャリアや生体材料開発における安全性スクリーニングのコスト削減・期間短縮につながる可能性がある。特にTabDDPMが構造活性相関の捕捉に優れ、分子動力学シミュレーションとの組み合わせで物理的メカニズムの検証まで行える点は、規制当局向けデータ生成ツールとしての応用も期待される。現時点では研究段階だが、創薬・材料開発スタートアップとの連携やライセンス展開の動きがあれば投資機会となり得る。