創薬における AI
創薬における AI は機械学習を使用して分子の挙動を予測し、新しい化合物を設計し、実行可能な薬を見つけるまでに通常必要な年数と数十億の時間を短縮します。
概要
It is reshaping the slowest, riskiest part of pharma.
ディープダイブ
従来、新薬の市場投入には 10 ～ 15 年の歳月と 10 億ドル以上の時間がかかり、ほとんどの候補薬は失敗に終わりました。 AI はいくつかのボトルネックを攻撃します。標的の特定では、モデルはゲノミクスとタンパク質のデータをマイニングして、医薬品として価値のある疾患に関連するタンパク質を見つけます。ヒット発見では、生成モデルが望ましい特性を持つ新規分子を提案する一方、仮想スクリーニングでは研究室合成を行わずに何百万もの化合物をランク付けします。 DeepMind の AlphaFold は、2 億を超えるタンパク質の 3D 構造を予測し、かつては何年もの結晶構造解析が必要だった青写真を研究者に提供しました。 Insilico Medicine や Recursion などの企業は、AI が設計した分子を現在人体での臨床試験に使用しています。 AI はまた、毒性と ADME (吸収、分布、代謝、排泄) を早期に予測し、費用のかかる試験の前に悪い候補者を殺します。
技術的な洞察
分子は多くの場合、グラフ (ノードとしての原子、エッジとしての結合) として表現され、グラフ ニューラル ネットワークによって処理されるか、シーケンス モデルに供給される SMILES と呼ばれるテキスト文字列として処理されます。変分オートエンコーダーや拡散モデルなどの生成アプローチは、学習した化学空間で新しい構造をサンプリングし、結合親和性と薬物らしさを最適化します。 AlphaFold は、タンパク質データバンクで訓練された注意ベースの深層学習を使用して、アミノ酸鎖が機能を決定する 3D 形状にどのように折り畳まれるかを予測します。
戦略的影響
背景とルール
AI のアイデアが現実と接触しても生き残れるかどうかは、業界の状況によって決まります。
品質管理
ドメインの制約は、許容可能なエラー率と監視モデルに影響を与えます。
ビルドの選択
導入を成功させると、技術的能力と最前線のワークフローが連携します。
創薬における AI の未来
そのフロンティアは、AI が分子を提案し、ロボットがそれらを合成してテストし、その結果が数日以内にモデルを再トレーニングする閉ループの自動運転ラボです。研究室からのフィードバックによって調整された生成化学、AI 設計の抗体と RNA 治療薬、生物学全体で訓練された基礎モデルが期待されます。規制当局は、AI 由来の候補者向けのガイダンスを作成中です。厳しい試練は依然として臨床試験であり、生物学の複雑さが依然として予測を困難にしているため、AI の短期的な最大の勝利は、より迅速で、より安価で、より賢明な前臨床の意思決定です。
現実世界の実装
AlphaFold のオープン データベースを使用すると、世界中の研究者がタンパク質の予測 3D 構造を検索して医薬品設計の指針を得ることができます。
Insilico Medicine は、AI によって発見された特発性肺線維症の治療薬をヒトの臨床試験に進めました。
製薬チームは仮想スクリーニングを使用して数百万の候補分子をコンピューターでランク付けし、最も有望な分子のみを研究室でテストします。
AI 毒性モデルは、候補者が肝臓や心臓に害を及ぼすかどうかを予測し、動物実験の前に危険な化合物を排除します。
リスクとガードレール
規制要件により、強力なプロトタイプが無効になる可能性があります。
過去のデータには、特定のコミュニティに害を及ぼすバイアスがコード化されている可能性があります。
レガシー システムでは、統合のボトルネックや隠れたコストが発生する可能性があります。
実装ロードマップ
問題の枠組みから評価まで、各分野の専門家を巻き込みます。
起動前に監査証跡とドキュメントを設計します。
コンプライアンスと安全義務を早期に検証します。
明確な停止基準とロールバック基準を使用して、段階的にロールアウトします。
探検を続けましょう
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Drug Discovery quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
次のガイド
同形研究所の創薬
よくある質問
What is AI in Drug Discovery?
創薬における AI は機械学習を使用して分子の挙動を予測し、新しい化合物を設計し、実行可能な薬を見つけるまでに通常必要な年数と数十億の時間を短縮します。それは製薬業界の最も遅く、最もリスクの高い部分を再構築しようとしています。
DeepMind の AlphaFold は創薬を支援するために何を達成しましたか?
AlphaFold はディープラーニングを使用してタンパク質の 3D 構造を大規模に予測し、これまで何年も実験を要していた構造の青写真を研究者に提供しました。
機械学習モデルでは分子は一般的にどのように表現されるのでしょうか?
分子は本来、グラフ ニューラル ネットワークによって処理されるグラフ (原子 = ノード、結合 = エッジ) であるか、配列モデルの SMILES 文字列としてエンコードされます。
AI創薬における「バーチャルスクリーニング」とは何ですか?
仮想スクリーニングでは、モデルを使用して分子の膨大なライブラリをコンピュータでスコア付けするため、最上位の候補のみが研究室で作成およびテストされます。
ADME と毒性を早期に予測することがなぜそれほど価値があるのでしょうか?
吸収、代謝、毒性を早期に予測することで、コストのかかる動物および人体試験を行う前に不良候補者を殺傷し、時間と費用を節約できます。
新しい分子を設計するためにどの生成 AI 技術が使用されますか?
VAE や拡散モデルなどの生成モデルは、学習された化学空間から新しい構造をサンプリングし、目的の特性を最適化します。