従来、新薬開発に必要な代謝安定性や経口吸収性などの化合物の特性予測において、学習モデルの作成には機械学習を活用した手法が用いられていますが、化合物に関する膨大な実験データの整理や、化学構造式の数値化が必要となっていました。
「SCIQUICK-DT」は、化学構造式における原子のつながり方の特徴をグラフ構造データとして「Deep Tensor」に学習させておくことにより、化学構造式を入力するだけで、代謝安定性や経口吸収性などを予測でき、それらの特性を引き出す重要な要因を判別することが可能になります。また、オプションのモデル構築サービスは、製薬会社が希望する評価項目に合わせて収集した化合物のデータを学習させることで、独自の学習モデルを構築することが可能です。
これにより、製薬会社は新薬開発の初期段階において精度高く実用性や安全性の評価が可能となるほか、求めたい化合物の特性に合わせて化学構造式をスムーズに改変（リデザイン）することが可能となります。
当社は「SCIQUICK-DT」の提供を通じて、新薬開発の早期化に貢献し、あらゆる人々のウェルビーイング（注1）な暮らしをサポートする「Healthy Living」の取り組みを推進していきます。
背景
新薬開発には、一般的に約15年の期間と数百億円から1千億円以上の研究開発費がかかると言われています（注2）。しかし、その研究の初期段階では、候補となる化合物をすべて合成することができず、その評価実験も実施できないため、新薬開発の後期になって特性や安全性の問題が露見し、臨床試験前のドロップアウトや、市場投入の断念を余儀なくされることがあります。そのため、製薬業界では開発の手戻りをなくし、開発期間の短縮や開発費用の削減に有効な手段として、AI活用の期待が高まっています。
しかし、機械学習の手法を用いて新薬の特性や安全性を事前に予測・評価する場合、過去の化合物の実験データを揃えたうえで、化学構造式を数値化する必要がありました。
この課題を解決するため、当社はこのたび、新薬開発の初期段階でその実用性や安全性を化学構造式だけで高精度に予測が可能な「SCIQUICK-DT」を提供開始します。
「SCIQUICK-DT」の特長
1. 化学構造式のみで新薬の実用性や安全性を予測可能
新薬の開発において重要な評価項目である代謝安定性および経口吸収性を学習モデルで評価する場合、従来は過去の関連する実験データを収集したうえで記述子計算（注3）を行ったのち、機械学習により学習モデルを構築する必要がありました。「SCIQUICK-DT」は、化合物の原子のつながり方における特徴をグラフ構造データとして学習可能な「Deep Tensor」によって、化学構造式のみで学習モデルを構築し、予測することが可能になります。これにより、新薬開発の初期段階で高精度かつ容易に代謝安定性および経口吸収性を予測できます。
また、オプションのモデル構築サービスにより、物理特性や毒性などお客様が希望する評価項目の化合物データを収集して学習させることで、お客様独自の学習モデルを構築することも可能です。
なお、「SCIQUICK-DT」の学習モデルは、当社が参画する「ライフ インテリジェンス コンソーシアム（LINC）」（以下、「LINC」）（注4）での成果に基づき作成し、LINCで作成したモデルと同等の高い予測精度を達成しています。
2. 当社独自のディープラーニング技術で説明可能な予測結果を提供
「Deep Tensor」は、化学構造式をSMILES（注5）などのテキストデータに変換せず、グラフ構造データとして取り込み、化合物の特徴量（どういった構造上の特徴が求めたい特性値に関係があるか）を自動生成し、学習結果から特性に影響する部分の構造を判別することができます。これにより、予測結果の判断基準となる箇所が容易に判別可能となり、新薬開発に不可欠な化合物デザインにおいて高精度なヒントを得ることができます。
本リリースの詳細は下記をご参照ください。
https://pr.fujitsu.com/jp/news/2021/09/2-1.html
概要： 富士通株式会社
詳細は http://jp.fujitsu.com/ をご覧ください。
Copyright 2021 JCN Newswire. All rights reserved. www.jcnnewswire.com Via JCN Newswire https://ift.tt/3tXPATt