Topos BioのAIモデル、形を固定しないタンパク質を標的に
Topos Bioは9月30日、単一の安定した構造を維持するのではなく、多様な形状の間を移り変わるタンパク質を対象とする2つのAIモデルを発表した。Topos BioのAIモデルは、構造ベース創薬における支配的な前提、すなわち研究者が信頼できる単一の分子スナップショットを基に設計できるという考え方に挑戦している。
Topos-2は、アミノ酸配列からタンパク質コンフォメーションの集合を生成する。Topos-Bindはそこに候補薬剤分子を加え、それらのコンフォメーション全体でタンパク質・リガンド系がどのように変化するかを予測する。Toposはこの集合をコンフォメーショナル・アンサンブルと呼び、タンパク質が取り得る形状の範囲とその相対的な分布を意味する。
この区別は、単一の安定した三次元構造を持たない天然変性タンパク質（IDP）にとって重要だ。こうしたタンパク質は、神経変性疾患、がん、代謝障害と関連している。一方で同社のモデルは、BioEmu、AlphaFold由来の手法、Boltz-2、Chai-1、OpenFold3などがすでに存在する競争の激しい分野に参入する。
Toposは強力なベンチマーク結果とアミロイドベータのケーススタディを報告した。ただし、最も重要な主張は依然として、同社が実施した比較、シミュレーションによる参照データ、そして臨床的に検証された医薬品をまだ生み出していないモデルに依存している。
Topos BioのAIモデルは異なる2つのギャップに対応する
Topos-2はタンパク質の動きをモデル化し、Topos-Bindは低分子がその動的系をどのように変えるかを問う。
Topos-2は全原子生成モデルだ。アミノ酸配列を入力として受け取り、タンパク質が取り得る状態を表す複数の構造を出力する。「全原子」とは、より大きな分子単位を簡略化して表現するのではなく、個々の原子を出力に含めることを意味する。
このモデルはTopos-1の対象範囲を拡張している。先行システムは変性タンパク質と、より大きなタンパク質内の変性領域に焦点を当てていた。Topos-2は、秩序だったタンパク質から部分的・完全に変性した系まで、より広いスペクトラムを扱う。
この設計により、同モデルは最も可能性の高い単一構造を返すことに最適化されたシステムとは異なる。タンパク質が比較的安定した形状に折りたたまれる場合、単一構造は有用になり得る。しかし、タンパク質の生物学的役割が運動や構造的変動性に左右される場合、その情報量は低下する。
Toposによれば、Topos-2は独立したPeptoneBenchフレームワークで最高の性能を示した。このベンチマークは、計算によるアンサンブルを、核磁気共鳴および小角X線散乱実験から得られた測定値と比較する。
同社は、Topos-2の再重み付け複合スコアが1.11だったと報告した。同社の比較で次点だったBioEmuは1.49を記録した。このベンチマークでは、1.0は実験・計算測定における推定不確実性の範囲内で一致していることを表す。
「4倍近い」という表現には文脈が必要だ。これは、すべての用途においてTopos-2が4倍正確だという意味ではなく、それぞれのスコアが1.0からどれだけ離れているかを比べたものだ。報告された距離は、それぞれ0.11と0.49である。
PeptoneBench自体はToposとは別組織だ。公開されているベンチマーク・リポジトリでは、予測アンサンブルを実験的観測量と照合して評価するためのコードが提供されている。また参加者には、各配列について少なくとも100のコンフィギュレーションを生成するよう求めている。
Topos-Bindは第2の問題に取り組む。タンパク質配列と、分子構造をテキストで符号化するSMILES文字列として表現された低分子を受け取る。続いて、結合したタンパク質・リガンド系のアンサンブルを生成する。
同社のモデル公開情報によると、Topos-Bindは低分子に結合した変性タンパク質のアンサンブルのために特別に設計された最初の生成モデルだという。この優先権に関する主張は、広範な独立検証をまだ受けていない。
ToposはTopos-Bindを、完成済みで一般利用可能な製品としてではなく、プレビューとして発表している。この違いは重要だ。Topos-2には外部ベンチマークの結果がある一方、Topos-Bindは現時点ではより限定的な同社のケーススタディに依拠している。
そのケーススタディでは、アルツハイマー病と関連する柔軟なペプチド、アミロイドベータを用いる。Topos-Bindは単一の優先的な複合体を求めるのではなく、各化合物がアミロイドベータの形状分布をどのように変えるかを推定する。
したがって今回の発表は、提案される創薬ワークフローの2段階を結び付けるものだ。Topos-2は動く標的をマッピングし、Topos-Bindは候補分子がその動きをどう変えるかをマッピングしようとする。
動的タンパク質が単一構造ワークフローに圧力をかける
今回の発表は、最良と推定される単一構造を中心に構築された創薬ワークフローに圧力をかける。ただし、すべてのタンパク質予測システムが同じ影響を受けるわけではない。
構造ベース創薬は、多くの場合、三次元の標的から始まる。研究者はポケットを特定し、相互作用をシミュレーションし、原子の有利な配置に適合する分子を最適化する。このアプローチは、選んだ構造が生物学的に意味のある状態を表している場合に最も有効に機能する。
IDPは、その柔軟性が単なる実験ノイズではないため、このプロセスを複雑にする。変化し続ける構造は、シグナル伝達、転写、分子認識、細胞内での生体分子凝縮体の形成を支え得る。
Toposは、ヒトタンパク質の5分の3に30アミノ酸を超える変性領域が含まれることを示す研究を引用している。別の推定では、天然変性領域はヒトプロテオームのおよそ30%から40%を占めるとされる。
正確な割合は、定義や予測手法によって変わる。しかし根本的な問題は変わらない。疾患に関連するタンパク質生物学の相当部分は、1つの固定構造だけでは十分に表現できない。
AlphaFoldは、AIが配列から安定したタンパク質フォールドをどれほど正確に予測できるかを示した。この成果は生物学に莫大なリソースをもたらしたが、タンパク質の動きが無関係になったわけではない。
2025年のNature Communicationsの研究は、変性タンパク質を構造アンサンブルとして表現すべき系として記述した。研究者らは、AlphaFold由来の距離情報と分子動力学を組み合わせ、こうしたアンサンブルを生成した。
この研究は実際の競争構図を示している。この分野は、静的なAlphaFold予測とToposという1つの代替手段に明確に分かれているわけではない。複数のチームが、シミュレーション、実験的制約、生成的サンプリングを用いて構造予測を拡張している。
BioEmuもタンパク質コンフォメーショナル・アンサンブルを生成する。ほかにも、AlphaFoldの出力を精緻化したり、分子動力学の事前分布として用いたりするアプローチがある。これらの手法は、学習データ、計算コスト、物理的仮定、実験測定への依存度において異なる。
Toposは、より狭い戦略的賭けに出ている。秩序・変性のスペクトラムに焦点を当て、アンサンブル生成を低分子設計に直接つなげることを目指している。
この焦点は、少数の確信度の高い構造を返すドッキングまたは共折りたたみシステムを使うチームに圧力をかける。こうしたツールは安定した複合体に対しては依然として価値を持ち得る。しかし、標的が結合前後で柔軟性を維持する場合、その解釈はより難しくなる。
Toposは、アミロイドベータの研究においてTopos-BindをBoltz-2、Chai-1、OpenFold3と比較した。同社によれば、それらの出力は比較的狭いコンパクトな形状のグループに集中した。
同社はこの結果を、競合モデルの目的関数に帰している。これらのシステムは一般に確信度の高い構造予測を目指すのに対し、Topos-Bindは明示的に状態分布を求める。
この比較は、Topos-Bindが普遍的に優れていることを示すものではない。アンサンブルに最適化されたモデルは、可能性の高い複合体に最適化されたモデルとは異なる問いに答えることを示している。
創薬企業にとって、求められる対応は方法論的なものだ。動的な標的を追うチームは、単一の予測複合体で十分なのか、それともアンサンブルの挙動を化合物選定の指針にすべきかを判断しなければならない。
この対応は数カ月ではなく数年かけて展開する。創薬チームは、予測されたコンフォメーションを標的エンゲージメント、細胞への影響、毒性、そして最終的な臨床結果と結び付ける必要がある。
タンパク質アンサンブルが薬剤設計の問いを変える理由
動的な標的では、有用な問いは分子がどこに結合するかだけでなく、結合によってタンパク質が取り得る状態の分布がどう再配分されるかだ。
単量体のアミロイドベータを考えてみよう。このペプチドは多くのコンフォメーションを行き来し、その一部の状態は他の分子と結合しやすい。こうした会合は、アルツハイマー病理と関連する凝集プロセスに寄与し得る。
従来のワークフローでは、選択した1つのアミロイドベータ構造に対し、1つの結合ポーズを探索することがある。アンサンブル・ワークフローでは、より広い分布全体で、化合物が凝集しやすい状態の確率を変えるかを問う。
Toposは、22種類の低分子を用いてアミロイドベータ1-42でTopos-Bindを試験した。このモデルが予測したアンサンブルは、Toposが生成した分子動力学シミュレーションで見られた幅広い分子サイズの分布を再現した。
この比較では、分子構造がどの程度コンパクトか、あるいは伸びているかを測る回転半径を用いた。より広い分布は、タンパク質が意味のある次元差を持つ構造を探索していることを示す。
Toposは、評価対象となった他の共折りたたみモデルでは、予測がより狭い分布に収束したと報告した。このパターンが実験的にも成り立つなら、単一状態のワークフローは、1つの支配的構造を作らずにアンサンブルを変える化合物を見落とす可能性がある。
ただし、参照データはTopos自身が生成した分子動力学だった。分子動力学は物理学に基づく計算によって時間に伴う原子運動をシミュレーションするが、その結果は力場、初期条件、サンプリングの選択に依存する。
物理実験は完全な原子アンサンブルを直接明らかにするわけではない。研究者は測定値と計算モデルを組み合わせてアンサンブルを推定する。そのため評価は、予測された結晶構造を実験構造と比較する場合より複雑になる。
Toposは、10万を超えるシミュレーション済みの変性タンパク質・リガンド系を含む独自コレクション、Topos-DBでそのアプローチを学習させた。同社によれば、異なる系の数では次に大きい比較可能なコーパスのおよそ3倍の規模だという。
このデータセットは、同モデルが報告する優位性の中核を成す。公開構造データベースには安定したタンパク質構造が多数含まれる一方、低分子と相互作用する変性タンパク質の原子アンサンブルははるかに少ない。
シミュレーションデータの生成は、実験データが依然として乏しい領域で規模を提供する。一方で依存関係も生じる。モデルは、学習例を生成したシミュレーションエンジンに埋め込まれたパターンやバイアスを学習し得る。
Toposは、Topos-2を実験的なNMRおよび散乱測定と照合することで、この問題に対処しようとしている。そのためPeptoneBenchの結果は、シミュレーション軌跡だけに基づく比較よりも重みを持つ。
Topos-Bindはまだ同じ証拠水準に達していない。アミロイドベータに関する研究は、モデルが分子動力学に類似しているかを問うものであり、多数の標的にわたって予測されたリガンド効果が実験観察と一致するかを問うものではない。
この区別が、今回の発表の根底にある中心的な緊張を定義している。Toposは動的な生物学に適したメカニズムを構築したが、そのメカニズムを検証するために必要なデータは得ることが非常に難しい。
同社は、計算研究と並行して実験的なフィードバックループを開発している。3月、Toposは質量分析、ケモプロテオミクス、生細胞測定を対象とするDalriada Drug Discoveryとの協業を発表した。
Dalriadaの実験プログラムには、標的エンゲージメントのプロファイリング、ペプチドマッピング、共有結合の結合動態、作用機序プロテオミクスが含まれる。これらの手法により、予測された相互作用が生物学的システムで実際に起きるかを検証できる。
この提携は、モデルだけでは結論を出せない領域を示している。有望なアンサンブルも、実験によって結合、選択性、機能的効果、細胞内での許容可能な挙動が示されるまでは仮説にとどまる。
Topos-2、競争激しいタンパク質モデリング市場へ参入
Toposは専門性で競争する一方、より大規模で資金力のあるプラットフォームは、表現可能なタンパク質状態の範囲を拡大している。
BioEmuも構造アンサンブルを生成するため、Topos-2にとって最も直接的な比較対象となる。ToposはPeptoneBenchの結果において、BioEmuを次善の比較対象として用いた。
報告された1.11というスコアは、選定された複合指標においてTopos-2に明確な優位性を与えている。しかし、単一のベンチマークですべての創薬上の論点を解決できるわけではない。
性能は、タンパク質の長さ、配列ファミリー、環境条件、無秩序性の異なる形態によって変化し得る。ベンチマーク用データセットは、学習セットの直接的な漏洩がなくても、モデル開発時の前提と概念的に重なっている可能性がある。
AlphaFold由来の手法は別の経路を提示する。研究者はAlphaFoldが予測した距離情報を拘束条件として用い、その距離と整合するアンサンブルを構築するために分子動力学を実行できる。
このハイブリッド戦略は、広く検証された構造予測器と確立された物理シミュレーションを組み合わせるものだ。データが利用可能な場合には、実験測定値も組み込める。
その欠点には、計算コストと追加のモデリング上の選択肢が含まれる。Toposは、アンサンブルを直接生成するよう訓練されたモデルによって、ワークフローがより高速かつ拡張可能になると見込んでいる。
Boltz-2、Chai-1、OpenFold3は隣接するカテゴリに位置する。これらはタンパク質・リガンド複合体を含む生体分子構造と相互作用をモデル化するが、高度に無秩序な標的の完全な平衡分布を再現することを主目的として設計されたものではない。
したがって、Topos-Bindのアミロイドベータ比較は、意図的に異なる目的を持つモデル同士を検証している。この点は有益な情報をもたらすが、同程度に専門化されたアンサンブルモデル間の完全な競争ではない。
商業的な競争はモデル精度にとどまらない。有用な創薬プラットフォームは、合成可能で、標的に到達し、有害な相互作用を回避し、治療効果を生み出せる分子を特定しなければならない。
Toposは、大手製薬企業や最大規模のAI研究所と比べると限られた資本でこの競争に加わった。サンフランシスコ拠点の同社は2026年1月に、1,050万ドルのシードラウンドを調達した。
出資者にはBoldstart、Threshold、Neo、個人投資家が含まれる。この資金調達は野心的なプラットフォームを支えるが、臨床薬開発にはモデル訓練だけをはるかに上回る資本と時間が必要になり得る。
Toposは、Eli Lillyの独自の医薬品開発データで訓練されたモデルへの連合型アクセスを提供する取り組み、TuneLabにも参加している。連合学習により、参加者は基盤となるすべての非公開記録を直接統合することなく、共有モデルの恩恵を受けられる。
この関係は、吸収、分布、代謝、排泄、毒性に関する予測を強化し得る。これらの特性は、有望な分子が実用的な医薬品になれるかを左右することが多い。
それでも、資金もデータへのアクセスも、中心的な検証課題を解決するものではない。Toposは、より優れたアンサンブル予測が創薬の後期段階における意思決定を改善することを示す必要がある。
計算上の順位付けにおける小さな改善でも、弱い候補に対する高価な実験を防げるなら価値がある。対照的に、ベンチマークでの劇的な改善であっても、成功する化合物の選別を変えなければ価値は限定的かもしれない。
したがって競争上の問いは、Toposが視覚的に説得力のある分子運動を生成できるかどうかではない。その専門性が、ヒット探索、リード最適化、治療薬開発において測定可能な優位性を生み出すかどうかである。
Topos-BindよりTopos-2のほうが証拠は強い
Topos-2には独立した実験ベンチマークがある一方、Topos-Bindは主にシミュレーションベースの証拠に支えられた有望な予告段階にとどまる。
PeptoneBenchは、秩序だったタンパク質と無秩序なタンパク質の両方を対象とするため、有意義な試験である。そのデータセットには、核磁気共鳴の化学シフトと小角X線散乱の測定値が含まれる。
Toposによれば、このベンチマークには659種類のタンパク質に関するNMRデータと、439種類のタンパク質に関するSAXSデータが含まれる。評価では、見た目にもっともらしい単一構造を選ぶのではなく、生成されたアンサンブルから計算された特性を実験観測と比較する。
この設計は、Topos-2が解決すると主張する課題と整合している。多数の変化する分子状態にわたって平均化された測定値を再現する分布を評価する仕組みだ。
ただし、Toposが開示したのは再重み付けされた複合結果である。再重み付けは、実験データとの一致を改善するために生成構造の相対的な寄与を調整する。これは認められたアンサンブル精緻化手法だが、完全に前向きな予測と同一ではない。
そのため読者は、証拠を3つの水準に分けて考えるべきである。第1は配列のみからの生成、第2は実験情報に対する精緻化後の一致、第3は未知の生物学的システムにおける前向きな成功である。
公開発表では複合結果が強調されているものの、関連するすべての評価条件にわたる性能を確立する査読済みのTopos-2論文は提示されていない。独立した再現が実現すれば、この主張は大幅に強化されるだろう。
Topos-Bindにはさらに大きな証拠の隔たりがある。参照アンサンブルは同社の分子動力学エンジンから得られ、訓練データベースにも同社が生成したシミュレーションデータが含まれている。
この構成が結果を無効にするわけではない。直接的な構造測定を逃れるシステムを研究する上で、シミュレーションは不可欠である。ただし、評価がモデルと参照プロセスに共通する前提を有利にする可能性はある。
アミロイドベータ実験も、22種類のリガンドという限られたセットを試験している。モデルの挙動を示すには十分だが、無秩序な標的や化学クラス全般にわたる一般的性能を確立するには不十分である。
疾患生物学はさらに不確実性を加える。分子がアミロイドベータのアンサンブルを変化させることを正確に予測できたとしても、その変化が生体内で有害な凝集を減らすことを示すわけではない。
分子は関連組織に到達し、標的に結合し、意図した機能的変化を生み出し、許容できない毒性を回避しなければならない。どの段階でも、計算予測と医薬品とのつながりは断たれ得る。
Toposは、自社プログラムと共同研究を通じて実験的取り組みの重要性を認識している。Dalriadaとの提携は、特にエンゲージメント、選択性、経路レベルの効果を対象としている。
同社は、神経変性疾患および腫瘍学の社内プログラムにモデルを適用しているとしている。Topos-2またはTopos-Bindによって生み出された臨床候補は、まだ開示していない。
この不在は、初期段階のバイオテクノロジー企業にとっては通常のことである。同時に、現時点で主張できないことも定義している。これまで到達不能だった標的が、現在は創薬可能になったとモデルが証明したわけではない。
「創薬困難」という表現も変化し続けるラベルである。多くの場合、従来型の結合ポケットを欠く標的や、確立された開発手法に抵抗する標的を指す。生物学的または治療的な戦略が、その標的に将来一切作用できないことを意味するわけではない。
Toposは、その領域へ進むもっともらしい経路を提示した。その経路には、モデルの構築、調整、選択に用いられていない前向きな実験が今後必要となる。
Topos Bio AIモデルの公開後に注目すべき点
アンサンブルモデリングが、優れた計算上の実証にとどまらず実用的な創薬上の優位性となるかは、3つのシグナルによって示される。
第1のシグナルは、独立した技術的検証である。研究者は、詳細なTopos-2またはTopos-Bindの論文、開示された評価設定、アクセス可能な出力、社外グループによる再現に注目すべきだ。
報告されたPeptoneBenchの性能に近い独立した結果は、Topos-2の立場を強化するだろう。代替的な設定で性能が大きく変化すれば、その優位性が一般化するという主張は弱まる。
Topos-Bindについて最も有用な検証は、複数の無関係な無秩序タンパク質にわたり、予測されたリガンド誘導型アンサンブルを実験測定値と比較することだろう。アミロイドベータの1事例だけでは、幅広い信頼性を確立できない。
第2のシグナルは、前向きな実験的成功である。ToposとDalriadaは、モデルによって選択された化合物について、標的エンゲージメント、選択性、関連する細胞経路の変化を試験できる。
ブラインド試験は特に有益な情報をもたらすだろう。Toposが実験前に化合物を順位付けし、その後、最上位の分子が従来の選択手法を上回ったかを開示できる。
活性化合物の濃縮が繰り返し確認されれば、アンサンブルベースの創薬を支持する根拠が強まる。実験上のヒット率を改善できなければ、見た目には正確な運動が、まだより良い化学的意思決定を導いていないことを示唆するだろう。
第3のシグナルは、パイプラインの進展である。Toposは最終的に、Topos-2およびTopos-Bindの影響を受けた具体的なプログラム、開発マイルストーン、候補分子を特定すべきだ。
開発候補の公表は臨床的価値を証明するものではないが、プラットフォームが後ろ向きなベンチマークを超えた意思決定を支えることを示す。後続の毒性試験とヒトでのデータは、段階的により強力な検証となる。
これらのシグナルの中では、競合他社の反応も重要である。BioEmuの後継モデル、AlphaFoldベースのアンサンブル手法、専門的なシミュレーションシステムは、引き続き改善していく。
Toposは無秩序性に焦点を当てたベンチマークで早期の優位性を持つ可能性があるが、持続的な技術的リードを維持できるとは限らない。その防御力はむしろ、独自のシミュレーションデータ、実験的フィードバック、化合物選択の経験から生まれる可能性がある。
AIプロダクトチームにとって、この公開は評価に関するより広い教訓をもたらす。モデルの目的、参照データ、実世界での検証は、そのモデルが改善すべき意思決定と一致していなければならない。
モデルの公開、実験、提携をまたいで証拠を追跡するチームには、プレスリリースの集積以上のものが必要となる。検索可能なAIナレッジベースは、ベンチマークの主張と後続の検証を結び付ける助けになる。
Toposは、単一構造に基づく思考の本質的な弱点を特定した。動的なタンパク質には、運動を一つの確信に満ちた答えへ圧縮するのではなく、その動きを保持する表現が必要である。
もはや問われているのは、タンパク質アンサンブルが重要かどうかではない。Topos Bio AIモデルが、研究者が構築し、試験し、開発を進める化合物を変えるほど正確にそれを予測できるかどうかである。この問いを決着済みとみなす前に、独立したベンチマーク、ブラインドな実験結果、開示された候補分子を注視すべきだ。
