AIDDISON™ Explorer：AIを活用した創薬ソフトウェア

設計基準から候補分子のランク付けまで

ターゲットプロファイルと設計上の制約を定義します。AIDDISON™ Explorerは、新規の候補分子を提案し、定義された評価基準に基づいてそれらを評価し、結果をランク付けします。これにより、研究者は最初から最も有望な構造に実験リソースを集中させることができます。

医薬品化学者にとっての中核となる能力

生成型分子設計

REINVENT 4.0フレームワークから導出された強化学習ベースのモデルを用いて、新規の分子構造を生成します。探索は定義された設計制約に基づいて行われ、既知の骨格を超えた候補分子を特定します。

多変数最適化（MPO）

効力、物理化学的性質、および開発性の観点のバランスを同時に図ります。多目的評価により、プロジェクトの基準を最も満たす候補化合物を特定します。

予測的ADMETモデリング

数十年にわたる製薬実験データで学習された機械学習モデルを用いて、予測されたADMET特性を早期に評価します。予測結果には、結果の解釈を支援するための信頼度指標や説明可能なAIメトリクスが含まれます。

合成を考慮した候補化合物設計

SYNTHIA® APIとの連携により、合成可能性スコアを評価し、合成経路の実現可能性、工程数、構成ブロックの入手可能性などを考慮した実行可能な逆合成経路を生成します。

実際の発見データに基づいて構築されたモデル 

予測ADMETモデルは、当社のヘルスケア事業が保有する30年以上にわたる医薬品研究開発データの中から、成功した化合物と失敗した化合物の両方を用いて学習されています。このデータは、CACO2透過性、心毒性（hERG）、固有クリアランス（Clint）などのエンドポイントを網羅しています。成功した化合物と失敗した化合物の両方を組み込むことで、モデルは実際の創薬成果を反映し、より信頼性の高い初期段階での候補化合物の優先順位付けを支援します。

説明可能なAI出力、信頼度指標、および特徴量の寄与度可視化により、モデル予測の透明性が確保され、研究者がより確信を持って結果を解釈できるよう支援します。