レシピ②仮説生成
ここでは、創薬における仮説生成の課題を改めて整理。FRONTEOの創薬支援サービス「Drug Discovery AI Factory」で、どのように課題が解決できるのか、を当メディアを運営する「New-drug-discovery」編集チームがまとめました。
創薬における仮説生成の課題とは？
因果関係の考察や結果の解釈に時間がかかる
創薬の初期段階において、ミックス解析やリアルワールドデータの活用などにより標的候補を作り出すことはできても、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必要があります。この「仮説生成」が研究員の大きなネックになっています。
1年に1つの新薬を創出するためには、一般的に「年間で24.3分子が必要」だと言われています。24.3分子をただ作り出すだけでなく、それを裏付ける仮説も当然必要になり、膨大な論文情報やデータベースを参照しなければなりません。この仮説生成に時間を費やしてしまうケースが少なくありません。
FRONTEOの「Drug Discovery AI Factory」で
仮説生成はどう変わる？
「思いもよらない」ヒントが得られる
～「New-drug-discovery」編集チーム（Zenken）より～
FRONTEOが開発した論文探索AIシステム「KIBIT Amanogawa」なら、世界中の医学系論文を掲載するデータベースPubMedの膨大な論文情報から、検索したい情報を即座に抽出することが可能。
キーワードだけでなく、論文の内容に基づいて絞り込みを行い、関連する論文を位置情報としてマップ状にプロットしてくれるので、論文情報を視覚的かつ網羅的に把握した上で仮説を生成することができます。
気になる単語や注目遺伝子・疾患・症状などの関連性をチェックすることで、仮説生成のヒントを得たり、「なぜAとBのマッピングが近いんだろう？」という疑問から新たな気づきを得たりすることも可能です。
バイオロジストが仮説まで提案
検索したい情報に関連する単語について、一つひとつ辞書登録したり、データベースをアップデートしたりする必要がない点も魅力的。各製薬企業がこれまでに蓄積してきたデータを読み込ませることで、各企業独自のマップのカスタマイズも行えます。
さらに、AIによって抽出された情報や解析結果については、製薬企業で創薬開発に長年携わってきたバイオロジストやサイエンティストが裏付けを実施。ただ結果を提示するのではなく、企業の課題に合った仮説まで提案してくれるので、大幅な時間の短縮にもつながります。
仮説生成の課題解決なら…
仮説生成における「時間がかかりすぎる」「研究者のバイアスがかかる」「研究者の知見頼みになってしまう」といった課題を解決したいなら、AIの導入を積極的に検討するのがおすすめです。
特に、標的探索に強いAIを持つFRONTEOなら、課題を解決し、新たなアプローチを可能にしてくれます。
FRONTEOの公式HPでは、アプリケーションや解析方法の詳細について公開しているので、興味のある方はぜひチェックしてみてください。
引用元：FRONTEO公式HP
（https://a6ny5mfs.lp-essence.com/）
自然言語AI＋バイオロジストが課題を解決
FRONTEOの「Drug Discovery AI Factory」は、AIを活用して、創薬プロセスの効率化・高速化を支援するソリューションです。基礎研究・標的探索・仮説生成といった創薬の初期段階において、大手製薬企業出身のバイオロジストが自社開発の自然言語AI「KIBIT」を活用し、重複差分解析や２次元マッピング解析、ベクトル加算解析など独自の解析を実施。顧客のオーダーにあわせた標的分子・バイオマーカー・MoA・新たな適応症の提案などをスピーディーに行なってくれます。