PKSHA Technology、大手製薬企業と協働し創薬プロセスを短縮する新たなAIソリューションを開発

新薬を生み出すための創薬プロセスは、新規物質の有効性や安全性の研究や臨床試験等多くのステップが必要とされるため、10〜15年かかることが通常とされ、その短縮は重要なテーマとなっているという。今回、PKSHA ReSearchが研究開発を行うにあたり、創薬プロセスの中でも初期フェーズに位置し、治験成績に大きく影響する「薬物動態」にフォーカスした。薬物動態とは、薬物が身体でどのような変化を経てどのような効果を発揮するかを意味し、膨大なコストがかかる実験前にこの予測精度を向上させる事で、創薬コストの削減と、上市までの時間短縮が見込めるとして研究開発が開始されたとのことだ。

大手製薬企業の協力のもと、13万種類の化合物ライブラリデータを教師データとし、2021年4月より、薬物動態を予測するための研究開発が開始された。化合物を体内に摂取した際の、吸収・分布・代謝・排泄、および毒性からその化合物が薬となり得るかを左右する「ADMET」と呼ばれる物性群を、もの同士の可変で複雑な関係性を学習可能なアーキテクチャであるグラフニューラルネットワーク（GNN）という手法を用いて学習する独自のモデルを用いている。化合物同士の複雑な関係性を独自のアルゴリズムを活用する事で、薬物動態の予測及び創薬プロセスの短縮に成功。薬物動態のAIによる予測は過去にも検討されていたが、推定要因がブラックボックス化せず、予測に寄与する化合物内の部分構造を明示できる事例は日本の医薬品業界でも新しいとのことだ。