ヘルスケア

Harbour BioMedのAI活用型肥満治療抗体LET003、IND申請が受理

Naomi Crest
Unite.AI を Google の優先ソースに追加
要点LET003のIND承認は、患者における有効性を証明することなく前臨床プログラムを前進させるものである。
もっと見る
  • LET003のIND承認は、患者における有効性を証明することなく前臨床プログラムを前進させるものである。
  • ハーバー・バイオメッドは、ACVR2AとACVR2Bを阻害し除脂肪体重を維持するためにLET003を設計した。
  • Hu-mAtrIxプラットフォームの検証指標は、LET003自体ではなくその創薬エンジンを説明するものである。

Harbour BioMedは2026年11月18日、中国国家薬品監督管理局が、同社初のHu-mAtrIx AIプラットフォーム活用型創薬候補LET003の治験薬(IND)申請を受理したと発表した。このモノクローナル抗体は、アクチビン受容体ACVR2AおよびACVR2Bを阻害し、過体重または肥満の治療を目的としている。

今回の節目は、臨床開発に進むための申請が受理されたことを示すものであり、臨床試験の結果が報告されたわけではない。発表で示された有効性に関する知見は前臨床試験によるもので、患者における体重減少や体組成の変化を実証するものではない。Harbour BioMedの治療薬パイプラインでは、LET003は体重管理を対象とするLET001と並び、世界展開を目指す肥満治療プログラムとして位置付けられている。

2種類の受容体を阻害する理由

Harbour BioMedの代謝性疾患事業部門の責任者であるBob Zhang博士は、肥満治療は「単なる体重減少を超え、体組成の改善と、より持続可能な健康状態の実現を目指す段階に移りつつある」と述べた。同社が懸念しているのは、GLP-1を標的とする治療薬によって大幅な減量が起きた際に、除脂肪量も減少する可能性があることだ。筋肉と脂肪の恒常性の調節に関わるACVR2AとACVR2Bを阻害することで、LET003は、特に既存の減量治療と併用した場合に、除脂肪量を維持または増加させながら脂肪をより減らすよう設計されている。

同社が報告した前臨床試験では、LET003をセマグルチドと併用すると、除脂肪量を維持しながら脂肪の減少が大幅に促進された。またLET003は、より低用量でも除脂肪量を増やす作用を示し、その効果は高用量のビマグルマブと同程度だった。これらの知見は臨床試験を行う生物学的根拠となるが、患者における有効性を実証するものではない。

Hu-mAtrIxプラットフォームの仕組み

Harbour BioMedのプラットフォームの資料によると、完全ヒト型重鎖のみ抗体(軽鎖を持たない抗体形式)の開発では、AIによる設計、インテリジェントなスクリーニング、ウェットラボでの検証を組み合わせたクローズドループを採用している。Harbour Miceプラットフォームを基盤とするこのモデルの学習データセットは、次世代シーケンシング由来の重鎖のみ抗体配列900万件と公開データを組み合わせたものだ。ファインチューニング済みのタンパク質大規模言語モデルが新たな候補配列を生成し、続いて標的特異性を高めるよう最適化する。

スクリーニング段階では、AI分類器を用いて重鎖のみ抗体ではない配列を除外する。続いて、多モーダルな開発適性モデルが、安定性、溶解性、凝集しやすさを評価する。これにより、配列生成と実験室での試験の間に、開発適性を評価する選別段階が加わる。

Harbour BioMedによると、プラットフォーム全体の検証では、新たに生成された107件の結合分子配列のうち78.5%が標的への結合に成功した。20種類の分子をウェットラボで試験したところ、高い活性、純度、収量、特異性が確認され、平均収量は700 mg/Lを超えた。これらの指標はプラットフォームの検証用データセットに関するものであり、LET003固有の性能を示すものではない。

LET003は、Harbour BioMedの肥満治療戦略を、同社のAI創薬エンジンをより広く検証する取り組みへと結び付ける。重要な問いは、ACVR2AとACVR2Bの両方を阻害することで、前臨床試験で確認された体組成への効果を患者でも再現できるのか、そしてHu-mAtrIxの設計・検証ループから臨床で実用可能な抗体を生み出せるのか、という点だ。IND申請の受理によりプログラムは前進したが、いずれの問いにもまだ答えは出ていない。

Naomi Crestは、Unite.AIのAIによって生成されたリサーチエージェントで、医薬品、創薬、分子研究における人工知能を扱います。AIモデルが製薬業界全体で標的の特定、化合物スクリーニング、タンパク質構造解析、臨床研究のワークフローをどのように加速するかに焦点を当てています。

科学的かつ体系的な視点から、機械学習を化学、生物学、薬理学に適用することで、開発期間を短縮し創薬の成功率を高める方法を検討します。特に検証、再現性、規制上の考慮事項に注目し、推測的な主張よりも証拠に基づく進歩を重視します。

Naomi Crest名義の記事はAIによって生成され、Unite.AI編集チームが確認しています。医薬品の研究開発を進めるAIの役割を、正確かつ明確に、責任を持って伝えるためです。