薬剤探索の従来法であるハイスループットスクリーニング（HTS）は、商業的に利用可能な分子のごく一部しか評価できず、新しい治療応用の可能性が限られていました。しかし、人工知能（AI）や機械学習（ML）ツールの登場により、薬剤探索への効率的かつ効果的なアプローチが期待されています。AtomwiseのAIMS（人工知能分子スクリーン）イニシアチブからの最近の研究は、計算スクリーニングが小分子薬剤探索の初期段階において物理的HTSの代替手段として有効であることを示しています。
Atomwiseは、テクノロジーを活用した製薬会社であり、構造ベースの薬剤設計に深層学習技術を使用しています。彼らの独自のAI/MLプラットフォームであるAtomNetは、総数15クアッドリリオンを超える合成可能な化合物からなる化学ライブラリを検索することで仮想HTSアプローチを取っています。この手法により、AtomNetは新しい化学領域を探索し、潜在的なヒットを特定することが可能となります。
「AIはハイスループットスクリーニングの代替手段となる」と題された研究では、AtomNetが318の異なるターゲットに適用され、これらのターゲットは30カ国で250以上の学術研究所との協力によって特定されました。AtomNetは、318のターゲットのうち235に対して構造的に新規なヒットを成功裏に特定し、これは74％という驚異的な成功率を達成しています。これは、従来のHTS手法で達成される成功率（約50％と推定されている）を上回っています。
AtomwiseのCEOであるアブラハム・ハイフェッツ氏は、意義のある治療法を開発するために新しい化学領域に進出することの重要性を強調しています。臨床で治療を区別する能力は、患者に効果的な解決策を提供する上で極めて重要です。AtomNetの柔軟性により、さまざまなターゲットに対応でき、薬剤探索の強力なツールとなっています。AtomNetが特定したヒットは、がん学、感染症、神経学、免疫学、循環器疾患を含む主要治療分野にわたります。ターゲットタンパク質クラスの最も大きな割合は酵素（59％）であり、GPCR、トランスポーター、イオンチャンネル、DNA/RNA結合タンパク質がそれに続いています。
動静がある、AIMSイニシアティブからの注目すべきブレークスルーには、パーキンソン病治療の新しいターゲットであるMiro1の最初の還元剤の特定が含まれます。さらに、AtomNetは、固形および血液腫瘍に関連する難治性の脱ユビキチン化酵素ターゲット（OTUD7AおよびOTUD7B）の初の阻害剤を成功裏に発見しました。さらに、AtomNetは、がん学で確立されたターゲットであるCTLA-4に対する小分子阻害剤も特定しています。
ペンシルバニア大学のグレゴリー・ボウマン教授は、難しいターゲットについてヒットを見つけるAtomNetの成功の重要性を強調しています。彼は、通常の仮想スクリーニングプラットフォームはしばしば予測力に限界があると述べ、特にアロステリックやタンパク質間相互作用に対してです。しかし、AIMS研究では、AtomNetがこれらの難しい分野で高い成功率を示しています。
AtomNetの成功は、ターゲットごとのモデルからグローバルモデルへのユニークなパラダイムシフトに帰因されます。各タンパク質ターゲットごとに独立したMLモデルを構築する代わりに、AtomNetはプロテオームから幅広い分子データに事前トレーニングされています。このアプローチにより、利用可能なトレーニングデータに関係なく、異なるターゲット間での一般化能力が向上します。
Atomwiseは、AtomNetを使用して炎症性疾患市場に参入しています。同社は、AtomNetを介して発見された新規アロステリックTYK2阻害剤をリード候補として、今年中に治験申請を行うことを目指しています。このブレークスルーは、新しい革新的な療法の開発を加速させるAIの可能性を示しています。
### FAQ
高スループットスクリーニング（HTS）とは何ですか？
HTSは、薬剤探索で使用される方法で、潜在的な治療活性を持つ化合物を迅速に試験することができます。これにより、何千万という分子の特性を評価し、さらなる開発候補を特定することができます。
薬剤探索の人工知能（AI）とは何ですか？
薬剤探索の人工知能は、コンピューターアルゴリズムや機械学習技術を使用して大量のデータを分析し、潜在的な薬剤候補を特定することを指します。AIは、ターゲットの特定、仮想スクリーニング、およびリード化合物の最適化など、薬剤探索プロセスのさまざまな側面で研究者を支援できます。
AtomNetとは何ですか？
AtomNetは、Atomwiseが開発したAI/ML薬剤探索プラットフォームです。深層学習アルゴリズムを使用して、分子構造を分析し、特定のタンパク質ターゲットに対する潜在的な活性を予測します。AtomNetは膨大な分子データにトレーニングされており、さまざまなターゲットに対するヒットを特定することで高い成功率を示しています。
AtomNetは従来の高スループットスクリーニングとどう異なりますか？
AtomNetは、物理的な手法ではなく計算的アプローチであるため、伝統的な高スループットスクリーニング法と異なります。従来のHTSは実験室で化合物を物理的に試験するのに対し、AtomNetはAIおよびMLアルゴリズムを使用して巨大な化学ライブラリを仮想的にスクリーニングし、潜在的なヒットを特定します。この手法により、化学領域のより広い探索が可能となり、新しい治療候補を見つけ出す可能性があります。
製薬業界は、より効率的かつ効果的な薬剤探索手法を常に探しています。従来の高スループットスクリーニング（HTS）手法には制限がありますが、人工知能（AI）や機械学習（ML）ツールの出現により、より革新的なアプローチが可能となっています。
Atomwiseは、薬剤探索にAIとMLを活用する最前線にいます。彼らのAtomNetという独自のプラットフォームは、構造ベースの薬剤設計に深層学習技術を採用しています。AtomNetは、15クアッドリリオンを超える合成可能な化合物から成る化学ライブラリを検索することで仮想HTSアプローチを取っており、新しい化学領域を探索し、潜在的なヒットを特定することが可能です。
AtomwiseのAIMS（人工知能分子スクリーン）イニシアティブからの最近の研究は、計算スクリーニングが物理的HTSの代替手段として有効であることを示しています。この研究は、30カ国で250以上の学術研究所との協力によって特定された318の異なるターゲットにAtomNetを適用しました。この結果、318のターゲットのうち235に対して構造的に新規なヒットを成功裏に特定し、これは74％という驚異的な成功率を達成しています。これは、従来のHTS手法で達成される成功率（約50％と推定されている）を上回っています。
AtomNetの成功は、幅広いターゲットに対するヒットの特定において重要です。ヒットは、がん学、感染症、神経学、免疫学、循環器疾患を含むさまざまなタンパク質クラスや主要治療領域で発見されました。注目すべきブレークスルーには、パーキンソン病治療の新たなターゲットであるMiro1に対する最初の還元剤の特定が含まれます。さらに、AtomNetは、固形および血液腫瘍に関連する難治性の脱ユビキチン化酵素ターゲット（OTUD7AおよびOTUD7B）に対する最初の阻害剤を成功裏に発見しています。また、がん学における確立されたターゲットであるCTLA-4に対する小分子阻害剤も特定されています。
ペンシルバニア大学のグレゴリー・ボウマン教授は、難しいターゲットにヒットを見つけることでAtomNetの成功の重要性を強調しています。彼は、典型的なバーチャルスクリーニングプラットフォームは、特にアロステリックまたはタンパク質間相互作用に対して予測力が限られていることがあると述べています。しかし、AIMS研究は、AtomNetがこれらの困難な分野で高い成功率を示していることを示しています。
AtomNetの成功は、ターゲットごとのモデルからグローバルモデルへの独自のパラダイムシフトに起因しています。AtomNetは、各タンパク質ターゲットごとに別々のMLモデルを構築する代わりに、プロテオームから幅広い分子データで事前トレーニングされています。このアプローチにより、利用可能なトレーニングデータにかかわらず、異なるターゲット間での一般化能力が向上します。
Atomwiseは、炎症性疾患市場にAtomNetを導入しています。同社は、AtomNetで発見された新規アロステリックTYK2阻害剤をリード候補として、今年中に治験申請を目指しています。このブレークスルーは、新しい革新的な療法の開発を加速させるAIの可能性を示しています。
The source of the article is from the blog yanoticias.es