ターゲット探索（標的分子探索）
創薬ターゲットの探索（標的分子探索）には「新規性の高い標的が出せない」「研究者の知見・バイアスに左右されてしまう」「同じメカニズムの標的を同時に探索している」などの課題が指摘されています。
これらの課題に対して、AIを活用してどのように解決に導くのか。これまでのターゲット探索の課題を整理しつつ、ソリューションになりえるサービスをあわせて紹介します。
創薬ターゲット（創薬標的）探索とは？
そもそも創薬ターゲット探索・標的探索とは、疾患と関連する遺伝子やタンパク質を特定すること。病気の発症・進行に関わる因子、その病気を治療するために有効な分子などのことです。
これを正確に実施するためには膨大な論文や文献の情報を収集・整理したうえで、網羅的・多角的な評価・検証が不可欠になります。
その他、国内外のアカデミアなどグローバルな研究ネットワークを活用したり、遺伝子解析やタンパク質の構造を解析したり、細胞や動物実験を行うなど、さまざまな手法を用います。
創薬ターゲット（創薬標的）
探索の主な課題とは？
選定効率が悪い
従来、創薬ターゲットの探索は、さまざまなデータから薬の候補となる化合物に見当を付け、事前にスクリーニング（絞り込み）を行った上で、一つひとつについて実験し、効果を検証していました。
しかし、膨大にある情報の中からターゲットを探索するのは非常に困難な作業。作業量にも限界があるうえ、属人的なアプローチとなるリスクがあるからです。しかも、製薬企業の中でも、同じメカニズムの標的分子の研究を進める“二重コスト”が発生してしまうことも少なくありません。
標的分子の「量」が足りない
1年に1つの新薬を創出するためには、「年間で24.3分子が必要」だと言われています。
「年間24.3分子」とはつまり、1か月に2分子、2週間に1分子を作り出さなければいけません。これを出すためにはさらに膨大な標的分子が必要になります。 ただ候補を出すだけでなく、標的を精査しつつ因果関係の考察、解釈を証明する論拠など、必ず必要になってきます。
オミックス解析やリアルワールドデータの活用などで標的は作り出せても、因果関係の考察、分子機能や分子間作用を科学論文等から解釈するなど、仮説生成が必要になります。この「仮説生成」が創薬フェーズの初期段階で大きなネックになっているのは間違いありません。仮説生成に必要な情報も日々更新・追加されていくため、もはやヒトの手には負えない状況になりつつあります。AIなどのテクノロジーの導入・活用なくして、「年間24.3分子」を継続的に創出することは非常に困難と言えるでしょう。