SandboxAQ、AQPotencyを発表 — 解明されたタンパク質構造を持たない薬剤をスクリーニング

Why it matters

AQPotency targets a costly early-stage bottleneck by screening compounds without a solved protein structure. SandboxAQ still needs public benchmarks showing that its speed and price produce better experimental hits.

SandboxAQ は8月19日に AQPotency を発表しました。これは、標的タンパク質の解決された3D構造を必要とせずに、潜在的な薬物化合物をランク付けするバーチャルスクリーニングモデルを公開するものです。

一般提供リリースの詳細は SandboxAQの発表 にあり、同社はこのモデルをAnthropicのModel Context Protocol（MCP）を通じてClaude内に組み込んでいます。研究者はSandboxAQのウェブサイトからAQPotencyにアクセスすることもでき、Google Cloud Marketplaceへのリリースが追って計画されています。

Jack Hidary はGoogleで6年間にわたりAIと量子技術チームを率いている間にSandboxAQを設立しました。彼の科学的な背景は両社に先行します。Hidaryはコロンビア大学で神経科学を学び、その後Stanley Fellowとして国立衛生研究所で機能的脳イメージングと人工ニューラルネットワークに取り組みました。SandboxAQは2022年にAlphabetからスピンアウトし、Hidaryの「AIを物理学・化学・科学データと組み合わせれば、言語的な妥当性とは別に有用な数値解を産業に提供できる」という仮説を基礎にしています。

AQPotencyはその仮説を直接試すものです。Hidaryは、会話型モデルが専門的な科学ソフトウェアのフロントエンドになり得るかどうかも試しています。Claudeが研究者の要求を解釈し、SandboxAQがその下で定量的作業を実行する、という役割分担です。

Screening without a crystal structure

AQPotencyは分子の生物学的標的に対する効力を推定し、SandboxAQはそれを予測pIC50値として表現します。この測定は、どの化合物を実験室テストに進めるべきかを研究者が優先付けるのに役立ちますが、化合物が有効かつ安全な医薬品になることを確定するものではありません。

多くの確立されたバーチャルスクリーニングワークフローは、タンパク質の3D構造の詳細な表現に依存しています。これらの構造は実験的手法や計算予測から得られますが、利用可能なモデルがないか信頼性が低い標的もあります。SandboxAQは、AQPotencyは分子と標的からそのような構造入力なしで動作できると述べており、従来のドッキングから開始できないプログラムの候補をランク付けできるようにするとしています。

SandboxAQによると、このモデルは通常のコンピューティングハードウェア上で動作し、数秒で結果を返し、費用は1,000分子-ターゲット比較あたり$1程度からとのことです。各結果には信頼度推定と、標的がAQPotencyが確実に性能を発揮するデータ範囲に似ているかどうかの指標が含まれます。これらの不確実性指標は、使用可能なランキングとより慎重さを要する外挿の区別に役立つ可能性があります。

モデルは検索の逆も可能にします。研究者は分子から開始して、AQPotencyにその分子が影響を与える可能性のあるタンパク質をランク付けするよう依頼できます。そのワークフローはオフターゲットスクリーニングをサポートしたり、不確かな機序を通じて観察された生物学的効果を生む化合物を調査したりするのに役立ちます。

SandboxAQの創薬部門には70名以上の専門家がおり、そのうち48名以上がドメインPhDであると同社の創薬資料は述べています。グループは計算化学・医薬化学、生物学、バイオインフォマティクス、AI、およびクラウド規模の分子シミュレーションにまたがっています。

Claude becomes the distribution layer

SandboxAQは5月にClaudeとの統合の概要を最初に示しましたが、その時点でAQPotencyはウェイトリストに載っていました。当時、触媒発見のためのモデルであるAQCat Adsorption SpinがClaudeを通じてアクセス可能な最初のSandboxAQ LQMでした。AQPotencyのリリースにより、そのロードマップの創薬部分が利用可能な製品になります。

MCPは、会話型インターフェースからSandboxAQのモデルを呼び出すために必要なカスタム統合作業の量を削減します。科学者は推論エンドポイントの周りにインフラを構築する代わりに、平易な英語でスクリーニングタスクを記述できます。このインターフェースは導入の摩擦を下げます。科学的価値は依然として基盤となるモデル、その訓練データ、およびその予測を確認するために用いられた実験作業の質に依存します。

同じ配布計画はGoogle Cloud Marketplaceにも拡張されます。SandboxAQは6月にAQPotencyが触媒モデルに続いてGoogleのマーケットプレイスに登場することを発表しました。Claudeとクラウドマーケットプレイスを通じた販売は、SandboxAQに、研究チームがすでに使用しているソフトウェア環境内へのアクセスを提供し、科学モデルベンダーがエンタープライズ導入を目指す際の実用的なルートを与えます。

Experimental evidence remains the test

SandboxAQはAQPotencyが8つの顧客プログラムで「実験的に検証された影響」を生み出したと述べていますが、同社はこれら8つのプログラムを特定しておらず、精度、較正、偽陽性、前向きヒット率を含むモデル全体のベンチマーク結果を公表していません。

今回のローンチにはパーキンソン病研究の事例が含まれます。Dario R. Alessi、University of DundeeのMRC Protein Phosphorylation Unitのディレクターは、SandboxAQのモデルが研究者により大きな生化学空間を探索させ、活性と選択性を改善するのに役立ったと述べました。Columbia UniversityのMailman School of Public HealthのGary W. Millerは、SandboxAQとの協力でドーパミンシグナルに関連する膜タンパク質SV2Cに対する選択的結合体を市販の分子ライブラリから同定したと述べました。

これらの協力は、モデルが実際の研究ワークフローに入っているという証拠を提供します。しかし、AQPotencyの全体的な性能を他のスクリーニングシステムと比較するのに十分な公開データは提供していません。

この区別は、計算上のヒットが実験室試験に耐えられずに失敗するケースが多数ある分野では重要です。2025年のバーチャルスクリーニングのレビューは、予測ヒットの量と実験的検証との間に持続的なギャップがあり、標準化された評価基準の欠如があることを見出しました。

AQPotencyはまた、競合他社が異なる方向から同じコストと構造のボトルネックに取り組んでいる市場にも参入しています。SchrodingerのVirtual Screening Web Service は3Dドッキングと機械学習を組み合わせ、10億を超える化合物ライブラリをスクリーニングし、結果を概ね1週間で提供すると宣伝しています。Isomorphic Labs は、IsoDDEシステムがアミノ酸配列から結合親和性を予測し潜在的な結合ポケットを特定できると述べており、構造不要というSandboxAQの訴求に近い位置付けです。

Hidary's broader quantitative AI bet

AQPotencyは、SandboxAQが2025年4月のSeries Eで4億5,000万ドル以上を調達した後に到来しました。これにより、Alphabetのスピンアウト以降の公表された資金は9億5,000万ドルを超えました。ラウンドの投資家にはGoogle、NVIDIA、BNP Paribas、Ray Dalio、Horizon Kineticsが含まれ、これまでの支援者であるEric Schmidt、Breyer Capital、T. Rowe Price、Paladin Capital、S32らと合流しました。

SandboxAQはまた、政府支援の産業研究にも深く関与しています。6月にRuntimeWireがSandboxAQが半導体材料に関する研究のために5億ドルのCHIPS研究開発賞を確保したと報じた、同契約の下で米国政府は少数株を受け取ることになっています。

今回の創薬ローンチは、同じ戦略の商業的側面を示しています。Hidaryは専門的な科学チームを集め、複数の産業にわたって独自の定量モデルを構築するのに十分な資本を調達しました。ClaudeとGoogle Cloudは、研究者がすでに知っているソフトウェア環境を置き換えることをSandboxAQに要求せずに配布チャネルを提供します。

AQPotencyの低いとされる推論コストと構造非依存の設計は、小規模な研究グループが検討できるターゲットや分子ライブラリの数を増やす可能性がある。導入は、ウェットラボでの検証に耐えうる結果次第だろう。創薬において、安価な予測が価値を持つのは、それによって研究者が購入する化合物の数を減らし、実施するアッセイの数を減らし、より良い出発点を見つけられる場合に限られる。