1. はじめに：AI創薬の現場を支えるADMET予測ツールの全体像
AI創薬の現場で「ADMET（吸収・分布・代謝・排泄・毒性）予測」は、候補化合物の生死を分ける最重要工程です。化合物を合成する前に、薬物動態と毒性を計算機で見極められれば、開発コストと時間を大幅に削減できます。
本記事では、AI創薬入門シリーズ第39〜49回で個別解説してきたSwissADMEからChempropまでの11ツールを、技術アーキテクチャ・予測項目数・適用シーンの観点から横断比較します。どのツールをいつ使えばよいか、用途別の選び方まで一気に整理します。
2. ADMET予測ツールを選ぶ3つの軸
11ツールの位置づけを掴むには、まず分類軸を押さえることが近道です。比較軸は以下の3点に集約されます。
- 予測項目の網羅性：物性のみか、毒性まで含むか、PKパラメータまで踏み込むか
- 利用形態：Webブラウザ完結型か、Python APIか、コマンドライン対応か
- 技術基盤：物理化学計算・QSAR・グラフ深層学習（GNN／D-MPNN）のいずれか
この3軸で各ツールを位置づけると、後述する用途別マッチングが直感的に理解できます。
3. Webベース総合ADMETツール4選
3.1. SwissADME：物性・吸収評価のスタンダード
スイス生物情報学研究所（SIB）が提供する無料Webツールで、登録不要・直感的なGUIが魅力です。BOILED-Eggモデルにより、TPSA（極性表面積）とWLOGP（親油性）から消化管吸収（HIA）と血液脳関門（BBB）透過性を一画面で可視化できます。
予測項目は約20種類。Lipinski、Ghose、Veberといった薬物らしさルール、PAINSフィルター、合成容易性スコアまで網羅し、創薬初心者の最初の一歩に最適です。
URL：http://www.swissadme.ch/
3.2. pkCSM：グラフベースシグネチャーで30項目を統合予測
豪州クイーンズランド大学のpkCSMは、分子内の原子間距離パターンをエンコードする「グラフベースシグネチャー」が特徴です。Caco2透過性、CYP450（CYP1A2／2C19／2C9／2D6／3A4）阻害、hERG、AMES変異原性など30項目超を統合的に予測します。Web UIから手軽に検証でき、研究現場での日常使いに向いています。
URL：http://biosig.lab.uq.edu.au/pkcsm/
3.3. ADMETlab 3.0：119項目を一括予測する最先端プラットフォーム
中南大学のADMETlab 3.0は、2024年にNucleic Acids Researchで発表された最新版で、業界最多クラスの119エンドポイントを誇ります。マルチタスクDMPNN（Directed Message Passing Neural Network）と分子記述子を組み合わせ、40万件超の高品質データで学習されています。
API経由のバッチ予測、不確実性評価、CSV出力にも対応し、製薬企業の大規模スクリーニングに直接組み込める実用性が魅力です。
URL：https://admetlab3.scbdd.com/
3.4. admetSAR：QSARベースで化合物最適化まで踏み込む
中国華東理工大学のadmetSAR 3.0は、50項目以上のADMET予測に加え、ADMETopt機能でリード化合物の構造最適化まで支援します。CASRNや類似性検索によるADME/Tプロファイリング、環境化学物質の毒性評価にも対応する点がユニークです。
URL：http://lmmd.ecust.edu.cn/admetsar3/
4. 毒性予測に強い2ツール：ProTox-IIとToxtree
4.1. ProTox-II：トキシコフォアで多面的に毒性を読む
ベルリン・シャリテ医科大学のProTox-IIは、急性毒性（LD50）、肝毒性、発がん性、免疫毒性、変異原性、Tox21経路まで網羅し、感度76%・特異度95%・精度75%の高性能を示します。タンパク質-リガンドファーマコフォアモデル（トキシコフォア）により、有害反応に関連するタンパク質ターゲットも提示してくれます。
URL：https://tox-new.charite.de/
4.2. Toxtree：構造アラートで毒性ハザードを解釈する
完全無料のオープンソースで、Cramer決定木、Verhaarスキーム、Ames変異原性アラート、Benigni/Bossa発がん性アラートなど18プラグインを搭載します。チオール基や芳香族アミンなど特定の構造アラートを根拠ごと提示するため、規制対応や安全性評価レポートの作成に有用です。
URL：http://toxtree.sourceforge.net/
5. 評価基盤と深層学習フレームワーク
5.1. TDC：22のADMETデータセットを標準化した評価基盤
ハーバード大学らが運営するTDC（Therapeutics Data Commons）は、Caco2、HIA、BBB、CYP阻害、hERG、Ames、DILIなど22のADMETデータセットを統一的に提供します。スキャフォールド分割と統一指標（AUROC、AUPRC、MAE、Spearman相関）により、機械学習モデルの公正比較を可能にしました。
ADMET-AIやDeep-PKなど主要な深層学習ツールはこのベンチマークで性能を検証しており、業界標準として定着しています。
5.2. DeepChem：ADMETタスクを統合した深層学習プラットフォーム
オープンソースのDeepChemは、MoleculeNetを通じてBBBP、ClinTox、Tox21、Toxcast、SIDER、Clearanceなど多数のADMET関連データセットを即座に利用できる形で提供します。GNN実装、フィンガープリント、SMILES、グラフ表現が揃い、カスタムモデル開発の出発点として最適です。
6. ディープラーニング系ADMETプラットフォーム3選
6.1. ADMET-AI：学習済みChempropモデルで即実務投入
スタンフォード大学発のADMET-AIは、TDCの41のADMETデータセットで学習されたChemprop-RDKitモデルを提供し、TDC ADMET Leaderboardで平均順位1位を獲得しています。次に高速なADMET Webサーバーと比較して45%高速で、大規模化学ライブラリの評価に最適です。
コマンドライン（admet_predict）、Python API（ADMETModel）、Webサーバー（admet_web）の3形態で利用でき、CI/CDパイプラインへの組込みも容易です。
GitHub：https://github.com/swansonk14/admet_ai
6.2. Deep-PK：PKパラメータ予測に特化した73項目プラットフォーム
豪州クイーンズランド大学のDeep-PKは、2024年Nucleic Acids Researchで発表されました。8吸収・5分布・13代謝・3排泄・35毒性、計64のADMET項目と9の一般特性、合計73項目を、449のグラフレベル特徴量を組み込んだD-MPNNで予測します。
クリアランス（CL）、分布容積（Vdss）、半減期（t1/2）など17の静脈内PKパラメータ予測に強みがあり、化合物最適化機能で誘導体100種を提案する点も実用的です。1分子あたりの予測時間は最大15分です。
URL：https://biosig.lab.uq.edu.au/deeppk/
6.3. Chemprop：D-MPNNで自前モデルを構築する汎用フレームワーク
MIT発のChempropは、結合（エッジ）間でメッセージをやり取りするD-MPNN（Directed Message Passing Neural Network）を実装した汎用深層学習パッケージです。ADMET-AIの基盤としても採用され、転移学習・ハイパーパラメータ最適化・不確実性評価（アンサンブル、平均分散推定、証拠的学習）まで揃います。
社内データで独自ADMETモデルを学習させたい場合、Chempropが第一選択肢になります。
7. 用途別おすすめツール早見表
立場ごとに最適な組み合わせを整理します。
- 初心者・初級研究者：SwissADME（物性）＋ProTox-II（毒性）の二刀流でWebブラウザ完結
- 実務・製薬企業の大規模スクリーニング：ADMETlab 3.0（API・119項目）またはADMET-AI（高速・実装容易）
- PKパラメータ重視のDMPK研究：Deep-PK（CL／Vd／t1/2予測の決定版）
- アカデミア研究者：pkCSM（手軽な統合予測）、TDC＋DeepChemでカスタム評価
- MLエンジニア・社内モデル構築：Chemprop（D-MPNN基盤）＋TDC（標準ベンチマーク）
実務では1ツールで完結させず、Web系で初期スクリーニング→DL系で精密予測→Toxtreeで構造アラート確認、というパイプラインが定石です。
| ツール名 | カテゴリー | 予測項目数 | 主要技術 | アクセス方法 | 対象ユーザー | 特化領域 |
|---|---|---|---|---|---|---|
| SwissADME | Webツール | 20+ | 物理化学計算／BOILED-Egg | Web | 初心者〜上級者 | 物性・吸収 |
| pkCSM | Webツール | 30+ | グラフベースシグネチャー | Web | 研究者 | ADMET統合 |
| ADMETlab 3.0 | Webツール | 119 | マルチタスクDMPNN＋記述子 | Web／API | 研究者〜企業 | 包括的ADMET |
| admetSAR 3.0 | Webツール | 50+ | QSAR＋ADMETopt | Web | 研究者 | ADMET最適化 |
| ProTox-II | Webツール | 10+ | トキシコフォア | Web | 毒性研究者 | 毒性予測 |
| Toxtree | オープンソース | 18プラグイン | 構造アラート／決定木 | ソフトウェア（Java） | 専門家 | 毒性ハザード |
| TDC | ベンチマーク | 22データセット | 標準化評価基盤 | Python（PyPI） | ML研究者 | 評価基盤 |
| DeepChem | フレームワーク | 複数 | 深層学習／MoleculeNet | Python | MLエンジニア | 統合解析 |
| ADMET-AI | プラットフォーム | 22（41学習） | Chemprop-RDKit | CLI／Python／Web | 実務ユーザー | 実務活用（TDC平均1位） |
| Deep-PK | プラットフォーム | 73 | D-MPNN（449特徴） | Web | PK研究者 | PK予測（CL／Vd／t1/2） |
| Chemprop | フレームワーク | 汎用 | D-MPNN | Python | MLエンジニア | カスタムモデル |
8. まとめ：11ツールを使い分けてAI創薬を加速する
ADMET予測ツールはWeb完結型から深層学習フレームワークまで多様化し、それぞれが得意領域を持っています。SwissADMEで物性の見当をつけ、ADMETlab 3.0やADMET-AIで119〜22項目を横串で評価し、Deep-PKでPKパラメータを精緻化、Toxtreeで毒性アラートの根拠を確認する。この役割分担が現代AI創薬のスタンダードです。
11ツールを目的別に使い分けることで、候補化合物の絞り込み速度と意思決定の質は確実に上がります。本ガイドを起点に、自分のプロジェクトに最適なADMETパイプラインを構築してみてください。
免責事項
本記事は、ADMET予測ツールに関する情報提供を目的として作成されたものです。記事の内容は、公開時点で入手可能な文献・情報に基づいていますが、技術の進歩や新たな知見により、情報が変更される場合があります。記事に記載されたソフトウェアの使用結果や、それに基づく研究成果について、筆者および本ブログは一切の責任を負わないものとします。実際の創薬研究や臨床応用にあたっては、必ず最新の文献・公式ドキュメントを確認し、専門家の助言を得てください。
本記事は生成AIを活用して作成しています。内容については十分に精査しておりますが、誤りが含まれる可能性があります。お気づきの点がございましたら、コメントにてご指摘いただけますと幸いです。
Amazonでこの関連書籍「薬物動態のイロハ」を見る