AI創薬 | ファーマAIラボ

Deep-PKとは？薬物動態（ADMET）予測の革新と医療への影響を解説

1. はじめに：薬物動態予測がAI創薬の成否を分ける時代新薬候補化合物が臨床試験で失敗する最大の要因の一つが、薬物動態（PK：Pharmacokinetics）と毒性の問題です。実験で全ての化合物を評価することは時間と […]

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 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

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

1. はじめに新薬候補化合物のADMET特性（吸収・分布・代謝・排泄・毒性）を早期に予測することは、創薬の成功率を高めるために不可欠です。しかし、ADMETは多様なエンドポイントから構成されており、それぞれを個別に評価

1. はじめに創薬研究において、候補化合物が体内でどのように吸収・分布・代謝・排泄され、どのような毒性を示すかを早期に予測することは、開発の成否を左右する極めて重要なプロセスです。臨床試験で脱落する化合物の多くはADM