研究課題情報
課題管理番号
25ak0101199h0003
統合プロジェクト(三期)

医薬品プロジェクト

統合プロジェクト(二期)

医薬品プロジェクト<第二期>

事業名

創薬基盤推進研究事業

タグ(2025)

研究開発目的: 治療に関する研究

研究の性格: 医薬品開発<新規化合物>

研究モダリティ: 低分子医薬品<分子量<600>

開発フェーズ: 基礎

ICD-10大分類: 新生物<腫瘍>

対象疾患領域: がん ,  生活習慣病<免疫アレルギー疾患、腎疾患を含む>

補足確認: 治療

タグ(2024)

研究開発目的: 治療に関する研究

研究の性格: 医薬品開発<新規化合物>

研究モダリティ: 低分子医薬品<分子量<600>

開発フェーズ: 基礎

ICD-10大分類: 新生物<腫瘍>

対象疾患領域: がん ,  生活習慣病<免疫アレルギー疾患、腎疾患を含む>

補足確認: 治療

タグ(2023)

研究開発目的: 治療に関する研究

研究の性格: 医薬品開発<新規化合物>

研究モダリティ: 低分子医薬品<分子量<600>

開発フェーズ: 基礎

ICD-10大分類: 新生物<腫瘍>

対象疾患領域: がん ,  生活習慣病<免疫アレルギー疾患、腎疾患を含む>

特記的事項: DX<SaMD、AI、ICTを含む>

補足確認: 治療

代表研究機関
国立大学法人東京大学
研究代表者

(2025) 水野忠快, 国立大学法人東京大学, 大学院薬学系研究科 分子薬物動態学教室 助教

(2024) 水野忠快, 国立大学法人東京大学, 薬学系研究科分子薬物動態学教室 助教

(2023) 水野忠快, 国立大学法人東京大学, 薬学系研究科分子薬物動態学教室 助教

研究期間
2023年度 - 2025年度
課題への総配分額
39,000 千円
研究概要(2025)
化合物スクリーニングは低分子創薬の重要な要素である。中でもVirtual Screeningは有用性が広く認められている。一般にVirtual Screeningは現存する10の10乗個の化合物, ないしそれらに類似と推定される10の26乗個の化合物からなる空間を対象としており, 探索が既存構造に依存している。一方, 潜在的に存在しうる低分子化合物は10の60乗 個とされており, 現状の探索空間よりも極めて大きい。この潜在的化合物空間は, バイオ医薬品に匹敵する低分子医薬品シーズとなる未知構造の化合物を含む可能性があるが, そもそも潜在的に存在しうる化合物を具象化する方法論が存在しなかった。研究開発代表者は, これまでに一様乱数から化合物の構造を生成する独自の深層学習モデルを構築している。特定の対象を志向した一般的な深層学習モデルによる構造生成とは異なり, 本モデルは多様な構造の生成が可能であり, 既存構造に依存しない。以上より本研究では, 一様乱数から構造生成する独自の基盤技術を軸に, 10の60乗の潜在的化合物空間の探索を可能とする化合物スクリーニング系を樹立することを目的とする。
研究概要(2024)
化合物スクリーニングは低分子創薬の重要な要素である。中でもVirtual Screeningは有用性が広く認められている。一般にVirtual Screeningは現存する10の10乗個の化合物, ないしそれらに類似と推定される10の26乗個の化合物からなる空間を対象としており, 探索が既存構造に依存している。一方, 潜在的に存在しうる低分子化合物は10の60乗 個とされており, 現状の探索空間よりも極めて大きい。この潜在的化合物空間は, バイオ医薬品に匹敵する低分子医薬品シーズとなる未知構造の化合物を含む可能性があるが, そもそも潜在的に存在しうる化合物を具象化する方法論が存在しなかった。研究開発代表者は, これまでに一様乱数から化合物の構造を生成する独自の深層学習モデルを構築している。特定の対象を志向した一般的な深層学習モデルによる構造生成とは異なり, 本モデルは多様な構造の生成が可能であり, 既存構造に依存しない。以上より本研究では, 一様乱数から構造生成する独自の基盤技術を軸に, 10の60乗の潜在的化合物空間の探索を可能とする化合物スクリーニング系を樹立することを目的とする。
研究概要(2023)
化合物スクリーニングは低分子創薬の重要な要素である。中でもVirtual Screeningは有用性が広く認められている。一般にVirtual Screeningは現存する10の10乗個の化合物, ないしそれらに類似と推定される10の26乗個の化合物からなる空間を対象としており, 探索が既存構造に依存している。一方, 潜在的に存在しうる低分子化合物は10の60乗 個とされており, 現状の探索空間よりも極めて大きい。この潜在的化合物空間は, バイオ医薬品に匹敵する低分子医薬品シーズとなる未知構造の化合物を含む可能性があるが, そもそも潜在的に存在しうる化合物を具象化する方法論が存在しなかった。研究開発代表者は, これまでに一様乱数から化合物の構造を生成する独自の深層学習モデルを構築している。特定の対象を志向した一般的な深層学習モデルによる構造生成とは異なり, 本モデルは多様な構造の生成が可能であり, 既存構造に依存しない。以上より本研究では, 一様乱数から構造生成する独自の基盤技術を軸に, 10の60乗の潜在的化合物空間の探索を可能とする化合物スクリーニング系を樹立することを目的とする。
研究成果情報
2024
2023