ファームAIラボ

【第111回問279】トラスツズマブデルクステカン（ADC）｜「共有結合・DAR・能動的ターゲティング」で抗体薬物複合体を解剖する

この記事は、薬学部で長年教えた元大学教授の視点で、国試の問題が解けない理由を読者ごとに異なる階層構造（大学の生物薬剤学・DDS／高校化学・生物／中学理科）で捉え直すアプローチです。製剤設計シリーズ第4弾として、第9号（問 […]

1. はじめに：土台の次は「頼み方」を整える第2章では、フォルダ・ターミナル・Git（第4回）、権限管理（第5回）、データ保護（第6回）と、Claude Codeを安心して使い始めるための土台を整えました。第3章の最初

この記事は、薬学部で長年教えた元大学教授の視点で、国試の問題が解けない理由を読者ごとに異なる階層構造（大学の生物薬剤学・製剤設計／高校化学・生物／中学理科）で捉え直すアプローチです。製剤設計シリーズ第3弾として、第9号（

1. はじめに：AI創薬で「予測の確からしさ」を扱う AI創薬で扱う予測モデルは、活性値・ADMET特性・結合親和性などを数値で返してくれます。しかし、研究現場で本当に必要なのは「予測値そのもの」だけではなく、「その予測

はじめに：Claude Codeへの指示は「作業依頼書」第6回までで、フォルダ・ターミナル・Gitの基礎（第4回）、権限管理（第5回）、データ保護（第6回）という「事前準備と安全」の土台が整いました。第7回からは第3章

この記事は、薬学部で長年教えた元大学教授の視点で、国試の問題が解けない理由を読者ごとに異なる階層構造（大学薬剤学・高校化学／生物・中学理科）で捉え直すアプローチです。製剤設計シリーズ第2弾として、第9号（問281 アルプ

1. はじめに：実験設計をAIで支援する時代へ創薬研究では、1回の合成や活性評価に時間とコストがかかるため、限られた試行で最大の情報を得る「実験設計」の質が成果を左右します。条件パラメータが増えると全数探索は現実的では

はじめに：権限の枠組みの次は「何を渡さないか」第5回では、Claude Codeの権限モードとsettings.jsonを使って、AIにどこまで操作を許すかを設計する枠組みを整理しました。第6回となる本記事は、第2章（

この記事は、薬学部で長年教えた元大学教授の視点で、国試の問題が解けない理由を読者ごとに異なる階層構造（大学製剤設計学・高校化学・中学理科）で捉え直すアプローチです。製剤設計シリーズ第1弾として、薬物動態シリーズ（第3〜8

1. はじめに：勾配が取れない場面で活きる「もう一つの最適化」 AI創薬の機械学習モデルでは、勾配（パラメータに対する損失の傾き）を計算してパラメータを更新する勾配降下法が中心的な役割を担います。しかし、分子設計やシミュ