Drug Discovery AI Factory
AI「KIBIT」、
「自然言語」、
「創薬研究者」
が創薬の起点となる
「仮説」を生み出す
自社開発AI「KIBIT」を活用し、疾患関連性の高い未報告の標的分子を発見
独自の解析手法で成功確度の高い標的分子を抽出
遺伝子ネットワークを作成し、未報告の標的分子に関する仮説を生成
KIBITは、非連続的発見という新しいアプローチによって、“未報告”、つまり論文に記載されていない関連性を発見する、自社開発の自然言語処理AIエンジンです。Drug Discovery AI Factoryでは、KIBITを活用し、疾患に関連する遺伝子・分子のつながりを解析したネットワークを構築します。その際、疾患との関連性が未報告の標的分子をも予測します。このネットワークをベースに、革新的な解析手法「Drug Discovery Best Known Method(DD-BKM)」を活用し、新薬の成功確度の高い標的分子に絞り込みます。
例:疾患Aの遺伝子ネットワーク
:疾患Aとの関連性が高く、その関連性が論文に記載されていない標的分子
遺伝子B・遺伝子Cともに
疾患Aとの関連は報告されていない
:疾患Aとの関連性が高く、その関連性が論文に記載されていない標的分子から成功確度の高い標的分子を抽出
解析例
注目する遺伝子を仮想的にノックアウト(KO)し、パスウェイがどのように変化するかをシミュレーションします。
例えば下図では、遺伝子Bを仮想的にKOしても、遺伝子Dに置換されるだけでネットワークへの影響はほぼない一方で、遺伝子Cをノックアウトした場合にはネットワークが大きく変化し、遺伝子Cが疾患に影響を及ぼす遺伝子であることが推測されます。
解析対象の論文データはPubMedが中心で、Springer Natureの論文データをオプションで加えることができます。
FRONTEOの創薬支援サービスは、論文情報から新規性の高い標的分子を抽出してくるところに特徴があります。
拡張機能
KIBITの解析対象となる遺伝子数が増加することで、
より新規性の高い標的分子を発見することができます
アブストラクトで報告されるまでのタイムラグを埋め、
平均5年早く標的分子を発見することを可能にします
KIBITは、非連続的発見という新しいアプローチによって、“未報告”、つまり論文に記載されていない関連性を発見する、自社開発の自然言語処理AIエンジンです。Drug Discovery AI Factoryでは、KIBITを活用し、疾患に関連する遺伝子・分子のつながりを解析したネットワークを構築します。その際、疾患との関連性が未報告の標的分子をも予測します。このネットワークをベースに、革新的な解析手法「Drug Discovery Best Known Method(DD-BKM)」を活用し、新薬の成功確度の高い標的分子に絞り込みます。
新薬の開発を始めるための仮説は、
創薬研究で新しいアイデアや方向性を生み出すための仮説を生成し、持続的に供給します。