AI創薬基盤
FUJITSU Digital Laboratory PlatformSCIQUICK（サイクイック）

SCIQUICKとは

SCIQUICKは、安全性や実用化の可能性を研究開発初期段階において適切に評価することができます。例えば医薬品分野においては、上市された製品が市場からの撤退を余儀なくされる理由は、主に薬物動態・心毒性・肝毒性です。これらの特性を研究段階より適切に評価することが重要です。 さらに、薬物動態、心毒性、肝毒性等を予測するだけでなく、自社データを使用した独自モデルの作成や、予測モデルの精度改良にも取り組むことができます。これにより、医薬品以外の幅広い分野においても利用いただくことが可能です。

【対象分野】　医薬、化学、農薬、化粧品、機能性食品など
【効果】　実験の優先順位付け、開発期間の短縮、成功確率の向上

開発背景

AI創薬基盤「SCIQUICK」は「創薬支援推進事業―創薬支援インフォマティクスシステム構築―」における研究成果の一部を活用し製品化されました。この研究成果は、国立研究開発法人日本医療研究開発機構が、「オールジャパンでの医薬品創出プロジェクト」の一環として、創薬支援ネットワークによる支援機能を強化するために、2015年度から5か年の計画で実施されたものです。

予測モデル

モデルの作成

論文リスト

• Esaki, T., Ohashi, R., Watanabe, R., Natsume-Kitatani, Y., Kawashima, H., Nagao, C., Komura, H., Mizuguchi, K., Constructing an in silico three-class predictor of human intestinal absorption with Caco-2 permeability and dried-DMSO solubility. J. Pharm. Sci. 2019; 108(11):3630-3639.
• Watanabe, R., Esaki, T., Kawashima, H., Natsume-Kitatani, Y., Nagao, C., Ohashi, R., Mizuguchi, K., Predicting fraction unbound in human plasma from chemical structure: improved accuracy in the low value ranges. Mol. Pharm. 2018; 15(11):5302-5311.
• Esaki, T., Ohashi, R., Watanabe, R., Natsume-Kitatani, Y., Kawashima, H., Nagao, C., Mizuguchi, K., Computational model to predict the fraction of unbound drug in the brain. J. Chem. Inform. Model. 2019; 59(7):3251-3261.
• Esaki, T., Watanabe, R., Kawashima, H., Ohashi, R., Natsume-Kitatani, Y., Nagao, C., Mizuguchi, K., Data curation can improve the prediction accuracy of metabolic intrinsic clearance. Mol. Inform. 2019; 38(1-2):e1800086.
• Watanabe, R., Ohashi, R., Esaki, T., Kawashima, H., Natsume-Kitatani, Y., Nagao, C., Mizuguchi, K., Development of an in silico prediction system of human renal excretion and clearance from chemical structure information incorporating fraction unbound in plasma as a descriptor. Sci. Rep. 2019; 9(1):18782.
• Komura, H., Watanabe, R., Kawashima, H., Ohashi, R., Kuroda, M., Sato, T., Honma, T., Mizuguchi, K., A public-private partnership to enrich the development of in silico predictive models for pharmacokinetic and cardiotoxic properties. Drug Discovery Today. Available online 28 January 2021.
• Masataka, Kuroda., Reiko, Watanabe., Tsuyoshi, Esaki., Hitoshi, Kawashima., Rikiya, Ohashi., Tomohiro, Sato., Teruki, Honma., Hiroshi, Komura., Kenji, Mizuguchi.,Utilizing public and private sector data to build better machine learning models for the prediction of pharmacokinetic parameters. Drug Discovery Today Volume 27, Issue 11, November 2022, 103339

価格・動作環境

• 価格
  • トライアルご希望の方は別途ご相談ください。

    【一般向け価格】

    • 年間ライセンス　80万円～
    • 永久ライセンス　200万円～
• 動作環境

  • • デスクトップ製品

      項目	推奨環境
      OS	Windows 10
      CPU	Core i5 6000番以上推奨
      メモリ	4GB以上推奨