AIが小分子の保持時間を高精度に予測

ジェン大学、ヘルムホルツ・ムンヘン研究所、ミュンヘン工科大学の研究チームは、液体クロマトグラフィーにおける小分子の保持時間を高精度に予測する新規AI手法を開発し、2026年付の学術誌Nature Methodsで発表した。同手法を主導したSebastian Böcker教授とFleming Kretschmer氏によれば、分析化学で長年課題となっていた実験条件の微妙な変動による保持時間のズレを解決する画期的な進歩となる。 血液や細胞抽出物などの生体試料には多数の小分子が存在し、それらを分離・同定する際、液体クロマトグラフィーの保持時間が重要な指標となる。しかし保持時間はカラム種類、溶媒組成、pH、温度、さらには機器配管の微細な差異などにも依存するため、従来手法は対象とする測定システムに合わせた広範な標準物質による学習が必要不可欠であり、実用化には時間とコストがかさんでいた。 研究チームが開発した手法は、分子構造をD-MPNNでエンコードし、クロマトグラフィ条件を別レイヤーで処理する機械学習モデルを用いる。特徴的なのは2段階の予測プロセスだ。第一段階ではモデルが分子の保持順序インデックスを算出し、第二段階で少数の既知参照点を用いてこれを具体的な保持時間に変換する。この設計により、新たな測定システムや未知の化合物に対しても事前のシステム特異的学習なしで高精度な予測が実行可能となった。Kretschmer氏は、本手法が既存の事前学習依存型アプローチを明確に凌駕し、環境構築後の即時使用を実現したと強調している。 本手法は創薬探索、環境モニタリング、メタボロミクス、天然物研究など、複雑系試料中の未知小分子の同定が必要とされる多岐分野で応用が期待される。ソフトウェア名「2-step」としてパッケージ版およびWebアプリが公開されており、将来的には液体クロマトグラフィーと質量分析計を連動する主流分析ソフトウェアへの組み込みにより、ラボにおける自動化プロセスに直結する見込みだ。本研究は分析化学の実務負担を大幅に軽減し、小分子探索の効率化を加速させる基盤技術として評価されている。