Discovery DMPKの梅森研究員がCBI学会2024年大会にてポスター発表をします

2024年10月28日(月) -10月31日 (木)に開催されるCBI学会2024年大会にて、当社研究員・梅森がポスター発表を行います。本学会への参加を予定されている方は、是非ポスター発表をご覧ください。

【学会概要】
CBI学会2024年大会

【ポスター発表】
日時：2024年10月29日(火) 17:00-18:00
場所：タワーホール船堀（東京都江戸川区船堀4-1-1)
タイトル：「Unbound Fraction Optimized Method for Predicting Human Pharmacokinetic Clearance: Advanced Allometric Scaling Method and Machine Learning Approach」
演者：梅森 祐樹　Axcelead Tokyo West Partners株式会社 Discovery DMPK

【発表概要】
創薬段階において、医薬品候補化合物のヒトの薬物動態パラメータ、特にクリアランス（CL）の正確な予測は、開発成功率を高めるために重要です。従来、ラットのPKデータとヒト・ラットの血漿中フリー体分率（fu）を用いたSingle Species Scaling（SSS）法が広く利用されていますが、そのデータセットは限られており、外部データでの精度検証は明らかにされていません。本研究では、実験により新規データセットを取得し、初めて外部データを用いて、fuの閾値を設定することでデータセットを最適化した「Unbound Fraction Optimized SSS　(UFO-SSS)」法を開発・検証しました。さらに、機械学習モデルとの組み合わせで、創薬段階においてヒトCLの予測精度向上が期待できる結果が示唆されました。

【Axceleadのソリューション】
Axceleadは、医薬品の合成からin vitroおよびin vivoでの各種評価をシームレスに行えます。本発表で紹介したような医薬品研究に関する豊富なノウハウを活かし、研究者の視点から、より正確な予測モデルの提供が可能です。創薬段階における機械学習の活用を含め、医薬品開発における様々な課題に対応いたしますので、ぜひ当社にご相談ください。

【その他の関連情報】
過去に報告した創薬段階における機械学習による動態パラメータ予測論文投稿一覧
・QSAR model to predict Kp,uu,brain with a small dataset, incorporating predicted values of related parameter (SAR QSAR Environ Res. 2022 Nov;33(11):885-897.)
・Development of a Novel In Silico Classification Model to Assess Reactive Metabolite Formation in the Cysteine Trapping Assay and Investigation of Important Substructures (Biomolecules. 2024 Apr 30;14(5):535.)