ドラッグリポジショニング
既存薬を再開発する、いわゆるドラッグリポジショニング。新薬開発の長期化やコスト高騰を受けて、この停滞感を打破する解決策として、ドラッグリポジショニングに対する注目度が高まっています。
ここではドラッグリポジショニングにおける課題と、ソリューションになりえるサービスを紹介します。
ドラッグリポジショニングとは？
ドラッグリポジショニング (Drug Repositioning)とは、既存の薬や、安全性は確認されたものの十分な効果が証明されず、開発中止となった薬剤などについて、新たな薬効を見いだし、別の疾患の治療薬として開発する方法のことです。
コロナ禍で、別の疾患の治療薬だった「レムデシビル」や「アビガン」などを新型コロナウイルス感染症の治療薬として転用したのは記憶に新しいところでしょう。
既存薬はすでに薬理学的な効果や安全性などが確認されているうえ、イチから創薬を行うよりもリスク・コストが低く、臨床試験の早期相を省略できるなど開発期間の大幅な短縮が可能というメリットがあります。
ドラッグリポジショニングの主な課題とは？
網羅的で多角的な評価・検証が難しい
ドラッグリポジショニングはこれまで、論文探索・分析等によって新規の薬理作用を持つと思われる候補薬剤を抽出し、それをウェットの基礎研究で検証するという方法がとられてきました。候補薬剤を絞り込む際は様々なデータベースを活用。当然ながらこうした作業は長い時間がかかるうえ、有望な候補薬剤がなかなか見つからないこともあります。
そもそも 膨大な論文情報やデータベースの情報を研究員個人が読み込むには限界があり、限られた情報の中では網羅的で多角的な評価・検証が難しくなります。
研究員の知識内での作業になってしまう
以前のドラッグリポジショニングは意図的ではなく、研究開発の過程で偶発的な発見によって行なれた例がいくつかあります。例えば「ラモセトロン」は制吐剤として開発されましたが、便秘の副作用があり、これを逆手にとって、下痢を伴う腸疾患の治療薬が開発されました。
近年で主流になりつつあるのは、科学的エビデンスにもとづく戦略的なドラッグリポジショニング。ただその一方で、化合物データ・臨床データ・学術論文など必要な医療データが大量かつ多様になり、情報の収集・分析がもはやヒトでは手に負えない状況になりつつあります。そこでAIを使った作業の効率化が図られるようになりました。
従来の人的アプローチの場合、論文を読み込んでターゲット選定を行なうため、どうしても研究員の知識内での作業となってしまいます。それがバイアスとなり、 本来なら存在しているはずの情報をキャッチアップできず、ドラッグリポジショニングの可能性を狭めてしまうという課題がありました。