ＣＢＩ学会にて、「計算毒性学」研究会の設立が承認されました：The CBI society recognized establishment of the "computational toxicology" workshop.

　先日、ＣＢＩ学会の執行部会において、「計算毒性学(Computational Toxicology)」研究会の設立が承認されました事を報告いたします。

　これにより、学会の承認を得て「計算毒性学」を標榜しつつ活動する国内初の研究グループが結成されました。　今後は「計算毒性学」に興味を持つ多くの方々の支援を受けながら、日本に「計算毒性学」という新しい学問分野を築き上げてゆく段階に突入することになります。

　この研究会の特性上、「毒性」という言葉に関係する多くの方々に参加いただきたく考えます。　医農薬関連研究者の方々、様々な機能性および一般化合物の開発や製品評価に関連する研究者の方々、環境関連の生態毒性関連研究に携われている研究者の方々、動物愛護の観点から動物実験をせずにin vitroやインシリコで実験される化粧品関連の研究者の方々、バイオ関連で遺伝子情報と毒性との関係を研究されている方々、さらには化合物関連の規制関連当局に関与される方々と、多くの研究者に参加いただければと存じます。

　名称は「計算毒性学」ですが、この研究分野は一つの研究領域だけで構成されるものではなく、様々な研究内容や領域が交雑する典型的な境界領域研究です。　従いまして、コンピュータや毒性関連研究者のみならず、関連する様々な研究領域の方々の参加をお待ちいたします。　例えば、化学とコンピュータを結ぶ計算機化学（Computer Chemistry)や計算化学(Computational Chemistry)、毒性試験に関する様々なデータを扱うデータ解析、新規のin vitro実験開発を目指す研究、最新のhiPSC（人iPS細胞）を用いて実験をされている研究者の方々、遺伝子と毒性の関係を追及するトキシコゲノミクス、環境関連のハザードや評価関連の研究、さらにはアレルギーや副作用等の治療に従事される研究者の方々等です。　「毒性」に関連する領域は極めて広く、このように様々な研究バックグラウンドを持つ方々が忌憚なく意見交換が出来ることが、極めて重要と考えております。

　上記に書きましたように、様々な研究分野の研究者が集えて、相互に情報を交わし、討論が出来、わからないことや質問等を気軽にかわすことの出来る雰囲気を持った研究グループの構築を目指して頑張ります。

以上

文責：湯田　浩太郎

ＣＢＩ学会にて、「計算毒性学（Computational Toxicology)」研究会の立ち上げ提案を行ないました。

　２月２４日（月）のＣＢＩ研究会におきまして、時間をいただき「計算毒性学(Computational Toxicology)」研究会の立ち上げに関するアナウンスをさせていただきました。

　
 　昨今、化合物毒性に関する関心が急速に高まり、様々な理由からＷＥＴの実験だけで済んでいた昔と異なり、インシリコ（計算機）によるＤＲＹ実験に基づいた化合物毒性評価の重要性が増大しております。
 　医／農薬における副作用や毒性の無い薬物開発、一般生活環境中で使われる様々な機能性化合物の安全性や化合物規制の強化、環境毒性に関する化合物規制の強化、さらには動物愛護に基づいた化粧品関連開発での実験動物使用の禁止等により、インシリコ（コンピュータ）による毒性評価の重要性が高まってきています。　また、化合物規制当局の指針書にもインシリコ（コンピュータ）による毒性予測の取り込み等が推奨されるようになり、徐々に実験データ中心から、ドライ実験データも盛り込む等の流れが出てきています。

　上記変化から今後重要になると思われる、インシリコ（コンピュータ）による化合物毒性評価での基本技術が「計算毒性学（Computational Toxicology)」です。

　　残念ながら、日本においては「計算毒性学（Computational Toxicology)」を学ぶ、あるいは活動する場が殆どありません。　
　　一方で、化合物の安全性（毒性）が関与する分野は急速に広がり、またその重要性も急激に増大しております。　このように化合物毒性に関する社会的な要求が拡大しているなかで、現在の日本における「計算毒性学（Computational Toxicology)」に関する現状では、日本は世界の動きに取り残され、研究基盤も人材も育たない状況になるかと思います。

　「計算機性学（Computational Toxicology)」を実施するには、安全性（毒性）関連研究者とコンピュータ関連研究者の連携が必要です。　また、安全性（毒性）という観点より、研究者のみならず生産の現場や販売関連の方々も一緒に集い、情報交換できることが重要となります。

　今回の提案は、ＣＢＩ学会の研究会の一つとして「計算毒性学（Computational Toxicology)」を立ち上げ、この研究会を足場に研究分野や仕事の内容の異なる方々が集い、「計算毒性学（Computational Toxicology)」を学び、関連研究分野との連携や展開を議論できる場にしたいと考えます。

 　以下に、「計算毒性学（Computational Toxicology)」設立趣意書をアップさせていただきます。本件に関しましてご興味のある方は、趣意書内のメールアドレスにメールいただければ、本「計算毒性学（Computational Toxicology)」研究会の設立にご賛同いただいたものとして、登録させていただきます。

　「計算毒性学（Computational Toxicology)」設立趣意書

２０１４．２．２５
文責：湯田　浩太郎

　　インシリコデータが管理しておりましたインシリコスクリーニングブログは、ブログの名称を「楽しくて、失敗が無く、良く理解できるインシリコ毒性スクリーニング学習塾」とし、研究分野を超え、研究者や製造／販売等の多くの方々が気楽に参加でき、情報交換できる場を提供する新たなブログとして出発いたします。　

　　先のブログにおいて記述していました内容は新ブログにおいても役に立つ内容なので、参考情報として残します。　ご参照ください。

旧ブログ案内文：　　　本ブログではタイトルにも書きましたように、化学多変量解析/パターン認識（ケモメトリックス）による仮想（インシリコ）ADME/Tスクリーニングに関する情報をアップ致します。主たる議論や大まかな情報は（株）インシリコデータのホームページに掲載されています。従いまして、このブログではインシリコデータのホームページで扱うことが難しい、細かな内容を主として扱う予定です。
　　現在の薬理活性をターゲットとするインシリコスクリーニングはドッキングを基本技術として展開されています。従って、その基本原理から薬理活性以外の特性をターゲットにしたインシリコスクリーニングは実施できません。本ブログで議論する仮想（インシリコ）ADME/Tスクリーニングの基本技術は化学多変量解析/パターン認識（ケモメトリックス）です。従いまして、その適用範囲は薬理活性はもちろんのこと、ＡＤＭＥ、毒性（安全性）、物性等のスクリーニングも実施可能です。これにより、インシリコスクリーニングの基本が大きく変化し、拡大します。また、動物実験代替法としての適用や、化合物安全性規制等に対応したインシリコスクリーニング等への適用も期待されております。
　　多くの異なる分野の基礎知識を必要とする学際研究分野ですが、この基本技術をマスターすればさらなる応用が可能です。一例として機器スペクトル解析、法化学／法医学への展開、バイオ関連分野への展開等様々な分野への展開が実際に行われております。このブログを通じて、様々な研究分野で利用が出来、時代の変化に耐える研究技術の構築の一助になれば幸いです。

２０１３年を迎えて：What should be performed on near future after new year of 2013

　インシリコスクリーニングに関係する分野は急速に広がっています。当初は薬理活性中心で、コンビナトリアルケミストリー技術の発達や、仮想化合物の考えが普及する事で化合物ライブラリーの化合物数の増大とその対応を目指した展開が中心でした。その後、創薬におけるＡＤＭＥの大事さが注目されるに従い、薬理活性とＡＤＭＥを含めたスクリーニングの重要性が注目され、この流れは創薬の最終ゲートとされる毒性（安全性）を含めたインシリコＡＤＭＥ／Ｔスクリーニングとして展開されるようになりました。最近のＡＤＭＥに関する急速な研究展開により、ＡＤＭＥが原因でドロップアウトする確率は大きく減少し、現在は残るＴ（毒性）によるドロップアウトの回避が大きな問題となっています。

◆　インシリコＡＤＭＥ／Ｔスクリーニングに適用可能な手法
　薬理活性をターゲットとするインシリコスクリーニングは従来のＱＳＡＲ技術やドッキング等の技術をベースとして様々なアプローチが展開されています。しかし、薬理活性と同時にＡＤＭＥをターゲットとする場合、薬理活性データ解析のＱＳＡＲやドッキングの利用は基本原理上利用できないので、従来からＡＤＭＥ分野で行なわれてきたＰＫ(Pharmaco Kinetics)／ＰＤ(Pharmaco Dynamics)を
基本とした展開が必要となります。同様に、毒性（安全性）評価を行なう場合は薬理活性やＡＤＭＥの場合と異なる手法の利用が必要となります。毒性スクリーニングで展開可能な技術は化学多変量解析/パターン認識（ケモメトリックス）によるアプローチか、人工知能によるアプローチと限定されます。この二つのアプローチはＡＤＭＥスクリーニングにも原理上適用可能なものです。

◆　インシリコ薬理活性／ＡＤＭＥ／Ｔ／Ｐスクリーニングに適用可能な手法
　湯田は、創薬においては化合物に関する全ての特性（薬理活性／ＡＤＭＥ／Ｔ／Ｐ（物性））を同時に考慮しつつ行う事が大事であるという、「統合概念（Integrated concept)」を提唱してきました。この場合、化合物に関する全ての特性評価に共通で適用できる手法は化学多変量解析/パターン認識（ケモメトリックス）によるアプローチのみとなります。この観点から、２１世紀を主導する創薬手法展開において重要な基本技術は化学多変量解析/パターン認識（ケモメトリックス）となります。

◆　化学多変量解析/パターン認識（ケモメトリックス）によるインシリコスクリーニングの基本技術
　インシリコスクリーニングの最終目的は、その予測精度を如何にして高めるかです。この観点でみると、化学多変量解析/パターン認識（ケモメトリックス）を実施する時に予測性を向上するための主たる技術としては、以下に示す三つのグループに大きく分けることが出来ます。
　１．適用される多変量解析/パターン認識手法
　２．用いるパラメータの工夫
　３．予測を最大限にする全体としての工夫

◆　予測性向上に向けたインシリコデータの開発技術と対応
　先の１に関する答えとしてインシリコデータが開発したのが、「ＫＹ(K-stepYard sampling)法」です。
　薬理活性／ＡＤＭＥ／Ｔ／Ｐ（物性）とを予測の観点でみた場合、最も困難な予測が、Ｔ（毒性（安全性））に関するものです。これは毒性自体のメカニズムが不明で、予測対象化合物の構造変化性が極めて高い（どんな化合物でも予測する事が求められる）ためです。このような特殊な条件を克服し、良好な予測率を達成する事は、従来より提供されている汎用的なデータ解析手法をそのまま適用する事では殆ど解決不可能です。
　このようなことから毒性予測の予測率を少しでも向上する事を目的として開発された新規のデータ解析手法が、インシリコデータが開発した「ＫＹ法」です。この「ＫＹ法」により、分類率は常に１００％達成可能となりました。「ＫＹ法」は直接予測率を上げる手法ではありませんが、”予測率は決して分類率を上回ることはない”という基本原理に従えば、本命である予測率向上を目指す前に乗り越えるべき最初の関門である“分類率”を完全にクリアしたこととなります。

　先の２に対する答えとしては、現在様々なパラメータ創出技術やソフトウエアが存在しており、必要に応じて数千種類のパラメータを創出することは可能です。これらのパラメータを駆使し、適用するデータの内容に応じて最適なパラメータ群を選択する技術。あるいは、データ内容に応じた新規のパラメータを適宜開発する事でさらなる予測率向上に向けた技術が展開されます。

　最後の３に対する答えとしては、先にインシリコデータが特許化した「テーラーメードモデリング(Tailor made modeling)」の技術が大きな役割を果たすことになります。この「テーラーメードモデリング」により、化学特有の問題や特性を積極的に利用し、与えられたサンプルデータを用いて最大限の予測率を出す技術が確立します。この「テーラーメードモデリング」の基本である、予測対象化合物と似たサンプル群を取り出して解析母集団を構築し、予測のための予測モデルを作成するという技術は、予測率を確実に向上する事の出来る基本技術として、現在の多くのシステムで導入されています。　しかし、特許出願当時にこのような考えに従ってインシリコスクリーニングを行なうという事は殆ど検討されておりませんでした。

　以上のように、インシリコデータは化学多変量解析/パターン認識（ケモメトリックス）によるインシリコ薬理活性／ＡＤＭＥ／Ｔ／Ｐスクリーニングの予測率向上に必要な基本技術を多数開発してきました。またこれら多くの基本技術や関連技術が特許出願（ＪＰ／ＵＳＡ／ＥＵ）されており、続々と順に特許化（現在も審査進行中）されております。
　インシリコデータは今後とも「統合インシリコスクリーニング」に向けて、たゆまない改善努力を続け、この究極の形となる「一段階創薬（One step drug design)」目指して頑張ります。

「テーラーメードモデリング」の特許が日本で承認されました：About the "Tailor Made Modeling" patent

 

◆　「テーラーメードモデリング」の特許が日本で承認されました： The patent about "Tailor made modeling" was accepted in Japan

　　インシリコスクリーニングを実施する上で最も重要な予測精度を向上させるための基本技術となる「テーラーメードモデリング」が日本で特許として承認されました。　本特許は同時に米国およびＥＵにも出願されております。　特許化されるのも時間の問題と考えます。

　この「テーラーメードモデリング」は、最新かつ今後のインシリコスクリーニング技術の中核となる技術です。　「テーラーメードモデリング」の最大の特徴は、インシリコスクリーニングを実施する上で最も重要な指標である「予測率」を最大のものとすることです。
　本特許は、従来から実施されてきた多変量解析／パターン認識によるインシリコスクリーニングの流れや手順を１８０度変換する事で実現される、画期的な技術です。　これが特許として認められたことで、現在も日々進化し続け、ますますその重要性を増しているインシリコスクリーニングの効率向上が実現されます。　今後は、現在よりも極めて多数の化合物（含：仮想化合物）の高速スクリーニングが求められる時代となります。これに伴って、インシリコスクリーニングの予測率の大きさが極めて重要となります。　今回特許が認められた「テーラーメードモデリング」は、まさにこのような要求に答えることの可能な、次世代型インシリコスクリーニング手法となります。

◇　従来手法によるインシリコスクリーニングとの違いは何でしょうか

　従来からの多変量解析／パターン認識による予測では、予測を行うための判別関数や重回帰式をあらかじめ作成しておき、これを予測対象となる化合物に適用して予測するものでした。このために、予測に用いる判別関数薬理活性重回帰式は汎用的なものが作成され、どんな化合物であってもある程度の正確さで予測できるように設計されてきました。

　　しかし、ＨＴＳ技術やコンビナトリアルケミストリーの発展に伴い、サンプル化合物も急増し、かつ予測対象化合物も実化合物のみならず仮想的な化合物も研究対象となることで、急速にその予測対象化合物のサンプル数も増大してきました。例えば１００００化合物をインシリコ上でスクリーニングする場合、９０％の予測率があるとしても１０００化合物は予測間違いを起こしてしまう事になります。従来手法に頼っている限り、この９０％の予測レベルに到達する事すら極めて困難です。

　　従来手法による予測に限界があることは良く知られた事実でした。従って、その改良法として以下に示す三種類のアプローチが取られてきました。

１．予測の判別関数や重回帰式の作成に用いるパラメータの改良や新規に追加する
２．サンプル母集団の構成を工夫し、サンプル数を増やす
３．より高機能な多変量解析／パターン認識手法を採用する（例：線形分類から非線形分類へ）

　しかし、上記の様々な手法の改良や追加レベルでの機能改良では、従来のデータ解析の形という範疇から大きく離れておらず、結果として高い予測率を達成する事は出来ませんでした。
　このような局面を打開する究極の予測手法として「テーラーメードモデリング」が開発されました。

　　「テーラーメードモデリング」は従来から実施されてきた多変量解析／パターン認識による予測の流れを根本から変換します。

従来手法　＝＞　与えられたサンプルを用いて、あらかじめ予測
　　　　　　　　　　モデル（判別関数や重回帰式）を作成しておく。
　　　　　　　　　　これを用いて、予測対象サンプルの予測を行な　
　　　　　　　　　　う。

新手法（「テーラーメードモデリング」）　＝＞　
　　　　　　　　　　　予測対象サンプルごとに、予測に最適な予測
　　　　　　　　　　　モデル（判別関数や重回帰式）を新規に作成
　　　　　　　　　　　し、これを用いて予測を行う。

＊予測対象化合物毎に最適な予測を実現する予測モデル（判別関数や重回帰式等）を構築するので、この手法に「テーラーメードモデリング」という名前を付けました。

時代の変化と適用分野の広がり： Change of the times and the expance of the field of research targets

◇　時代の変化によるインシリコスクリーニング適用分野の拡大： Expansion of the Research Targets of  In Silico Screening by the Changes of the times

    インシリコスクリーニングの研究は主として創薬関連研究を中心として発展してきた。時代の変化や研究環境、そして企業間開発競争が一昔と異なり大きく変化している。創薬研究分野内での変化にとどまらず、インシリコスクリーニングの技術はその他の様々な分野でその適用が大きく期待されるようになってきた。以下に、現在および今後におけるインシリコスクリーニングの適用分野の広がりについて分野別にまとめます。

・創薬研究分野 ( Drug Design)
    インシリコスクリーニングは通常薬理活性スクリーニングを目的として実施され、これを最適化するべくドッキング手法を中心として展開されてきた。しかし、最近の創薬関連研究分野では「早期ＡＤＭＥ／Ｔ」で代表されるように、創薬の初期段階で薬理活性のみならずＡＤＭＥ／Ｔを評価しようという考えが定着しつつある。今後のインシリコスクリーニングでは、薬理活性のみならず、ＡＤＭＥ／Ｔをも含めた総合的なスクリーニングが出来るアプローチが必要となります。

・高機能性化合物研究分野 (Sophisticated Compounds)
    インシリコスクリーニング適用という観点でながめると、適用分野はさらに広がります。現在の高機能化合物の開発も時代的な要求から単なる物性の最適化のみならず、化合物の安全性（毒性）も最適化した開発が求められます。これは、化製品を生産、販売するためには国単位で決められている化合物の安全性（毒性）に関する政府規制をクリアすることが必要なためです。日本では化審法、米国ではＴＳＣＡ、ＥＵではＲＥＡＣＨと呼ばれる化合物規制をクリアすることが求められます。このように、化合物開発時には物性のみならず安全性（毒性）評価の重要性が増大しており、高速かつ多数の化合物をスクリーニング出来るインシリコスクリーニングへの期待が高まっています。

・政府規制（安全性（毒性））分野 (Government regulation)
    化合物を規制する場合、市場で利用することが許可されている化合物は数万とされていますが、実際に安全性（毒性）が評価されて市場に流通している化合物は、生産量が多い化合物等のごく一部になります。安全性（毒性）の評価には多くの費用と時間がかかるため、大部分の化合物はすでに流通していたのでその実績で許可される、「既存化合物」として安全性（毒性）評価なしに製造・販売が認められています。これは、すべての化合物について安全性（毒性）評価を行うことが物理的に不可能なために暫定的に取られている処置ですが、真に安全性（毒性）を担保するためには全化合物の安全性（毒性）評価を行う事が必要です。これは簡単に出来ることではありません。この分野でも、化合物の安全性（毒性）評価のプレスクリーニングとしてのインシリコスクリーニングに期待が高まっています。

・動物実験代替法等の研究分野 (Alternative Animal Experiments)
　　    動物愛護の観点から、実験動物を使わないで薬物のスクリーニングを行うという動きが、ＥＵを中心として広がりつつあり、皮膚やアレルギー関連化合物の開発分野では実験動物を用いた実感が禁止されます。この動物実験の代替法の一つとしてインシリコスクリーニングが注目されています。

◇　インシリコスクリーニング実施手法の多様化：
Variation of the In Silico Screening Techniques

　　現在、薬理活性インシリコスクリーニングはドッキング手法を用いたアプローチが世界的に展開されています。薬理活性を目的としたインシリコスクリーニングはドッキングで実施可能ですが、その他のＡＤＭＥや安全性（毒性）あるいは物性等をスクリーニング項目とする場合はドッキング手法を適用することはできません。これらの種々特性をスクリーニング項目とする場合は、ドッキングとは異なる手法の適用が必要となります。
    インシリコスクリーニングを行う実施手法として現在は幾つかの手法が展開されています。これらはスクリーニング項目毎に異なるものや、複数の分野（スクリーニング項目）に適用可能な手法とが存在します。例えば、ＡＤＭＥ関連研究分野ではＰＫ／ＰＤ関連式の適用が行われ、化合物物性に関しても様々な物性式が利用されています。複数のスクリーニング項目に適用可能な手法としては人工知能によるアプローチと化学多変量解析／パターン認識によるアプローチの二つが取られています。これらの関係を以下の図にまとめます。

    インシリコスクリーニングに適用可能な手法としてＱＳＡＲ（Hansch-Fujita法）、３－Ｄ　ＱＳＡＲ、ＳＢＤＤ（ドッキング）、人工知能、多変量解析／パターン認識の５種類があります。上図は、これらの５種類のアプローチについて、実際にインシリコスクリーニングを行なうときに必要となる種々要求項目にどの程度の適用性があるかという観点でまとめました。
    古くから薬理活性分野で展開されてきた手法は、構造-活性相関やドラグデザインで必要となる要因解析を重視し、スクリーニング目的での活用意識は高くありませんでした。このため、化合物の構造変化性や高速大量処理への対応はあまり重視されていませんでした。特にＱＳＡＲはその基本原理からスクリーニングで重要となる化合物構造変化性への対応力は殆どなく、逆に対象化合物の構造変化性を制限（Hansch-Fujita法を正しく使うためには、解析対象化合物の基本骨格が固定され、置換基の位置も固定されます）することで要因解析力を極大にしてきたと言えるアプローチです。

◇　なぜ安全性（毒性）スクリーニングに化学多変量解析／パターン認識が適用できるのか：Why the Chemical Pattern recognition applicable to the In Silico Toxicity Screening ?

    薬理活性以外で特に安全性（毒性）分野には、他の分野にはない本質的な特性が二つあります。一つは、①安全性（毒性）に関するメカニズムが不明なことが多いという事。もう一つは、②スクリーニング対象となる化合物の構造変化性が極めて高いということです。

    薬理活性分野で培われてきたＱＳＡＲは、インシリコスクリーニングで重要となる②の構造変化性への対応が原理上対応は出来ません。また、ＳＢＤＤのアプローチは①のメカニズムが明確でないために、実施に重要となる蛋白や酵素に関する情報が得られないために、ドッキング自体が実施出来なくなります。
    この安全性（毒性）分野でのインシリコスクリーニングに対応出来るアプローチとして、現在は二つのアプローチが取られています。一つは、人工知能によるアプローチで、残る一つが化学多変量解析/パターン認識（ケモメトリックス）によるアプローチです。
  　上図にありますように、安全性（毒性）分野でインシリコスクリーニングを行うときに重要となる要因解析自体は、薬理活性分野で行われたＱＳＡＲやＳＢＤＤではその手法上の基本原理からクリアすることはできませんので、安全性（毒性）インシリコスクリーニングにはこれらの手法は適用できません。
    これに対し、人工知能と化学多変量解析/パターン認識によるアプローチはそれぞれ独自の機能によりクリアすることが可能です。人工知能的手法はこの要因解析部分を人間の種々ノウハウという形でシステムに入力し、この知識を適用することで安全性（毒性）スクリーニングを実施します。この場合重要なことは、ノウハウの形の情報をどの程度まで人工知能システムに覚えこませることが出来るかという事が、システムのスクリーニング精度を支配することになります。
    もうひとつの化学多変量解析/パターン認識によるアプローチは、この要因解析部分を一旦ブラックボックスとし、データ解析で用いるパラメータがその知識や情報を組み込み、これらの情報を用いてスクリーニングを行うことになります。従って、化学多変量解析/パターン認識によるアプローチでは、解析に用いたパラメータが含んでいる情報を取り出すことで要因解析を実施することが可能となります。

    安全性（毒性）のインシリコスクリーニングでは基本的に人工知能によるアプローチか化学多変量解析/パターン認識（ケモメトリックス）によるアプローチのどちらかを取るしかないという事がおわかりになったと思います。
    本ブログでは化学多変量解析/パターン認識（ケモメトリックス）によるインシリコスクリーニングについての討論を行います。

ようこそ、化学多変量解析/パターン認識（ケモメトリックス）によるインシリコADME/Tスクリーニングブログへ：Welcome to the In Silico ADME/T Screening by Pattern Recognitoion Blog

◇　ようこそ、化学多変量解析／パターン認識によるインシリコADME/T スクリーニングのブログへ。　
Welcome to the In Silico ADME/T Screening by Chemical Pattern Recognition Techniques


    現在、創薬や機能性化合物開発の環境は急激に変化しております。創薬では薬理活性のみならずＡＤＭＥや毒性／副作用（今後は安全性と呼びます）を考慮した化合物の開発が求められています。また、創薬のみならず機能性化合物の開発においても、化合物の物性のみならず、環境に配慮した安全性の高い化合物の開発が急務となりつつあります。企業が生産や販売等の活動を行うためには、日本国内では医薬品は薬事法、一般化合物は化審法、またヨーロッパで一般化合物を扱う時はREACH（Registration, Evaluation, Authorization and Restriction of Chemicals）、米国では『有害物質規制法（TSCA：Toxic Substances Control Act）』等で代表される化合物規制のクリアが必要です。

    現在、そして今後のインシリコスクリーニングでは、従来からの薬理活性を目指したスクリーニングからＡＤＭＥや安全性そして様々な物性を考慮したインシリコスクリーニングが必至です。このような次世代インシリコスクリーニング手法として化学多変量解析/パターン認識（ケモメトリックス）を用いたインシリコADME/Tスクリーニングが注目されています。この手法自体の歴史は長いのですが、現在はドッキングによる薬理活性中心のインシリコスクリーニングが主体で、化学多変量解析/パターン認識によるインシリコADME/Tスクリーニング研究はあまり実施されておりません。

    この研究分野では基礎化学、薬理活性、ＡＤＭＥ／Ｔ、コンピュータ技術、コンピュータ化学等の知識に加えて化学多変量解析／パターン認識（ケモメトリックス）の知識も必要となり、様々な研究分野の基本知識を必要とする境界研究分野であることが大きなバリアとなっているようです。とはいえども、時代的な要求が強く、ソフトウエアもいくつかあることから最近は様々な研究機関等でいろいろと手探り状態の中で研究が開始されています。しかし、このケモメトリックス分野は複数分野の情報が複雑に絡み合い、長い歴史の過程で個々の分野での適用限界やデフォルト手順等が確定されております。正しい解析を行うためには、これらの様々な条件をクリアしつつ研究することが必要です。しかしながら、これらの研究実施上重要な情報が入手困難なために、化学多変量解析/パターン認識等の誤った適用等がしばしば見受けられます。

    今後この化学多変量解析/パターン認識によるインシリコスクリーニングは、安全性のみならず「実験動物を使わないスクリーニング」ということで、「動物実験代替法」の一つとしても重要な役割を果たすものと考えられます。このような大きな環境変化の中にあって、化学多変量解析/パターン認識によるインシリコスクリーニング関連情報が入手困難であるという現状より、このブログを立ち上げることに致しました。

◆　化学多変量解析/パターン認識（ケモメトリックス）による
インシリコ ADME/T スクリーニング
In Silico ADME/T Screening by the Chemometrics (Chemical Multi-Variate and Pattern Recognition)

    化学多変量解析/パターン認識（ケモメトリックス）関連技術に関する一般的かつ広範囲な情報は、（株）インシリコデータのホームページ、あるいは関連ブログ（インシリコデータブログ：Blog of the In Silico Data、ＫＹ法のブログ：Blog of the KY-methods ）を参照いただければわかるかと思います。本ブログではこの（株）インシリコデータのホームページや関連ブログでは議論しないインシリコADME/Tスクリーニングに特化した細かな内容や情報をアップ致します。なお、本ブログで扱うインシリコADME/Tスクリーニングは、化学多変量解析/パターン認識（ケモメトリックス技術）によるスクリーニングです。一般的に実施されているドッキング手法によるインシリコスクリーニング手法（薬理活性対象）は扱いません。これらのインシリコスクリーニングは多くのホームページ等で専門ソフトウエアも含めて解説されておりますので、そちらを参考にしてください。