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ADMET特性の問題に起因しており、計算科学による事前予測の重要性はますます高まっています。こうした課題に対して、グラフベースの機械学習アプローチで包括的なADMET予測を実現するのが「pkCSM」です。
pkCSMは、メルボルン大学のDouglas E.V. Piresらが開発し、2015年にJournal of Medicinal Chemistry誌に発表された無料のADMET予測Webツールです。分子の構造をグラフ（原子をノード、結合をエッジ）として表現し、距離パターンに基づくシグネチャを特徴量として用いる独自のアプローチが特徴です。14の回帰モデルと16の分類モデル、合計28のモデルにより、薬物動態と毒性の両面を一括で予測できます。
本記事では、pkCSMの技術的な仕組み、予測可能なADMET特性、使い方、予測精度、そして他のADMETツールとの比較までを詳しく解説します。この記事を読むことで、以下の内容が理解できます。
・pkCSMのグラフベースシグネチャによるADMET予測の仕組み
・28のモデルが予測する吸収・分布・代謝・排泄・毒性の各特性
・SMILES入力からバッチ予測までの実践的な使い方
・SwissADME・ADMETlab 3.0・admetSARとの精度比較と使い分け
・pkCSMが特に優れている予測エンドポイントとその活用法
AI創薬やADMET評価に関心のある研究者・薬剤師の方にとって、pkCSMを創薬ワークフローに組み込むための実践ガイドとなれば幸いです。
2. pkCSMとは？グラフベースシグネチャでADMETを予測するAI創薬ツール
pkCSM（predicting pharmacokinetic properties using graph-based Cutoff Scanning Matrices）は、メルボルン大学（University of Melbourne）およびケンブリッジ大学（University of Cambridge）のDouglas E.V. Pires、Tom L. Blundell、David B. Ascherらが開発した、低分子化合物の薬物動態・毒性特性を予測する無料のWebベースプラットフォームです。2015年にJournal of Medicinal Chemistry誌に発表され（DOI: 10.1021/acs.jmedchem.5b00104）、3,500件以上の引用を受ける高い影響力を持つ論文として知られています。
pkCSMの最大の技術的特徴は、分子をグラフ構造として表現し、原子ペア間の距離パターンを「グラフベースシグネチャ」として抽出する点にあります。この手法は、従来のフィンガープリントや記述子ベースの手法とは異なり、分子の三次元的な薬理活性パターンを距離の関数としてエンコードします。この特徴量を用いて構築された予測モデルは、水溶性、Caco-2透過性、CYP450阻害、P-糖タンパク質阻害など多くのエンドポイントで既存手法と同等以上の性能を達成しています。
pkCSMはユーザーのデータを保持しない設計であり、セキュリティ面でも安心して利用できます。研究者は無料でWebブラウザからアクセスし、即座にADMET予測結果を得ることが可能です。
URL：https://biosig.lab.uq.edu.au/pkcsm/
3. pkCSMの28のADMET予測モデル：吸収から毒性まで包括的に評価
pkCSMは28のモデル（14回帰モデル + 16分類モデル）で構成され、ADMET特性を5つのカテゴリに分けて包括的に予測します。
3.1. 吸収（Absorption）
水溶性（Log S）、Caco-2細胞透過性、ヒト腸管吸収（HIA）、皮膚透過性（Log Kp）、P-糖タンパク質の基質・阻害判定を予測します。経口薬の開発では消化管からの吸収が不可欠であり、Caco-2透過性とHIAは最も重要な初期評価指標です。
3.2. 分布（Distribution）
血液脳関門（BBB）透過性（Log BB）、中枢神経系（CNS）透過性、VDss（定常状態分布容積）、血漿タンパク結合率（Fu）を予測します。BBB透過性はCNS薬の開発に不可欠であり、VDssとFuは適切な用量設定に直結する重要な指標です。
3.3. 代謝（Metabolism）
5種類の主要CYP450アイソザイム（CYP2D6、CYP3A4、CYP1A2、CYP2C19、CYP2C9）の基質判定と阻害予測を行います。CYP450は薬物代謝の約75%を担う酵素群であり、その阻害や基質としての性質は薬物相互作用リスクの評価に直結します。
3.4. 排泄（Excretion）
トータルクリアランスと腎OCT2基質判定を予測します。クリアランスは薬物の体内からの除去速度を示す指標であり、適切な投与間隔の設定に重要です。
3.5. 毒性（Toxicity）
AMES毒性（変異原性）、最大耐量（MRTD）、hERGチャネル阻害（心毒性リスク）、経口急性毒性（LD50）、肝毒性、皮膚感作性を予測します。特にhERGチャネル阻害はQT延長症候群のリスク評価に不可欠であり、創薬プロセスの早期段階で確認すべき重要な毒性指標です。
4. pkCSMの使い方：SMILES入力からADMET予測結果の取得まで
pkCSMの使い方は非常にシンプルです。Webブラウザでhttps://biosig.lab.uq.edu.au/pkcsm/にアクセスし、SMILES形式で化合物を入力するだけで、全28モデルのADMET予測結果が即座に表示されます。
入力方法は、1分子ずつ個別に入力する方法と、複数のSMILESをリストとして一括入力するバッチ処理の2通りです。結果は各ADMET特性ごとに数値（回帰モデル）またはYes/No（分類モデル）で表示され、CSVファイルとしてダウンロードも可能です。
pkCSMのヘルプページでは、各予測特性の定義、使用されたトレーニングデータセット、予測モデルの精度（R²値やMCC値）が詳細に開示されており、予測結果の解釈に役立ちます。
5. pkCSMの予測精度：グラフベースシグネチャの強みが発揮されるエンドポイント
pkCSMの予測精度は、原論文（Pires et al., 2015）および複数の独立した比較研究で検証されています。
pkCSMが特に優れた性能を示すエンドポイントとして、水溶性（Log S）、Caco-2透過性、CYP450阻害（CYP1A2, CYP2C9, CYP2C19）、P-糖タンパク質阻害、ラット急性毒性が報告されています。これらのエンドポイントでは、既存の比較ツールと同等かそれ以上の精度を達成しました。
一方、2023年のMolecules誌に掲載された無料ADMETツールの包括的比較研究では、ADMETlab 3.0が全体的に最も高い精度を示し、pkCSMはエンドポイントによって性能にばらつきがあることが報告されています。特に、血漿タンパク結合率や消化管吸収（Fraction Absorbed）の予測では、ADMETlabが優位とされています。ただし、pkCSMはグラフベースシグネチャという独自のアプローチにより、特定の化学構造クラスに対して他のツールにはない予測力を発揮する場面があります。
6. pkCSMと他のADMET予測ツールの比較：最適な使い分け
pkCSMは無料ADMET予測ツールの中で独自のポジションを占めています。主要なツールとの比較を整理します。
・SwissADME：BOILED-Eggモデルによる消化管吸収・BBB透過の直感的な視覚化が最大の強み。ドラッグライクネス評価も充実。ただし、毒性予測はpkCSMの方が包括的です。
・ADMETlab 3.0：119のエンドポイントを予測可能で、最も網羅性が高い。API機能やバッチ処理も充実。全体的な精度ではpkCSMを上回る傾向がありますが、セットアップがやや複雑です。
・admetSAR 3.0：分子最適化モジュール（ADMETopt）を搭載し、予測だけでなく構造改善の提案が可能。pkCSMは評価に特化しています。
・Deep-PK：pkCSMの後継として同じ研究グループが開発した深層学習ベースのツール。pkCSMのグラフベースシグネチャをさらに進化させたモデルです。
実務的には、pkCSMとSwissADMEを初期スクリーニングの相補的なツールとして併用し、有望な化合物に対してADMETlab 3.0で詳細な評価を追加するという段階的アプローチが効果的です。pkCSMの毒性予測（AMES、hERG、肝毒性）は特に実用的であり、SwissADMEにはない重要な情報を提供します。
7. pkCSMの実践的な活用シーン：創薬ワークフローへの組み込み方
pkCSMは以下のような創薬ワークフローで特に有効です。
・バーチャルスクリーニング後のフィルタリング：ドッキングスクリーニングで得られたヒット化合物のADMET特性を一括評価し、不適格な候補を早期に除外します。
・リード最適化の指針：代謝安定性やBBB透過性が不十分なリード化合物に対して、改善すべき特性を定量的に把握できます。
・毒性リスクの早期評価：hERGチャネル阻害やAMES毒性の予測により、開発後期での毒性問題による脱落リスクを低減します。
・天然物・既存薬のリポジショニング評価：天然化合物や既承認薬の新規適応を検討する際のADMETプロファイリングに活用できます。
8. まとめ：pkCSMがAI創薬のADMET評価にもたらす価値
本記事では、グラフベースシグネチャによるADMET予測ツール「pkCSM」について、技術的な仕組み、28のモデルが予測する特性、使い方、予測精度、そして他ツールとの比較を解説しました。
pkCSMがAI創薬研究者にとって価値ある理由は、第一にグラフベースシグネチャという独自の分子表現によるADMET予測、第二に吸収・分布・代謝・排泄・毒性の5カテゴリ28モデルによる包括的な一括評価、第三にSMILES入力だけで即座に結果が得られる手軽さと無料のアクセス性です。特に毒性予測（AMES、hERG、肝毒性）はSwissADMEにはない重要な機能であり、pkCSMならではの強みです。
ただし、エンドポイントによって精度にばらつきがあるため、ADMETlab 3.0やSwissADMEとの併用が推奨されます。創薬研究者の方は、ぜひpkCSMをADMET評価の定番ツールの1つとして日常的に活用してみてください。
参考文献
・Pires DEV, Blundell TL, Ascher DB. pkCSM: Predicting Small-Molecule Pharmacokinetic and Toxicity Properties Using Graph-Based Signatures. J Med Chem. 2015, 58(9):4066-4072：https://pubs.acs.org/doi/10.1021/acs.jmedchem.5b00104
・pkCSM公式サイト：https://biosig.lab.uq.edu.au/pkcsm/
・Evaluation of Free Online ADMET Tools for Academic or Small Biotech Environments. Molecules 2023：https://pmc.ncbi.nlm.nih.gov/articles/PMC9864198/
免責事項
本記事は、AI創薬における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