pharmaailab | ファーマAIラボ

【第111回問334】食道がん術後TPN｜NPC/N比を「計算公式の暗記」で止めない解き方

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（大学薬学・高校・中学）で捉え直すアプローチです。これまでの解説では届きにくい「自分の現在地を見極めて必要な階層から学び […]

1. はじめに：AI創薬時代の一次スクリーニングを担うADMET-AI 近年、AI創薬の進展により、数百万から数億規模の化合物ライブラリを扱う「超大規模スクリーニング」が現実のものとなってきました。生成AIや高速ドッキン

１．はじめに AI創薬の現場では、分子物性予測・タンパク質-リガンド相互作用・ADMET評価など、多彩なタスクに対応できる深層学習フレームワークが求められています。そのなかで、機械学習の専門家でなくてもAIを活用した科学

１．はじめに 2026年4月23日、ブログ主は東京ビッグサイトで開催された「Pharma IT & Digital Health Expo 2026」に参加してきました。AI創薬やデジタルヘルスの最新動向を追いか

１．はじめに AI創薬の進歩が加速するなか、「どのAIモデルが本当に優れているのか」を公平に比較できる標準的なものさしが不可欠になっています。そのものさしとして世界中で利用されているのが、TDC（Therapeutics

1. はじめに AI創薬は、これまで10年以上・1,000億円以上を要した新薬開発を、劇的に効率化する技術として世界中で注目されています。2024年にはAlphaFold開発者のDemis Hassabis博士らにノーベ

１．はじめに医薬品や化学物質の安全性評価において、「なぜ毒性があるのか」を化学構造から説明できることは、研究者にとって非常に重要な情報です。機械学習ベースの毒性予測ツールが「毒性あり／なし」の結果を数値で示すのに対し、

１．はじめに新薬開発において、候補化合物の毒性を早期に評価することは安全性の確保に不可欠です。しかし、動物実験には倫理的・時間的・費用的な負担が大きく、初期段階から効率的に毒性リスクを絞り込むための計算科学的アプローチ

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（大学薬学・高校数学・中学数学）で捉え直すアプローチです。従来の解説では届きにくい「自分の現在地を見極めて必要な階層から

1. はじめに創薬研究において、候補化合物のADMET特性（吸収・分布・代謝・排泄・毒性）を早期に評価することは、開発の成功率を高めるために欠かせません。しかし、単にADMETを予測するだけでなく、その結果を踏まえて化