Project/Area Number |
19K16436
|
Research Category |
Grant-in-Aid for Early-Career Scientists
|
Allocation Type | Multi-year Fund |
Review Section |
Basic Section 47060:Clinical pharmacy-related
|
Research Institution | National Institutes of Biomedical Innovation, Health and Nutrition |
Principal Investigator |
Reiko Watanabe 国立研究開発法人医薬基盤・健康・栄養研究所, 医薬基盤研究所 AI健康・医薬研究センター, プロジェクト研究員 (30727326)
|
Project Period (FY) |
2019-04-01 – 2022-03-31
|
Project Status |
Completed (Fiscal Year 2021)
|
Budget Amount *help |
¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2021: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2020: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2019: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
Keywords | 薬物動態予測 / in silico / 機械学習 / 分布容積 / インシリコモデル / 薬物動態パラメータ / 薬薬物動態 / 薬物動態 / 予測モデル / Vdss / インシリコ |
Outline of Research at the Start |
本研究では、AIを用いた機械学習及びディープラーニングを用いて、これまで構築した血漿タンパク結合率予測モデルやそのデータセットを利用することで、分布容積を高精度に予測できるモデルの構築・公開を目的とする。そのために、①大規模かつ質の高いデータ収集、②様々な予測方法における有効性の検討、③無償公開を行う。これまでに構築されたウェブインターフェースシステムに研究成果を統合することで、主要な薬物動態パラメータと共に予測可能な環境を整え、アカデミア創薬の成功率の向上に貢献したい。
|
Outline of Final Research Achievements |
The volume of distribution data were collected from multiple databases such as ChEMBL and curated to construct the data set containing 1314 compounds. Then, the distribution volume was predicted by a regression model using a machine learning method, and the prediction results in the test set were R2=0.63 and RMSE=0.40, showing accuracy equivalent to that of existing models. Furthermore, a comparison of the accuracy with and without the input of plasma protein binding values as descriptors was conducted, and it was shown that the prediction model showed equivalent accuracy regardless of the input of plasma protein binding values.
|
Academic Significance and Societal Importance of the Research Achievements |
分布容積は、薬がヒトに投薬されたときに示す挙動を知るうえで重要なパラメータの1つである。創薬の初期に構造情報から分布容積を予測することで、上市までにかかる時間の短縮・臨床段階での逸脱確率の減少などの効果が期待されており、近年急速に発展するin silicoによる薬物動態パラメータ予測は実用化が進んでいる。血漿タンパク結合率は分布容積に影響を及ぼすパラメータであり、スクリーニングにおいて比較的簡便に収集可能であることから、血漿タンパク結合率を利用して分布容積をより高精度に予測することが可能となれば、創薬の効率化に貢献することができる。
|