特許ウォッチ

公開番号2025159843
公報種別公開特許公報(A)
公開日2025-10-22
出願番号2024062646
出願日2024-04-09
発明の名称化合物の薬効の予測方法
出願人国立大学法人岡山大学
代理人弁理士法人三枝国際特許事務所
主分類G16H 70/40 20180101AFI20251015BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】生物界に存在するすべての分子に対する薬効予測が可能であり、さらに既存薬が存在しない疾患に対する薬効予測も可能である化合物の薬効の予測方法及び装置を提供する。
【解決手段】化合物の薬効の予測方法であって、薬効の予測対象化合物群と生体内タンパク質群との結合親和性プロファイルである第1の結合親和性プロファイルを作成する工程S2と、作成した第1の結合親和性プロファイル及び薬効情報が存在する化合物群と生体内タンパク質群との結合親和性プロファイルである第2の結合親和性プロファイルに基づき、予測対象化合物群の薬効を予測する工程S5と、を含む。
【選択図】図1
特許請求の範囲【請求項１】
化合物の薬効の予測方法であって、
（１）薬効の予測対象化合物群と生体内タンパク質群との結合親和性プロファイル（第１の結合親和性プロファイル）を作成する工程、及び
（２）工程（１）で作成した第１の結合親和性プロファイル、及び薬効情報が存在する化合物群と生体内タンパク質群との結合親和性プロファイル（第２の結合親和性プロファイル）に基づき、予測対象化合物群の薬効を予測する工程
を含む方法。
続きを表示（約 1,000 文字）【請求項２】
化合物の薬効の予測方法であって、
（１）薬効の予測対象化合物群と生体内タンパク質群との結合親和性プロファイル（第１の結合親和性プロファイル）を作成する工程、
（１’）薬効情報が存在する化合物群と生体内タンパク質群との結合親和性プロファイル（第２の結合親和性プロファイル）を作成する工程、及び
（２）工程（１）及び（１’）で作成した第１及び第２の結合親和性プロファイルに基づき、予測対象化合物群の薬効を予測する工程
を含む方法。
【請求項３】
前記工程（１）及び（１’）において、ドッキングシミュレーションにより化合物群とタンパク質群の結合親和性プロファイルを作成する、請求項１又は２に記載の方法。
【請求項４】
前記工程（２）において、結合親和性プロファイルをパスウェイ解析、類似度検索、又は統計学的手法及び機械学習に適用することにより、第１及び第２の結合親和性プロファイルの類似度に基づいて、予測対象化合物群の薬効の予測を行う、請求項１又は２に記載の方法。
【請求項５】
前記工程（２）において、結合親和性プロファイルを統計学的手法及び機械学習に適用することにより、第１及び第２の結合親和性プロファイルの類似度に基づいて、予測対象化合物群の薬効の予測を行う、請求項１又は２に記載の方法。
【請求項６】
前記統計学的手法及び機械学習が深層学習である、請求項５に記載の方法。
【請求項７】
（３）特定の疾患について薬効情報が存在する化合物群の結合親和性プロファイルに対する類似度が高い予測対象化合物群中の化合物を、前記特定の疾患について薬効を有する候補化合物として選択する工程
を更に含む、請求項１又は２に記載の方法。
【請求項８】
前記工程（１）で使用する生体内タンパク質群と前記工程（１’）で使用する生体内タンパク質群とが同一である、請求項２に記載の方法。
【請求項９】
前記工程（１）及び（１’）で使用する生体内タンパク質群が５０００種以上である、請求項１又は２に記載の方法。
【請求項１０】
前記薬効情報が存在する化合物群として、薬効が既知である化合物群を使用する、請求項１又は２に記載の方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、化合物の薬効の予測方法、化合物の薬効を予測する装置及びプログラムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
近年多くの薬が開発されてきているが、有効な治療手段が無い希少・難治性疾患は未だに多く、それらの疾患に対する新規治療薬の開発が強く望まれている。しかしながら、低分子化合物などの従来の医療モダリティによる新薬開発は低迷しており、新薬を一個開発するのに膨大な時間とコストがかかることが問題とされている。その打開策として、新しい創薬モダリティ（抗体医薬、組換えタンパク質、細胞治療など）による新規医薬品の開発が注目されている。
【０００３】
新規創薬モダリティの探索方法としては、過去の実施例や既存のメカニズム、構造類似性等による推測結果をもとにした実験的探索方法が主に用いられてきた。しかし、実験的に確証を行えるペアリング数の限界があり、網羅的な創薬モダリティ探索を行うためには、計算機的手法による薬効予測手法の開発が必要不可欠である。
【０００４】
このように、従来の技術では実験的に確証を行えるペアリング数が限られている。また、計算機により薬効の予測を行うためには、薬理作用情報が一定数必要となる。しかしながら、新規創薬モダリティは開発段階のものが多く、薬理作用などの既知情報が少ないため、計算機的手法を適用することが難しい。このような問題に対する新たな計算機的手法に関して、本発明者らは、非特許文献１及び２で報告を行っている。
【０００５】
非特許文献１では、大規模な化合物－タンパク質インターラクトームデータを用いて、系統的な薬物リポジショニングのための潜在的な創薬標的及び新薬適応症を予測するための新しい計算手法を開発したこと、薬剤のターゲットプロファイルをもとに、様々な分子的特徴を持つ幅広い疾患に対する新薬適応症を予測するための統計モデルを構築したことが報告されている。
【０００６】
非特許文献２では、潜在的な化合物－タンパク質相互作用（ＣＰＩ）の包括的な予測と機械学習を統合することにより、化合物による副作用を予測し、その根底にあるメカニズムを高い汎用性で推定するための新しいインシリコ（ｉｎｓｉｌｉｃｏ）モデルを構築したこと、交差検証実験では、提案されたＣＰＩベースのモデルが、従来の化合物分子構造ベースのモデルよりも高い、又は同等の性能を持つことが示されたことが報告されている。
【先行技術文献】
【非特許文献】
【０００７】
J Chem Inf Model. 2015 Dec 28;55(12):2717-30
J Toxicol Sci. 2020;45(3):137-149
【発明の概要】
【発明が解決しようとする課題】
【０００８】
本開示は、化合物の薬効の予測方法を提供することを目的とする。
【課題を解決するための手段】
【０００９】
本発明者らは、上記目的を達成すべく鋭意研究を重ねた結果、薬効がわかっている薬剤と生体内タンパク質との結合親和性プロファイルと、薬効が未知の化合物と生体内タンパク質との結合親和性プロファイルとをそれぞれ作成し、これらを統合し、深層学習モデルを利用することで薬効を予想することができるという知見を得た。
【００１０】
本開示は、これら知見に基づき、更に検討を重ねて完成されたものであり、本開示は例えば以下の項に記載の主題を包含する。
（【００１１】以降は省略されています）

関連特許