AIが拓く創薬革命　深層学習の登場から始まった創薬の加速化の最前線は今【国立研究開発法人医薬基盤・健康・栄養研究所】 скачать в хорошем качестве

AIが拓く創薬革命　深層学習の登場から始まった創薬の加速化の最前線は今【国立研究開発法人医薬基盤・健康・栄養研究所】

00:00　はじめに 02:00 タンパク質とAIの関係 タンパク質の構造と役割 タンパク質の重要性 薬のデザインとタンパク質 タンパク質構造理解のメリット タンパク質立体構造の観察の難しさ タンパク質構造解析の歴史と方法 タンパク質構造解析の課題 AIによるタンパク質構造予測 14:14 AIの基礎：概要 AIの学習 生成AIの基礎：機械学習と深層学習 機械学習の種類：教師あり学習と教師なし学習 機械学習の手法：決定木 20:05 深層学習：ニューラルネットワーク 深層学習：重み セルごとの数値化 ディープラーニングの技術：プーリング ディープラーニングの技術：畳み込み 28:15 自然言語処理 30:39 生成AIのまとめ 32:32 AI創薬の活用：患者層別化 薬を作るためのフロー 創薬におけるAI導入の現状 AIによるヒト情報の活用 創薬で活用する情報：生体分子データと診療情報データ 患者層別化AIによる特徴抽出 PRISMにおけるAI活用事例 将来的な展望 40:20 AI創薬の活用：化合物探索 AlphaFoldによる構造予測 AlphaFoldの仕組み：共進化 42:41 タンパク質構造予測の別アプローチ：構造破壊からの再構築 新規タンパク質デザインへの応用 タンパク質の動きの解析 AlphaFoldによる創薬デザインへの貢献 分子標的薬と中分子ペプチドのデザイン 細胞膜上でのタンパク質の結合 創薬におけるAIの役割 タンパク質の動きと機能の関係 47:56 AI創薬のまとめ：夏目先生と林先生の研究 48:48 理化学研究所のシミュレーションソフトウェア「GENESIS」 日本における新薬開発における成功率（承認取得率）は、2000年～2004年が約１万３千分の１であったのに対し、2018年～2022年は約２万３千分の１でした。厳しい状況にある理由としては、新薬開発の対象が原因未解明の複雑な疾患にシフトしてきていることや、研究開発費の高騰、創薬モダリティの多様化などが挙げられます。 　この課題を解決するためにAIをいかなる段階でいかなる用途に活用すべきか。様々な企業がアプローチをする中、当法人では、AIの導入が最も効果的ではあるが最も難しいとされる「薬物標的の同定」の段階からAIを活用すべく、研究を進めています。 　また、創薬の世界に目覚ましい進歩をもたらしている深層学習モデルAlphaFold（2024年ノーベル化学賞を受賞）を用いた研究についてもご紹介します。当法人では、AlphaFoldでタンパク質の立体構造を予測し、分子動力学シミュレーションを用いて、病気の因子と薬との結合をデザインすることで、創薬を劇的に加速化する研究を行っています。 #AI創薬 #タンパク質 #AI #創薬 #生成AI #機械学習 #深層学習 #教師あり学習 #教師なし学習 #決定木 #ニューラルネットワーク #プーリング #畳み込み #自然言語処理 #患者層別化 #診療情報 #AlphaFold #共進化 #タンパク質構造予測 #AI Drug Discovery #Proteins #AI #drug discovery #GenerativeAI #machine learning #DeepLearning #supervised learning #Unsupervised learning #Decision trees #Neural Networks #Pooling #Convolution #Natural Language Processing #Patient stratification #ClinicalInformation #AlphaFold #Co-evolution #Protein structure predicti