ペンシルベニア大学と香港中文大学の研究チームは、細胞表面受容体GPCRに対して活性化または抑制という方向性を備えたペプチド創薬候補を設計する人工知能フレームワークTD3Bを開発した。研究成果は2026年国際機械学習会議ICML 2026でスポットライト発表された。既存手法では結合親和性の予測は進んだものの、結合後にシグナルをオンにするアゴニストかオフにするアンタゴニストかを同時に制御するのは困難であった。本フレームワークは、相互作用を予測するDirection Oracle、所望の方向性を優先するゲート付き報酬システム、および高スコア候補を蓄積して次世代生成を誘導するトレーニングバッファの三層構造を統合。モデルが自ら最適な生成パターンを学習して発展させる設計を実現した。 計算機シミュレーションでは、Direction Oracleがアゴニストとアンタゴニストの相互作用を93％の精度で識別。GLP-1受容体を対象とした構造解析では、生成されたアゴニスト候補は既知のGLP-1医薬品と同様の活性化關鍵部位と接触し、アンタゴニスト候補は同部位を回避する構造を示した。指示された部位を明示していないにもかかわらず、モデルが方向性に関する生化学的パターンを自律的に学習したことを確認した。オレキシン1受容体でのテストでも同様の傾向が再現された。 本技術は、糖尿病や肥満治療のGLP-1療法の最適化、依存症関連神経シグナルの制御、がん免疫療法のターゲット設計など、創薬プロセスの効率化に直結する可能性を秘めている。研究代表者のPranam Chatterjee准教授は、標的に結合するだけでなくその標的へ発する指令を設計段階に組み込むことが創薬の核心だと指摘する。現在チームはTD3B生成ペプチドの化学合成と実験系検証へ移行しており、計算機的予測の実証を通じて、所望の治療効果に基づいた次世代ペプチド医薬品の開発を加速させる計画である。